ارائه مدل مبتنی بر شبکه عصبی RBF جهت پیش بینی درصد سرباره محصولات کوره های ذوب القایی شرکت تولیدی صنعتی اصفهان در

در صنایع آهن و فولاد، بهینه سازی مصارف انرژی و مصارف مواد آلیاژی همواره مورد توجه صاحبان و محقق ان فعال در این صنایع میباشد. لازم بهذکر است در زنجیره تولید مواد آلیاژی فلزی مهمترین تجهیزی که مصرف انرژی بالایی دارد، کورههای ذوب میباشند. در میان انواع کوره های ذوب، کورهذوب القایی با توجه به ساختار خاص و مصرف انرژی مناسبی که دارند، جایگاه ویژه ای را در صنایع آهن و فولاد به خود اختصاص داده است. با توجه به اهمیت و جایگاه این کوره ها در صنایع تولیدی گوناگون، در این مقاله با استفاده از شبکه های عصبی مصنوعی RBF به پیش بینی درصد سرباره کوره های ذوب القایی به منظور افزایش بهره وری تولید پرداخته می شود. با توجه به داده های تجربی تهیه شده از کوره های ذوب القایی شرکت تولید صنعتی اصفهان در، مدل به دست آمده بادقت مناسبی توانسته است، درصد سرباره های کوره های ذوب القایی را پیش بینی نماید.

کلیدواژه ها:

شبکه های عصبی مصنوعی RBF ، کوره های ذوب القایی ، پیش بینی درصد سرباره ، مدل سازی تجربی