基于GA-BP神经网络预测转炉出钢过程Mn元素合金化收得率

摘要：

转炉脱氧合金化是转炉冶炼工艺的最后一步,钢液内合金成分含量控制是否精确直接影响着精炼工序的冶炼难度与冶炼周期.合金收得率是转炉合金操作人员配加合金时的重要参考标准.合金元素收得率判断的准确性直接影响着钢水成分稳定性与生产成本.通过理论分析和实际数据验证,选取了9项影响锰收得率的可观测指标,并借助因子分析法对数据进行降维处理,得到6个公因子矩阵作为模型的输入,以锰收得率为模型的输出,建立基于GA-BP神经网络的锰收得率预测模型.结果表明,模型的回归系数R2=0.71478,平均误差为0.01,预测精度98％ 以上的炉次占总炉次的75％,预测的精度较高,对实际生产具有一定的指导意义.

关键词：锰收得率、因子分析、预测模型、影响因素、BP神经网络

所属期刊栏目：38

分类号：TF711(炼钢)

资助基金：中央高校基本科研业务费资助项目;钢铁冶金新技术国家重点实验室基金资助项目

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-20