Um das Niveau der Endtemperaturkontrolle beim LF-Veredelungsstahl zu verbessern, wurde eine kombinierte Methode zur Vorhersage der Endtemperatur des LF-Stahlpfannenofen basierend auf Hauptkomponentenanalyse (PCA) und BP-Neuronalen Netzwerken vorgeschlagen. Basierend auf metallurgischer Theorie und praktischer Produktion wurden 10 Faktoren ausgewählt, die einen signifikanten Einfluss auf die Endtemperatur im Produktionsprozess von 42CrMo-Stahl haben, um als Indikatorensystem für das Vorhersagemodell zu dienen. Die Stichprobendaten wurden dann mittels Hauptkomponentenanalyse verarbeitet, wobei 7 Hauptkomponentenvariablen erhalten wurden, die eine kumulative Varianzaufklärung von 87,24 % aufweisen und die Korrelation zwischen den Daten beseitigen. Darauf basierend wurde ein auf PCA-BP-Neuronalen Netzwerken basierendes Vorhersagemodell für die Endtemperatur des LF-Ofens erstellt. Bei einer Vorhersagefehler von ±25 ℃ liegt die Trefferquote des Modells bei 98,71 %. Das Modell verfügt über eine gute Erkennungsfähigkeit und kann das Ziel erreichen, die Endtemperatur des Produktionsprozesses des LF-Ofens vorherzusagen.

Hauptkomponentenanalyse; BP-Neuronale Netzwerke; Endtemperaturvorhersage