基于改进人工神经网络的LF钢水终点温度预报

特殊钢 ›› 2006, Vol. 27 ›› Issue (6): 21-23.

基于改进人工神经网络的LF钢水终点温度预报

陶子玉，姜茂发，刘承军

东北大学材料与冶金学院，沈阳110004

收稿日期:2006-05-06 出版日期:2006-11-01 发布日期:2023-03-01
作者简介:陶子玉(1959-),男，博士生，教授级高级工程师，从事现代炼钢工艺优化研究。
基金资助:
国家自然科学基金资助项目(50204005)

Prediction of Molten Steel End Point Temperature in LF Based on Modified Artificial Neural Network

Tao Ziyu, Jiang Maofa ， Liu Chengjun

College of Materials and Metallurgy, Northeastern University, Shenyang 110004

Received:2006-05-06 Published:2006-11-01 Online:2023-03-01

摘要/Abstract

摘要： 采用改进的人工神经网络算法,开发了40t钢包炉精炼时钢水终点温度预报模型。与传统BP网络算法相比较,改进算法可提高预测速度和精度。生产现场实验表明,传统BP神经网络算法,钢水温度预测误差±5℃的炉次仅为77%,用改进的BP神经网络算法,其误差±5℃的炉次为90%。

关键词: LF精炼, BP神经网络, 钢水温度, 预测

Abstract: The prediction model of end point temperature of molten steel refining in a 40 t ladle furnace has been developed bya modified artificial neural network calculation method. Compared with traditional Back-Propagation (BP) network calculation method, the modified artificial calculation method can increase prediction efficiency and precision. The examination in production situ showed that using modified BP artificial neural network calculation method, the heats percentage with ±5 ℃ error of prediction temperature of molten steel was 90% , while using traditional BP artificial neural network calculation method, that with ±5 ℃ error of prediction temperature only 77% .

Key words: , LF Refining, Back-Propagation Neural Network, Temperature of Molten Steel, Prediction

陶子玉, 姜茂发, 刘承军. 基于改进人工神经网络的LF钢水终点温度预报[J]. 特殊钢, 2006, 27(6): 21-23.

Tao Ziyu, Jiang Maofa , Liu Chengjun. Prediction of Molten Steel End Point Temperature in LF Based on Modified Artificial Neural Network[J]. Special Steel, 2006, 27(6): 21-23.

[1]	赵昊乾, 张育明, 马博, 巩延杰, 孟耀青. LF精炼结束后软吹时间对帘线钢LX82 A夹杂物控制的影响[J]. 特殊钢, 2024, 45(6): 53-56.
[2]	刘增山, 冯亮花, 康小兵. 基于PSO-SVM模型的转炉终点预测[J]. 特殊钢, 2024, 45(3): 27-32.
[3]	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(6): 39-44.
[4]	雷家柳, 杨玲, 廖凯, 付勇军, 张玉成. GCr15轴承钢120 t LF精炼终点CaO-MgO-Al₂O₃夹杂的特性研究[J]. 特殊钢, 2021, 42(5): 11-15.
[5]	魏巍, 李虹. 无铁水预处理超低硫管线钢L245NCS的生产实践[J]. 特殊钢, 2019, 40(6): 39-41.
[6]	李德军, 许孟春, 李晓伟, 刘祥, 于赋志. 170 ~190tLF精炼过程脱硫影响因素分析[J]. 特殊钢, 2018, 39(5): 32-35.
[7]	熊玉彰, 张贤忠. LF精炼工艺对36MnVNS4含硫非调质钢硫含量和夹杂物形貌的影响[J]. 特殊钢, 2018, 39(4): 48-50.
[8]	印传磊, 杨丽梅, 翟万里, 马建超, 林鹏, 张洪才. 无缝管用低硅ST30A1钢LF精炼过程钢水硅含量控制[J]. 特殊钢, 2018, 39(2): 21-24.
[9]	杜东福, 赵喜庆, 张建元, 田景林, 贾文军. 提高20CrMnTiH齿轮钢冶金质量的工艺实践[J]. 特殊钢, 2018, 39(2): 34-37.
[10]	王宝华, 宫永煜, 张明博, 黄世平, 宁树博. 低钛高炉渣应用于HRB400E螺纹钢100t LF精炼的工业试验[J]. 特殊钢, 2018, 39(1): 28-33.
[11]	刘辉杰, 万勇, 赵和明, 李杰, 操瑞宏. 100 t LF精炼渣碱度和Al2 O3含量对65Mn钢夹杂变质和去除效果的影响[J]. 特殊钢, 2017, 38(4): 38-42.
[12]	赵青松, 仇圣桃, 赖朝彬, I张明博, 王晓晶. 组分对100 t LF高碱度精炼渣粘度和TC80钢脱硫的影响[J]. 特殊钢, 2016, 37(1): 43-46.
[13]	王承顺, 李六一, 成国光, 张建国, 李渔, 屈志东. 不锈钢连铸中间包外壳倾角对流场影响的水模拟试验和应用[J]. 特殊钢, 2015, 36(6): 1-4.
[14]	杜和平, 杨志才. 150 t钢包炉(LF)精炼过程控制钢水增氮的工艺实践[J]. 特殊钢, 2015, 36(1): 25-27.
[15]	李永生, 蒋海涛, 秦登平, 石锦雄, 危尚好. 影响抗酸管线钢钢包自开率因素的分析和改进工艺实践[J]. 特殊钢, 2014, 35(6): 41-43.