王安娜
,
田慧欣
,
姜周华
,
战东平
,
尹小东
,
马志刚
钢铁研究学报
LF炉钢水温度的控制对钢的质量和连铸操作的顺行都很重要,而LF炉钢水温度的预报是LF炉钢水温度控制的前提.针对LF炉冶炼过程中物理化学反应过程及传热过程的复杂性,以宝山钢铁股份有限公司300 t LF炉为研究对象,在分析了影响LF炉钢水温度的主要因素的基础上,应用基于BP神经网络的信息融合算法,开发了用C语言编写的预测程序,预测了LF炉的钢水温度.实验表明,此算法可以提高预测的速度和精度,预测结果为误差不大于±5 ℃的炉次大于90%.
关键词:
LF
,
信息融合
,
BP神经网络
,
Matlab
,
钢水
,
温度预测
田慧欣
,
刘玉栋
,
孟博
钢铁研究学报
doi:10.13228/j.boyuan.issn1001-0963.20160105
LF炉钢水温度的精准控制有利于缩短钢的冶炼时间，从而节约其生产成本.而获得准确的 LF 炉钢水温度预报是钢水温度控制的先决条件.通过分析 LF炉冶炼过程对钢水温度的影响因素，提出一种适用于 LF炉钢水温度预报同时具有增量学习功能的 AdaBoost．RS集成建模算法.该算法引入松弛变量和遗忘因子2个参数，在提高预测精度的同时，可以克服大噪声数据带来的干扰，同时增量学习可以降低早期生产数据对模型的影响.以福建三钢有限责任公司100 t LF炉为研究对象，采用5个测试函数验证算法的抗噪性能，分别用静态数据和动态数据对钢水出站的终点温度进行预报.实验结果表明，预测的绝对误差小于10℃的样本数量超过了样本总数的90％，算法精度较高，有利于实际生产应用.
关键词:
软测量
,
AdaBoost
,
增量学习
,
BP神经网络
,
钢包精炼
