一种基于即时学习局部模型的LF终点预测方法

摘要：

LF精炼是连接转炉和连铸的重要工序,对其终点进行精准预测有助于提高LF生产效率,确保后续工序稳定进行.为提高LF终点预测准确率,提出了一种基于即时学习局部模型的LF精炼终点预测方法.在即时学习框架下,采用特征重要性和时间双重加权的相似度度量方式选取近邻样本集,通过局部加权偏最小二乘法构建局部模型进行LF精炼终点温度和终点硫含量的预测.基于国内某钢厂LF精炼车间实际生产数据对本预测方法进行验证,并与传统全局反向传播(back propagation,BP)建模和普通欧氏距离相似度度量策略局部建模方法进行对比.结果表明,本预测方法对Q235A/B终点温度在±5℃范围内预测命中率达92.5％,对脱硫钢种终点硫质量分数在±0.002％范围内预测命中率达90.0％,优于其他两种方法,可以为LF精炼实际生产终点控制及后续出钢工作提供指导参考.

关键词：LF精炼、终点预测、即时学习、局部加权偏最小二乘法、局部模型

所属期刊栏目：47

分类号：TP274.3;TP18;TP391

资助基金：国家重点研发计划2021YFE0113200

在线出版日期：2023-03-24（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：147-155