基于BP神经网络的钢包渣眼演化行为的预测

钢包底吹精炼过程中，渣眼行为对钢成分和夹杂物数量的调控有着至关重要的作用。由于生产现场工况复杂、温度较高、成本较大等原因，现场测试存在一定难度和危险，测试结果的精度也无法保证。为准确探究钢包底吹孔位置、单孔底吹气体流量和渣层厚度对渣眼面积的影响，采用1∶5的相似比，以150 t实际工业钢包为原型建立水模型，利用BP神经网络算法拟合实验数据生成模型，对精炼过程中渣眼的演化行为进行预测。分析表明，当隐藏层神经元数目n=16,迭代次数Epoch=60 000时，模型损失函数Error值达到最小，决定系数R²=93.439%,模型性能优异，预测精度满足工业需求，可有效地指导工业生产。