基于遗传算法的钢水"脱氧合金化"成本优化研究

摘要：

随着钢铁行业中高附加值钢种产量的不断提高,在保证钢铁质量的同时尽可能减少成本尤为重要.本文基于低碳钢HRB400B的历史数据记录,构建BP神经网络-脱氧合金化预测模型.根据16种合金原料的元素含量和单价,建立"脱氧合金化"总成本最优化模型,并采用遗传算法进行求解.结果显示,相同成本的不同方案中,各合金原料的用量可能存在较大差别,故应根据炼钢厂的实际情况确定合理的合金配料方案.

关键词：多元回归、BP神经网络、遗传算法、目标约束模型

分类号：TF769(炼钢)

在线出版日期：2019-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：32-34