基于PCA-BP神经网络的LF精炼终点温度预测

苏春阳; 陈君; 姜亚清

doi:10.20057/j.1003-8620.2023-00150

您当前的位置：

首页 >

文章列表页 >

基于PCA-BP神经网络的LF精炼终点温度预测

冶炼与凝固 | 更新时间：2026-01-21

- 基于PCA-BP神经网络的LF精炼终点温度预测
- Prediction of LF Refining Endpoint Temperature Based on PCA-BP Neural Network
- 特殊钢 2023年44卷第6期页码：39-44
- 作者机构：
  
  1.靖江特殊钢有限公司，靖江 214500
  2.大冶特殊钢有限公司工艺研究所，黄石 435001
- 作者简介：
  
  苏春阳（1973―），男，硕士，工程师；E-mail:suchunyang@citicsteel.com；收稿日期： 2023-07-25
- 基金信息：
- DOI：10.20057/j.1003-8620.2023-00150
  中图分类号： TF741
- 纸质出版：2023-12-01
- 稿件说明：
移动端阅览
苏春阳,陈君,姜亚清.基于PCA-BP神经网络的LF精炼终点温度预测[J].特殊钢,2023,44(06):39-44.

Su Chunyang,Chen Jun,Jiang Yaqing.Prediction of LF Refining Endpoint Temperature Based on PCA-BP Neural Network[J].Special Steel,2023,44(06):39-44.
苏春阳,陈君,姜亚清.基于PCA-BP神经网络的LF精炼终点温度预测[J].特殊钢,2023,44(06):39-44. DOI： 10.20057/j.1003-8620.2023-00150.

Su Chunyang,Chen Jun,Jiang Yaqing.Prediction of LF Refining Endpoint Temperature Based on PCA-BP Neural Network[J].Special Steel,2023,44(06):39-44. DOI： 10.20057/j.1003-8620.2023-00150.

摘要

为提高LF精炼钢水终点温度控制水平，提出了基于主成分分析（PCA）和BP神经网络的联合方法预测LF钢包炉精炼钢水终点温度。基于冶金理论和实际生产实践，选取了42CrMo钢生产过程的10个对终点温度有显著影响的因素作为预测模型的指标体系，然后借助主成分分析法对样本数据进行处理，得到了7个主成分变量，累计方差贡献率为87.24%，消除了数据之间的关联性，以此为基础，建立了基于PCA-BP神经网络的LF炉终点温度预测模型，该模型预测误差在±25 ℃时，模型的命中率为98.71%，模型有较好的识别能力，能够达到LF炉生产过程预测终点温度的目的。

Abstract

In order to improve the end point temperature control level of molten steel in LF refining， a combined method based on principal component analysis （ PCA ） and BP neural network was proposed to predict the end-point temperature of molten steel in LF ladle furnace.Based on the metallurgical theory and practical production practices， 10 factors that have significant influence on the endpoint temperature of 42CrMo steel production process were selected as the index system of the prediction model.Then the data were processed by principle component analysis， and seven principal component variables were obtained. The cumulative variance contribution rate was 87.24 %， and the correlation between the data was eliminated.Based on this， a prediction model of end point temperature of LF furnace based on PCA-BP neural network was established. When the prediction error of the model is within ± 25 °C， the hit rate of the model is 98.71 %. The model has good recognition ability and can achieve the purpose of predicting the end point temperature of LF furnace production process.

关键词

Keywords

references

金启邦，孙世平，王青海，等 . 控轧控冷和冷床保温工艺对42CrMo钢 <math id="M13"><mi>ϕ</mi></math> https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=50100427&type= https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=50100426&type= 1.86266661 2.53999996 50 mm轧材力学性能的影响［J］. 特殊钢， 2021 ， 42 （ 5 ）： 72 - 74 .

李康丽，李永志，孙国栋 . 正火预热处理对42CrMo曲轴钢调质后的组织与性能影响［J］. 特殊钢， 2020 ， 41 （ 4 ）： 26 - 29 .

张越，吕泽安，马建祎，等 . 轻压下和拉速对42CrMo钢410 mm×530 mm铸坯轧成 <math id="M14"><mi>ϕ</mi></math> https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=50100427&type= https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=50100426&type= 1.86266661 2.53999996 195 mm材的低倍和中心C偏析的影响［J］. 特殊钢， 2021 ， 42 （ 4 ）： 35 - 38 .

张博峰 . 基于PCA与BP神经网络的滚动轴承故障诊断［J］. 内燃机与配件 . 2021 （ 11 ）： 131 - 132 .

姬亚锋，王晓军，孟媛，等 . 基于PSO-BP的2205双相不锈钢热变形行为预测［J］. 钢铁， 2023 ， 58 （ 2 ）： 96 - 103 .

牛华 . 基于改进BP神经网络的汽车发动机故障诊断［J］. 组合机床与自动化加工技术， 2021 （ 5 ）： 57 - 61 .

汪雅婷，黎俊良，袁楷峰，等 . 基于GA改进BP神经网络预测热

变形流变应力模型的建立［J］. 材料工程， 2022 ， 50 （ 6 ）： 170 - 177 .

张志雄，付永伟，王涛，等 . 基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测［J］. 精密成形工程， 2023 ， 15 （ 2 ）： 68 - 77 .

高聪，蔡晓桐，赵晓旭，等 . 基于烟气成分分析的转炉炼钢终点控制［J］. 新一代信息技术， 2018 （ 1 ）： 27 - 33 .

董晶，张利民，张燕超，等 . 基于PSO-BP神经网络的转炉炼钢碳含量预测［J］. 华北理工大学学报（自然科学版）， 2022 ， 44 （ 1 ）： 16 - 23 .

张家磊，李占春，石晨敏，等 . 电弧炉终点碳含量预测模型的构建与分析［J］. 炼钢， 2022 ， 38 （ 6 ）： 1 - 5，37 .

汪淼，李胜利，高闯，等 . 80 t转炉终点预报TSVR模型精度［J］. 钢铁， 2020 ， 55 （ 7 ）： 53 - 57 .

杨晓猛，赵阳，钟良才，等 . 基于XGBoost算法的转炉吹炼终点预报［J］. 炼钢， 2021 ， 37 （ 6 ）： 1 - 8 .

浏览量

下载量

CSCD

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据