人工神经网络在转炉炼钢终点预报中的应用研究

简要介绍几种人工神经网络转炉炼钢终点预报模型,通过分析指出神经网络将在炼钢生产过程中得到广泛的应用。     

转炉炼钢过程控制中的人工智能技术

介绍了人工智能技术在转炉炼钢过程控制中的应用现状，对采用模型控制和地专家系统以及人工神经网络技术的控制方法进行了比较。转炉人工智能静态控制模型在武钢二炼钢的应用试验结果表明，人工智能技术的应用利于进一步提高转炉炼钢过程的自动化控制水平。     

基于神经网络的转炉控制模型

以理论模型为基础，建立了转炉炼钢控制模型，并将人工神经网络模型应用到转炉控制中。通过计算，得出了铁水中Si含量与转炉炉渣碱度的关系；通过BP神经网络预报了终点的碳含量，当碳命中误差〈0.02％时，命中率达到了66.7％。     

基于BP神经网络的转炉静态模型

以理论模型为基础,建立了转炉炼钢静态控制模型,并将人工神经网络模型应用到转炉控制中,以Visual Basic为开发语言,开发了相应的软件。通过BP神经网络预报了终点的碳含量,当碳命中误差±0.02%时,命中率达到了66.7%。     

转炉炼钢过程人工智能静态控制模型

将人工神经网络技术应用到转炉炼钢过程控制，与增量模型结合，开发出转炉炼钢人工智能静态控制模型。通过在武钢８０ｔ转炉上的生产试验证明，转炉人工智能静态控制模型比传统的静态控制模型提高了模型对炼钢过程各因素之间复杂非线性关系的处理能力及对系统随机因素变化的反应能力和适应能力，因而提高了静态模型的控制精度和终点命中率。     

基于区间约束极限梯度提升的转炉炼钢耗氧量预测

氧气是转炉炼钢生产过程中的一种重要的气体能源。转炉炼钢耗氧量的精准预测既有利于提高炼钢过程的稳定控制，也是炼钢厂生产有序运行的有力保障。根据转炉炼钢过程的机理特征，建立了基于区间约束的极限梯度提升(interval constraint-based extreme gradient boosting, IC-XGBoost)数据模型，以提升炼钢耗氧量预测的精度和准度。利用转炉炼钢过程实际数据及其噪声扰动，对改进XGBoost模型进行对比测试。与神经网络、支持向量机(support vector machine, SVM)和XGBoost等传统数据模型相比，所建立的模型能够通过高效计算获得更好的预测精度和准度，且具有较好的抗干扰能力。     

转炉炼钢终点控制技术应用现状探讨

钢材资源本身就是我国生产制造业中的主要原料,且被广泛地应用于炼钢的过程中。目前,越来越多的人已经开始重视转炉炼钢终点控制技术。转炉炼钢术的终点技术的控制水平将会直接影响着炼钢的质量和炼钢的效率。本文主要就转炉炼钢终点控制技术的应用现状进行讨论,并在之后对这种技术在未来发展过程中的应用进行全面的分析,以便更好地提高企业的经济效益。     

转炉炼钢中的二氧化碳应用分析

钢铁生产过程有中有大量的CO_2产生,围绕CO_2在转炉炼钢中的作用,简述了CO_2在转炉炼钢以及炼钢全流程中的应用方式和效果,探讨了炼钢过程中减少CO_2对环境的影响并提高冶炼效果的方法。     

两种转炉炼钢终点控制模型的比较

分析了转炉炼钢静态控制与动态控制模型的方法、作用及功能关系。针对中小型炼钢转炉检测设备受限制的现状,从建模原理、方法特点和应用效果方面对建立的基于遗传算法-神经网络混合算法(CA-BP)的转炉炼钢终点优化控制静态模型和转炉炼钢终点预测的准动态控制模型进行了比较,认为混合算法可以提高静态模型的预测效果,而准动态模型可以反映转炉冶炼的动态操作和加料过程对一次倒炉时间和终点的影响。     

转炉钢水出钢温度的预测

将人工神经网络用作转炉炼钢过程的预测模型,实现了对转炉出钢温度的全面预测.并探讨了影响转炉出钢温度及转炉炼钢过程的因素,为生产合格钢水及转炉的动态控制提供理论依据.本模型能很好的预测转炉终点的出钢温度,并能较好的分析主要工艺参数(如铁水温度、氧气耗量等)对转炉出钢温度的影响,预测值比较准确.     

基于IPSO-RELM转炉冶炼终点锰含量预测模型

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义.      

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.     

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。     

转炉烟气分析动态控制炼钢技术

由人工经验控制到动态智能控制是转炉炼钢自动化的发展方向,而利用质谱仪在线分析转炉烟气进行动态控制是实现转炉炼钢自动化最有效的途径;介绍了烟气分析动态控制炼钢技术在马钢120 t转炉的开发应用情况,对提高转炉终点命中率,实现炼钢自动化,特别是对国内中小型转炉具有借鉴作用。     

提高钒钛铁水转炉冶炼废钢比工艺研究

废钢比是转炉生产的重要经济技术指标,其值大小直接影响转炉冶炼钢铁料消耗及热平衡,提高入炉废钢比是实现节铁增钢、降本增效的重要技术手段。然因冶炼低硅含钛铁水成渣难、脱磷难等问题,对应入炉废钢比持低不高,直接影响转炉生产成本。为此,基于低硅含钛铁水冶炼特点及难点分析,结合水钢生产实践,通过氧枪喷头优化、枪位优化、添加提温剂等工艺优化和技术开发,使入炉废钢比由优化前7.41%提高至13.48%,优化效果较为明显。     

Predicting the Endpoint Phosphorus Content of Molten Steel in BOF by Two-stage Hybrid Method

A two-stage hybrid method is proposed to predict the phosphorus content of molten steel at the endpoint of steelmaking in BOF (Basic Oxygen Furnace). At the first clustering stage, the weighted K-means is performed to produce clusters with homogeneous data. At the second predicting stage, each fuzzy neural network is carried out on each cluster and the results from all fuzzy neural networks are combined to be the final result of the hybrid method. The hybrid method and single fuzzy neural network are compared and the results show that the hybrid method outperforms single fuzzy neural network.     

现代炼钢流程冶炼工序的炉料结构研究

现代炼钢流程主要是转炉流程和电炉流程.在物料平衡和热平衡计算基础上,通过对冶炼周期的分析,指出电弧炉冶炼有一个最佳铁水比,转炉冶炼有一个最佳冷料比.对于安钢第一炼轧厂100 t烟道竖炉电弧炉最佳铁水比为31%,对于100 t转炉,冷料为全废钢条件下最佳冷料比为17%.     

转炉炼钢静态控制优化模型

对某钢厂氧气顶吹转炉炼钢现场的生产数据进行了统计回归分析,得出了控制终点钢水碳含量与终点钢水温度的氧耗增量与废钢增量的多元回归方程。并对方程进行了优化处理,获 得了转炉炼钢静态控制的优化模型。