基于BP神经网络的RH精炼终点钢液温度预测

摘要：

合理地控制RH精炼终点钢液温度,可以有效地保障连铸过程中拉速的稳定,明显提升铸坯的质量.为了精准预测RH精炼终点钢液温度,先采用 Spearman相关系数分析各影响因素与 RH 精炼终点钢液温度之间的关系,筛选出相关系数较高的影响因素;然后运用 SPSS软件进行主成分分析,得到一组互不相关且能较好地描述RH精炼终点钢液温度的影响因素;最后分别采用粒子最优化算法、遗传算法和退火算法优化BP神经网络模型预测终点温度.计算结果表明,到站温度、进站钢水氧值、真空时间、钢中初始碳含量、钢包净空、脱碳终点氧值这些因素是RH真空精炼终点钢液温度预报的主要因素.粒子最优化算法优化BP神经网络预测 RH 处理终点钢液温度的温度极差最大,为20℃.该模型的均方根误差和平均绝对误差最小,分别为3.38和2.35,且预测RH处理终点钢液温度±5℃的命中率最高,达到90.0%.

关键词：RH精炼、粒子最优化算法、遗传算法、退火算法、BP神经网络模型、钢液温度

所属期刊栏目：39

分类号：TF769.4(炼钢)

资助基金：国家自然科学基金U1460108

在线出版日期：2023-10-13（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：33-40,47