Para mejorar el nivel de control de la temperatura final del acero refinado LF, se propuso un método conjunto basado en análisis de componentes principales (PCA) y una red neuronal BP para predecir la temperatura final del acero refinado LF. Basado en la teoría metalúrgica y la práctica de producción real, se seleccionaron 10 factores con una influencia significativa en la temperatura final durante el proceso de producción del acero 42CrMo como sistema de indicadores para el modelo de predicción. Luego, los datos de las muestras se procesaron mediante análisis de componentes principales, obteniendo 7 componentes principales, con una tasa de contribución acumulativa de la varianza del 87,24%, eliminando la correlación entre los datos. Sobre esta base, se construyó un modelo de predicción de la temperatura final del horno LF basado en PCA-BP. Con un error de predicción de ±25 ℃, la tasa de aciertos del modelo fue del 98,71%, el modelo tiene buena capacidad de reconocimiento y puede alcanzar el objetivo de predecir la temperatura final del proceso de producción del horno LF.

Análisis de componentes principales; Red neuronal BP; Predicción de la temperatura final