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.      

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%。     

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。     

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％。     

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%.     

基于AdaBoost.RS算法的LF炉钢水温度预报分析

LF炉钢水温度的精准控制有利于缩短钢的冶炼时间,从而节约其生产成本。而获得准确的LF炉钢水温度预报是钢水温度控制的先决条件。通过分析LF炉冶炼过程对钢水温度的影响因素,提出一种适用于LF炉钢水温度预报同时具有增量学习功能的AdaBoost.RS集成建模算法。该算法引入松弛变量和遗忘因子2个参数,在提高预测精度的同时,可以克服大噪声数据带来的干扰,同时增量学习可以降低早期生产数据对模型的影响。以福建三钢有限责任公司100tLF炉为研究对象,采用5个测试函数验证算法的抗噪性能,分别用静态数据和动态数据对钢水出站的终点温度进行预报。实验结果表明,预测的绝对误差小于10℃的样本数量超过了样本总数的90%,算法精度较高,有利于实际生产应用。     

涟钢LF精炼温度变化研究

采用多元回归分析方法建立了涟钢210转炉厂LF钢包炉精炼终点钢水温度的变化模型,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钢包炉精炼终点温度的预测误差较小,能对现场产生指导意义。     

LF炉双路底吹控制系统设计

LF炉是钢铁生产中炉外精炼的主要方法之一,是电弧炉的一种特殊形式。作为钢水精炼的重要环节,LF炉起到了钢水含量精调、钢水温度调节、改善钢水纯净度、造渣等作用。邯钢新区LF炉采用双路底吹的方式,通过钢包底部的透气砖底吹氩气来均匀钢水成分,底吹阀门站采用西门子200smart控制系统,通过OPC通讯完成底吹阀门站和精炼主系统的通讯,实现远程自动控制。     

LF炉钢水成分预报模型的建立及应用

宣钢LF炉钢水成分预报模型,通过机理模型算法,准确、快速地提供了精炼过程中钢水成分的实时预报,减少了精炼通电时间和测温次数,提高了精炼生产效率;充分发挥了LF炉优质、低耗、低成本的优势,保证了连铸生产的顺行.     

基于人工神经网络预报性能的齿轮钢LF—VD过程钢水成分微调

开发了基于人工神经网络预报性能的齿轮钢LF－VD过程钢水成分微调软件,对减小齿轮钢的成分波动范围,保证窄淬透性的控制有重大意义。在成分微调过程中,可随时利用人工神经网络的方法对钢的性能进行预报,预报结果精确度高,利于有效的控制生产。     

LF炉钢水温度的预估

考察了影响LF炉钢水温度的因素.从能量平衡的角度出发,将整个钢包体系作为1个系统,确定加热功率、钢水质量、钢包温度、包龄、渣厚、氩气吹入量、时段7个主要因素作为网络的输入量,应用BP神经元网络进行初步预报,再根据专家工艺知识对一些特殊情况进行修正.使用本方法可减少点测次数,获得连续的钢水温度信息,降低炼钢成本,提高质量...     

End Temperature Prediction of Molten Steel in LF Based on CBR

In order to improve the temperature control level of molten steel in ladle furnace (LF), a case‐based reasoning (CBR) method has been proposed for predicting end temperature of molten steel in LF. To predict the temperature accurately and efficiently, this paper develops two‐step retrieval approach and the correlation based feature weighting (CFW) method for CBR. And, the study evaluates the prediction effect of CBR method by the experiment of comparison with back propagation neural network (BPNN) model and CBR model. Experimental results show that CBR model achieves better accuracy than BPNN model and the CBR method is effective to predict end temperature of molten steel in LF.     

Hybrid Model of Molten Steel Temperature Prediction Based on Ladle Heat Status and Artificial Neural Network简

Aiming at the characteristics of the practical steelmaking process, a hybrid model based on ladle heat sta- tus and artificial neural network has been proposed to predict molten steel temperature. The hybrid model could over- come the difficulty of accurate prediction using a single mathematical model, and solve the problem of lacking the consideration of the influence of ladle heat status on the steel temperature in an intelligent model. By using the hybrid model method, forward and backward prediction models for molten steel temperature in steelmaking process are es- tablished and are used in a steelmaking plant. The forward model, starting from the end-point of BOF, predicts the temperature in argon-blowing station, starting temperature in LF, end temperature in LF and tundish temperature forwards, with the production process evolving. The backward model, starting from the required tundish tempera- ture, calculates target end temperature in LF, target starting temperature in LF, target temperature in argon-blo- wiag station and target BOF end-point temperature backwards. Actual application results show that the models have better prediction accuracy and are satisfying for the process of practical production.     

利用人工神经网络系统预报钢水温度

通过分析影响钢水温降的各个因素,利用人工神经网络原理建立了钢水温度预报模型。该模型预报值与实测值基本相符,在此基础上,提出了该厂合理的温度制度,并提供了一种优化出钢温度的方法。     

BOF→LF→CC流程钢水温度预报

针对炼钢连铸流程的工艺特点和生产数据,建立了基于BP神经网络的"BOF→LF→CC"流程钢水温度预报模型。通过相关性分析筛选模型变量,利用五数概括法筛选数据,采用LM优化算法改进BP神经网络,利用生产数据对模型进行了训练和测试。并用Java语言开发了钢水温度预报模型的程序,在某钢厂进行了应用。结果表明,各区段钢水温度预报模型的预报命中率基本可以满足生产的要求。     

控制LF精炼-板坯连铸钢液温度稳定性的实践

通过优化LF精炼一板坯连铸相关工艺制度，实行实时监控，加强管理，可以保证连铸钢液温度的稳定性。     

Technical Study on Ultra-Low Sulfur Steel Production in Ansteel

Based on the fact of long period deep desulfurization treatment in LF,the relationships among top slag constituent in LF,molten steel constituent,stirring ability of blowing argon,molten steel temperature and desulphurization rate were analyzed.Through the experiments,the parameters about treatment technology of top slag in LF,the [Als] content in molten steel,slag charge match,molten steel temperature and the argon flow for stirring have been optimized.The desulphurization treatment period in LF can be shortened by 5～8 minutes.The target sulfur content in molten steel can be controlled below 30 ppm within one LF treatment period which is only 36 minutes.The LF treatment period of ultra-low sulfur steel can primarily match with the continuous casting period,multi-heat continuous casting can be ensured.     

基于BP神经网络的钢水温度预定模型

针对目前钢水温度预定方法存在不足,在分析钢水温度预定原理的基础上,在邯钢邯宝炼钢厂建立了基于BP神经网络的精炼终点目标温度和转炉终点目标温度的动态预定模型。利用邯宝炼钢厂的历史生产数据对模型进行了训练和测试,并进行了现场应用试验。结果表明,预定模型对转炉和精炼终点目标温度进行了优化,应用预定模型后,LF开始温度命中率提高到75%,中间包温度命中率提高到96.7%。