Vol.16 No.6 杨尚宝等：基于神经网络的高炉异常炉况判断专家系统 .521. 推理网络状态显示 调用知识库系统 神经网络推断 输人数据回答问题 输入操作数据 推断炉况发生原因 网络状态存储 炉况处理操作指导 神经网络离线学习 一一 操作实绩存储 开 始 结 束 图4系统运行机制 Fig.4 Process of the system 当然，由于样本数量少，推断命中率尚且不高，而且对应于各种异常炉况的命中率也不一 致，这说明学习样本还需要不断增加，并使系统不断地学习，从而提高炉况判断的命中率， 这也正是本专家系统的特点一一在学习中不断提高能力， 为此，在本系统中还设计了知识库，该知识库中除存有用于提高推理效率的规则和学习 样本（模式对）外，还存有在线运行而得到的事实案例.在离线学习时，可将事实案例作为 新增样本，从而不断提高神经网络的适应能力和推断命中率· 4结论 (1)本研究采用3层BP网络作为推理机，建造了一种用于高炉异常炉况判断的 神经网络专家系统.该系统首先用神经网络模型对炉况进行判断，然后结合知识库系统的推 理，给出处理异常炉况的操作指导， (2)本系统有良好的自学习功能和较强的联想记忆功能. (3)本系统在线运行中可把高炉操作信息存入知识库，并通过离线学习将其作为新增模式 对，从而使系统不断提高其精度和联想能力， (4)实际运行表明：BP网络模型可以用于高炉炉况的判断，其命中率目前已达80%， 并随学习样本的增加而将不断提高· 参考文献 1新蕃等.神经网络与神经计算机原理·应用.成都：西南交通大学出版社，1991.146~157 2庄镇泉等.神经网络与神经计算机·北京：科学出版社，1992,22~30 3 Muller B,Reinhardt J.Neural Networks.Berlin:Springer-Verlag.1991.229~231杨 尚宝等 基于 神经 网络的高炉异 常炉况判 断专家系统 推理 网 络 状 态显示 调 用 知 识库 系 统 神 经网 络 推 断 输人 数 据 回 答 问 题 输人 操作 数据 推 断 炉 况 发 生 原 因 网 络 状 态 存储 炉 况处理操作 指 导 神 经 网 络离 线学 习 操 作 实绩存储 一 一 一 门 ‘ 一 一 一 图 一 一 一 一 一 ， 竺 产 」 系统运行机制 瑰河 拟， 翻 勺，曰 当然 ， 由于样本数量 少 ， 推断命 中率 尚且 不 高 ， 而 且 对应 于 各 种 异 常炉 况 的命 中率也 不 一 致 ， 这说 明学 习样本还需要 不断增加 ， 并使 系 统 不 断地 学 习 ， 从而 提 高炉 况 判 断 的命 中率 这也正是本专家系 统 的特点 一 一 在 学 习 中不 断提 高能力 为此 ， 在本系统 中还设计 了知识库 ， 该知识库中除存有 用 于 提 高推理 效 率 的规则 和 学 习 样本 模式对 外 ， 还存有 在 线运行 而得 到 的事 实案例 在离线学 习 时 ， 可将事 实案例作为 新增样本 ， 从而 不 断提高神经 网络 的适应能力 和 推 断命 中率 结论 本 研 究 采 用 层 网 络 作 为 推 理 机 ， 建 造 了 一 种 用 于 高 炉 异 常 炉 况 判 断 的 神经 网络专家系统 该 系统首先用神经 网络模 型 对炉 况 进 行 判 断 ， 然 后 结合 知 识 库 系 统 的 推 理 ， 给 出处理异 常炉况 的操作指 导 本系统有 良好 的 自学 习功能和较强 的联想 记忆功能 本系统在线运行 中可把高炉操作信息存入知 识库 ， 并通过离 线 学 习 将 其作 为新 增模式 对 ， 从而使系统不 断提 高其精度和联想 能力 实际运行表 明 网 络模 型 可 以 用 于 高 炉 炉 况 的判 断 ， 其 命 中率 目前 已 达 ， 并 随学 习样本的增加而将不 断提 高 参 考 文 献 靳蕃等 神经 网络与 神经计算机原理 · 应用 成都 西南交通大学 出版社 卯 一 庄镇泉等 神经 网络与神经计算机 北京 科学 出版社 卯 一 ， 创的 川 已也习 场。 玫 由 叫笋 一 垅山 卯 一