転炉の終点リン含有量の精密な制御は、鋼材の品質向上と製錬効率の向上において重要なステップです。本研究は42CrMo鋼を対象に、統一多様体近似と射影（UMAP）、グレイウルフ最適化アルゴリズム（GWO）、深層ニューラルネットワーク（DNN）を革新的に融合し、多モーダルな知能予測モデルを構築しました。UMAPアルゴリズムを用いて温度、酸素バーナー高さ、スラグアルカリ度などの高次元製錬パラメータを非線形に次元削減し、重要特徴を効果的に抽出しました。GWOを用いてDNNの初期重みとハイパーパラメータを最適化し、モデルの収束速度と安定性を大幅に向上させました。実験は製鋼所の200炉次の実生産データに基づき、BPニューラルネットワーク、標準DNNおよびGWO-DNNモデルと比較し、UMAP-GWO-DNNモデルは±0.001％および±0.002％の誤差範囲でそれぞれ86.7％と95.4％のヒット率を達成し、二乗平均平方根誤差（RMSE）を23.6％削減しました。工業検証では、本モデルにより終点リン含有量の変動の標準偏差が41％減少し、平均値は0.0012％から0.0009％に安定化し、「狭いウィンドウ」制御目標を成功裏に達成しました。本研究は転炉製錬プロセスのデジタル化アップグレードに向けた普及可能な技術パスを提供します。

終点リン含有量;転炉製鋼;深層ニューラルネットワーク;予測モデル;工業応用