基于e-FCNN的电弧炉终点温度预报

摘要：

发展电弧炉炼钢短流程是实现钢铁工业绿色发展的重要战略途经,电弧炉炼钢的终点控制决定了出钢质量和冶炼效率,尤其是终点温度控制.建立电弧炉终点温度预测模型,提前预测终点温度,有助于及时调整冶炼工艺,实现快速、高效的出钢操作.电弧炉终点温度预测模型主要分为机理模型和数据驱动模型,数据驱动模型是目前的主要研究方向,但现有的数据驱动模型建模过程依赖大量历史数据,难以适用于在小样本数据条件下实现终点温度的准确预报.对此,紧密结合冶金机理,以人工智能算法为核心,建立了高适应性的电弧炉终点温度预报模型.通过冶金机理和皮尔逊数据相关性分析得到了模型的输入参数.以FCNN算法为基础,引入提前停止策略,提出了e-FCNN算法,防止了FCNN算法的过拟合现象,并基于e-FCNN算法建立了电弧炉终点温度预报模型.仿真结果表明,终点温度预报误差在±5 ℃以内,e-FCNN模型的命中率可以达到93.33％.另外,在小样本历史数据条件下,使用超参数随机网格搜索,建立了CART、RF、ε-SVR和v-SVR终点温度预报模型,结果表明,基于e-FCNN终点温度预报模型的精度明显优于其他机器学习模型.使用e-FCNN模型连续跟踪实际生产的30炉次,预报误差为±6 ℃时,命中率达到了96.7％,可以有效指导生产.未来,进一步提升机理和数据驱动的结合程度是电弧炉终点温度预报模型的发展方向.

关键词：电弧炉、终点预报、终点温度、机器学习、小样本

所属期刊栏目：59

分类号：TP27;TF741.5;TP311

资助基金：十四五重点研发计划资助项目;中央高校基本科研业务专项资金资助项目

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：49-57