近幾年來，鐵水測溫儀都取得了哪些進步    

    關(guān)分析，確定爐溫的主要影響因素，再根據(jù)時間序列原理，對爐溫序列的動態(tài)特性進行分析，建立由各種影響因素混合構(gòu)成的爐溫預(yù)測控制的傳遞函數(shù)模型。  實踐表明，在爐況比較穩(wěn)定的情況下，時間序列模型在高爐現(xiàn)場使用過程中具有一定的命中率。然而當(dāng)爐況波動較大時，時間序列模型難以正確地反映高爐冶煉過程爐溫發(fā)展的變動方向和劇烈波動狀態(tài)。 基于神經(jīng)網(wǎng)絡(luò)的高爐鐵水預(yù)測模型  近幾年神經(jīng)網(wǎng)絡(luò)技術(shù)被引入到爐溫辨識中。如英鋼聯(lián)開發(fā)的爐溫檢測模型、瑞典鋼鐵公司呂勒奧廠開發(fā)的爐溫檢測模型和比利時馬里蒂姆鋼鐵公司開發(fā)的爐溫檢測模型。國內(nèi)也出現(xiàn)了大量利用神經(jīng)網(wǎng)絡(luò)預(yù)報爐溫的報道。秦斌、王欣和吳敏利用RBF神經(jīng)網(wǎng)絡(luò)對爐溫進行了預(yù)報；劉芳、曹秀英等人選擇的5項輔助變量：風(fēng)量、風(fēng)溫、 透氣性、料速和噴煤速率，

     大連鐵水測溫儀運用RBF神經(jīng)網(wǎng)絡(luò)對邯鋼7號高爐鐵水溫度進行了預(yù)測，現(xiàn)場采樣數(shù)據(jù)的計算結(jié)果表明本模型的平均誤差在0.5%，精度達到了預(yù)期的目標(biāo)，在高爐實際生產(chǎn)中具有應(yīng)用價值。曾燕飛、李小偉利用BP網(wǎng)絡(luò)和湘鋼4#高爐的生產(chǎn)數(shù)據(jù)進行了仿真預(yù)測爐溫；肖伸平、吳敏、劉代飛采用結(jié)合小波包分析的特征提取及神經(jīng)網(wǎng)絡(luò)的非線性映射等特性的小波神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實現(xiàn)高爐爐溫預(yù)報和控制，獲得較高的預(yù)報精度。  但是此種方法也有一定的局限性：應(yīng)用不同的訓(xùn)練樣本集得到的網(wǎng)絡(luò)性質(zhì)不盡相同，對同一檢驗樣本的計算結(jié)果也不盡一致。同時，沒有其他先驗知識時，解決問題的信息全部從訓(xùn)練樣本得到，能達到的最好效果取決于樣本的數(shù)量與質(zhì)量。因此，上述各類神經(jīng)網(wǎng)絡(luò)預(yù)報系統(tǒng)，大多數(shù)都是離線預(yù)報，進行了仿真試驗，但是真正用于在線預(yù)報的系統(tǒng)很少。