应用改进的神经网络模型预报转炉冶炼终点

准确预报转炉冶炼终点的钢水温度与碳含量对提高转炉终点命中率具有重要意义。针对现有多层前馈网络学习算法的不足,基于BP模型提出一种改进算法,建立了复吹转炉冶炼终点的预报模型,并与BP模型的预测结果进行了统计比较。研究表明,改进后的模型能够对冶炼终点进行良好的预报。采用单节点输出模型对终点钢水碳含量与温度分别进行预报,预测误差w(Δ[C])<±0.03%的命中率达97.22%,Δt<±12℃的命中率为94.44%。还建立了神经网络双节点输出模型对转炉终点钢水碳含量及温度同时进行预报,误差Δt<±15℃、w(Δ[C])<0.03%的双命中率为76.92%。     

基于自适应模糊神经网络系统的转炉终点磷的预报控制模型

根据冶炼工艺和现场数据 ,对转炉终点磷含量的预报方法进行了研究。采用自组织神经网络模式识别方法对 30 3炉现场数据进行了分类 ,分析了转炉冶炼各变量对终点磷含量的影响 ,确定了终点磷含量的控制变量 ,建立了基于自适应模糊神经网络系统的转炉终点磷含量的预报控制模型。研究表明 ,本模型能够对终点磷含量进行很好的预报和控制。模型计算值与实际值的相关性达到 0 .5 86 7;磷含量 (质量分数 ,% )控制在± 0 .0 0 3范围内的命中率达到 79.2 1%。该模型以低于目标值 0 .0 0 4 %的磷含量来对冶炼过程进行控制 ,冶炼合格率超过 91%。     

基于副枪控制的转炉终点预测模型

利用转炉吹炼末期脱碳指数方程、热平衡和热力学方程分别建立了转炉终点碳、温度、磷和锰的预报模型.终点碳质量分数预报误差为±0.015%的命中率达到87.6%;转炉终点目标w(C)=0.03%时,温度误差范围±10 ℃的比率为85.4%;模型预报钢中w(Mn)误差在±0.02%、w(P) 误差在±0.003%范围的比率分别达到了87.0%和81.2%.建立的预报模型具有较高的精度,实现了转炉终点碳、温度、残锰和磷的同时预报,为提高转炉的终点控制命中率、减少补吹的次数、实现直接出钢打下良好的基础.     

基于减法聚类的模糊神经网络转炉终点温度预报模型

分析了对转炉终点温度的影响因素,利用减法聚类自动确定模糊规则的数目,建立了模糊神经网络系统预报转炉终点温度.结果表明,该方法建立的模型能够对终点温度进行较好的预报,误差在±4℃以内的命中率可达25.49%;预报误差小于±20℃的炉数可达84.31%.     

改进训练方法的模糊神经网络模型预报转炉终点磷的研究和应用

根据150 t转炉的冶炼工艺和生产数据及转炉终点磷含量的影响因素,并针对现有BP网络学习算法的不足,基于BP算法提出一种改进网络训练算法,建立了基于模糊神经网络的转炉终点磷含量的预报模型。结果表明,改进后的模型预报转炉终点磷含量误差为±0．002％的命中率达68．69％,预报误差±0．004％的命中率达95．96％,磷含量的最大误差为±0．006％。     

炼钢成品成分预测模型研究及工程应用

采用3层BP神经网络来预测炼钢成品的C、Si、Mn成分,根据炼钢的实际生产数据,选取铁水、废钢、供氧、吹氩、硅锰合金、增碳剂等28个因素作为输入变量,对输入参数进行归一化处理,采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题,提高了神经网络预报的准确率。并用VC 语言编写程序,软件经生产现场运用后,模型预测结果表明:在规定的误差内(C±0.02%、Si±0.05%、Mn±0.06%),预报命中率达到85%以上,证明了模型的有效性。     

神经网络在梅山高炉铁水硅含量预报中的应用

对高炉铁水硅含量预报的统计模型、神经网络模型和神经网络方法加统计方法的综合模型三种预报模型作了对比 ,结果表明 :用神经网络方法和统计模型综合预报的效果较好 ,离线模型预报结果± 0 .1命中率达到 86 .6 7 ,为高炉铁水硅含量预报引入神经网络方法的实现提供了实例     

增量神经网络模型预报100 t电弧炉终点碳、磷和温度的应用

结合增量模型和神经网络模型的优点,提出增量神经网络模型,该模型特点为只注重系统输入量和输出量的变化,系统输入与输出增量的映射关系通过网络很快形成,网络结构简单.以废钢、铁水、装料制度、通电时间、吨钢氧耗和电耗相对于参考炉均值的增量为输入节点,对冶炼钢水终点温度和碳、磷进行预报.结果表明,当钢水终点温度和碳、磷含量的控制精度分别在±10 ℃,±0.02%和±0.004%时,预报值命中率分别为93%,75%和86%.     

基于转炉烟气分析的熔池碳含量及温度动态预报

基于烟气分析获得烟气流量及成分,应用碳平衡原理构建的碳积分数学模型可动态预测熔池中的碳含量;对炉气信息延迟性、炉气量、枪位系数和脱碳速率拐点a与b等参数的修正,能够提高熔池碳含量动态预报的精度。在熔池碳含量动态预报的基础上,基于热平衡理论和碳氧反应热力学构建了熔池温度动态预报模型,通过脱碳速率拐点a和b的修正以及分阶段模型的构建,能够提高熔池温度的预报精度。在此基础上采用Visual Basic 6.0和SQL Server 2000数据库构建了熔池碳含量和温度动态预报系统,利用该系统对一定时期的46炉冶炼数据进行了离线运行,结果表明:终点w(C)0.2%时,预报偏差小于0.02%命中率为84.8%,模型终点温度预报偏差小于20℃命中率为84.8%,C-T双命中率达到73.9%,基本满足冶炼对终点命中率的要求。     

260t转炉终点磷含量预报模型的开发实践

针对邯钢集团邯宝钢铁有限公司西区炼钢厂转炉的冶炼工艺特点和生产数据,建立了基于PCA-GA-BP神经网络的转炉终点磷含量预测模型。通过主成分分析(PCA)将终点磷含量的影响因素降维,并采用遗传算法(GA)对BP神经网络的初始权重进行优化。用Java语言开发了转炉终点磷含量预测模型的软件,在炼钢厂进行了现场使用。结果表明:转炉终点钢水w(P)控制精度在±0.007%时,命中率达到96.67%;控制精度在±0.005%时,命中率达到93.33%;控制精度在±0.004%时命中率达到86.67%。