轉爐終點控制模型的比較分析和改進研究.pdf

1、轉爐終點控制直接影響產品質量、生產效率和經濟效益，已成為衡量煉鋼綜合技術水平的一項重要指標。隨著全連鑄，生產工藝的發(fā)展、鐵水預處理和精煉手段的不斷完善，煉鋼生產節(jié)奏大大加快，轉爐終點控制的命中率提升對后續(xù)的爐外精煉和連鑄過程有重要影響，轉爐終點控制在整個煉鋼生產中的地位顯得尤為重要。因此，對提高轉爐終點空控制命中率的研究在理論和應用方面具有重要意義。
　　論文首先分析了轉爐終點控制研究的現(xiàn)狀，對轉爐煉鋼靜態(tài)控制與動態(tài)控制模型方法、

2、作用及功能關系進行了比較，指出隨轉爐裝備水平的進步，基于人工智能的模型方法成為控制技術的主流，而且靜態(tài)模型對轉爐控制水平有重要影響；通過對基于GA-BP混合算法的轉爐終點優(yōu)化控制模型和轉爐準動態(tài)控制模型的對比分析，認為混合算法可以提高靜態(tài)模型的預測效果，而準動態(tài)模型可以反映轉爐冶煉過程的動態(tài)操作和加料過程對一次倒爐時間和終點的影響，然而，模型樣本數(shù)據的完整和準確性是這類基于數(shù)據建模的模型應用效果的關鍵。因此，論文結合實際的生產統(tǒng)計規(guī)律，

3、對現(xiàn)有模型進行改進研究，建立了基于時間的BP神經網絡終點控制模型。新建模型在數(shù)據的預處理上，結合轉爐煉鋼機理，并加入生產統(tǒng)計規(guī)律，在冶煉槍位的處理上引入與槍位成二次函數(shù)關系的氧氣利用效率為模型輸入參數(shù)，對槍位變化在轉爐冶煉過程中所起的作用進行量化；在算法上針對BP神經網絡容易陷入局部最優(yōu)與“過擬合”等問題，采用了引入驗證樣本的改進BP神經網絡學習算法，并在BP神經網絡權值初始化設置和激勵函數(shù)方面進行了改進。在模型的構建上，基于時間的BP

4、神經網絡終點控制模型考慮了時間對轉爐冶煉的影響。
　　根據攀鋼1＃轉爐以冶煉Stb32系列鋼的416爐生產數(shù)據，應用基于時間的BP神經網絡終點控制模型進行的離線測試，將數(shù)據樣本分別按80％、5%、15%的比例劃分為訓練樣本、驗證樣本和測試樣本的預測結果表明：在預測精度為一次倒爐溫度|ΔT|≤15℃、一次倒爐碳含量|ΔC|≤0.03%條件下，碳、溫命中率分別為72.6%和75.8%，同時命中率為58.1%，取得了較好的效果。