LF精炼终点钢水温度灰箱预报模型

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上.      

LF精炼终点钢水温度的预报模型

采用多元回归分析方法建立了宝钢-炼钢LF精炼终点钢水温度的预报模型.应用该模型对LF精炼终点钢水温度进行预测,对预测结果进行了统计分析,结果表明该模型对LF精炼终点温度的预测误差在±10℃时的命中率达到95%.     

LF钢包炉精炼终点钢水温度的预报模型

采用多元回归分析方法建立了宝钢一炼钢厂LF钢包炉精炼终点钢水温度的预报模型，应用该模型对LF精炼终点钢水温度进行预测，对预测结果进行了统计分析，结果表示该模型对LF钢包炉精炼终点温度的预测误差在＋10℃时的命中率达到95％。     

基于PCA-BP神经网络的LF精炼终点温度预测

为提高LF精炼钢水终点温度控制水平，提出了基于主成分分析（PCA）和BP神经网络的联合方法预测LF钢包炉精炼钢水终点温度。基于冶金理论和实际生产实践，选取了42CrMo钢生产过程的10个对终点温度有显著影响的因素作为预测模型的指标体系，然后借助主成分分析法对样本数据进行处理，得到了7个主成分变量，累计方差贡献率为87.24%，消除了数据之间的关联性，以此为基础，建立了基于PCA-BP神经网络的LF炉终点温度预测模型，该模型预测误差在±25℃时，模型的命中率为98.71%，模型有较好的识别能力，能够达到LF炉生产过程预测终点温度的目的。     

RH—TOP精炼终点钢水温度的预报模型

采用多元回归分析方法分别建立了未吹氧和吹氧工艺条件下RH-TOP精炼终点钢水温度的预测模型。对预测温度统计分析结果表明：未吹氧条件下,模型对RH—TOP精炼终点温度的预测误差在±5℃和±10℃时的命中率分别为83％和99％;吹氧条件下,模型对RH精炼终点温度的预测误差在±5℃和±10℃时的命中率分别为79％和96％。     

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%。     

神经网络在50tDC电弧炉炼钢中的运用

利用BP神经网络预测50tDC电弧炉钢水生产过程温度和终点温度，当允许误差为10℃，网络预测命中率≥90％，其预测精度满足了炼钢的需求。     

基于改进人工神经网络的LF钢水终点温度预报

采用改进的人工神经网络算法,开发了40t钢包炉精炼时钢水终点温度预报模型。与传统BP网络算法相比较,改进算法可提高预测速度和精度。生产现场实验表明,传统BP神经网络算法,钢水温度预测误差±5℃的炉次仅为77%,用改进的BP神经网络算法,其误差±5℃的炉次为90%。     

基于信息融合算法的LF炉钢水温度预测

LF炉钢水温度的控制对钢的质量和连铸操作的顺行都很重要,而LF炉钢水温度的预报是LF炉钢水温度控制的前提。针对LF炉冶炼过程中物理化学反应过程及传热过程的复杂性,以宝山钢铁股份有限公司300 tLF炉为研究对象,在分析了影响LF炉钢水温度的主要因素的基础上,应用基于BP神经网络的信息融合算法,开发了用C语言编写的预测程序,预测了LF炉的钢水温度。实验表明,此算法可以提高预测的速度和精度,预测结果为误差不大于±5℃的炉次大于90%。     

马钢CSP流程RH精炼钢水温度预测模型

基于冶金机理和传热学计算,分析研究了RH精炼过程中脱碳、吹氧加铝、脱氧、合金化、喷粉、真空室状态以及钢包等级等各类因素对钢水温度的影响。结合现场实际生产数据,建立了RH精炼钢水温度预测模型,经过对实际生产跟踪验证表明,模型预测的钢水终点温度与实测值偏差在±5 ℃以内的命中率为87.42%,偏差在±8 ℃以内的命中率为100%。