孙小强
摘 要:钢水温度是精炼生产过程中的重要控制指标,本文建立了一种LF精炼炉温度预测方法,采用BP神经网络与修正方法相结合的方式,从能量输入和输出平衡的角度出发,应用BP神经网络对温度变化进行初步预报,再根据现场工艺经验知识对一些特殊情况进行处理,对神经网络的输出结果进行修正。与其他预测方法相比较,钢水温度预测的准确性得到了较大提高。
关键词:LF炉;温度预测;BP神经网络
中图分类号:TF769 文献标识码:A 文章编号:1671-2064(2017)14-0062-01
1 温度预测模型开发应用背景
LF精炼炉是炼钢生产的主要工序,生产中钢水温度控制、合金加入、底吹氩气控制的精度和准确性,直接影响钢水的质量和工序的顺行。现有的LF炉冶炼过程控制基本靠岗位工的经验。为了满足炼钢生产需要,提高自动化水平,减少人为因素造成的工艺设备事故,提高钢水成分的控制精度,提高产品质量,就要对LF炉的生产过程进行全自动控制,实现“一键精炼”。
针对LF炉精炼环节钢水温度检测,国内国外这方面的探究非常多,其中包含从LF炉能量守恒的视角,探究对热效应有作用的因子以及提升热效率的方法[1];也有经过LF炉温度情况的探究,获得钢包在不一样的情况下,钢水温度下降速度、钢水浸泡时间和钢水温度回归联系[2];还有探讨了不相同钢包热情况和预热体制下的钢包吸热状况,得到温度提升速率[3];还有借助于LF炉全面热守恒的方式对钢水温度预测模型探讨等等。……