基于神經網絡的轉爐冶煉終點預報模型——硫預報模型.pdf

1、在轉爐煉鋼的過程中，煉鋼工憑經驗判斷是否達到煉鋼終點，如果達到，便進行出鋼。但是這種判斷方法具有很大的盲目性。如果能夠建立準確的終點預報模型，則可以通過計算機控制煉鋼是否達到冶煉終點，這樣不但提高了終點命中率，而且減少了后吹次數，從而能夠提高勞動生產率、降低生產成本、提高產品質量。 本文分析了國內外轉爐煉鋼終點預報技術的現狀，并考慮到國內占大多數的轉爐均為中小型，因此在原有終點溫度、終點碳、錳、磷含量預報模型的基礎上，最終確立了

2、以BP神經網絡為基礎，采用VisualBasic語言編程處理，準確的轉爐終點硫含量預報模型。通過分析影響轉爐終點硫含量的因素，確立了31個輸入變量，建立了三層BP神經網絡。以唐山不銹鋼鋼鐵有限公司的300爐實際生產數據作為樣本，對終點硫含量進行預報。預報結果表明，當樣本終點硫含量在0.010％～0.020％范圍內，模型終點預報[S]在誤差±0.0018％范圍內時命中率可達到85％?？傮w來看模型的預報結果已接近于采用副槍技術的動態(tài)控制模型