摘要：为实现纳米铁粉分解炉温度的精准预测,提出了一种基于自适应粒子群优化算法（SAPSO）和极限学习机（ELM）的分解炉温度预测模型。采用现场数据,选取相关因素,利用ELM建立了对应的模型,并针对ELM输入权值矩阵和隐含层阈值选取的随机性,采用SAPSO对其进行动态寻优。通过仿真分析,分解炉温度预测误差达到0.039 2%,验证了模型的准确性。设置不同SAPSO参数进行试验,验证了模型的稳定性。设置不同神经元数目,与普通ELM的对比试验表明,SAPSO-ELM温度预测模型具有更好的泛化性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社