基于改进极限学习机的转炉出钢合金化锰收得率预测模型

针对转炉炼钢出钢合金化过程合金的加入量偏差较大的问题,为更精确地控制合金加入量,以某钢厂冶炼HRB400钢出钢过程加入硅锰合金为例,建立基于极限学习机算法的Mn元素收得率预测模型,并引入正则化方法和改进粒子群算法(IPSO)对极限学习机算法进行优化,以提高模型的泛化能力和预测精度。研究结果表明:Mn元素收得率预测相对误差在5%和3%以内的命中率分别为95%和80%,准确性高于BP神经网络及人工经验的预测结果。照此种方式控制硅锰合金加入量可以满足成品钢的成分要求,且每炉次硅锰合金加入量较人工经验值平均减少20 kg,可带来每年400万元的经济效益,能够为现场生产提供参考。

转炉吹炼后期碳含量预报的改进指数模型

介绍了几种主要的转炉烟气分析碳含量预报模型,并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点.在综合三种模型优点的基础上,提出了基于"极限碳含量拟合+曲线同步更新"算法的改进指数模型.首先,利用历史炉次吹炼后期的脱碳氧效率和碳含量数据,通过指数拟合得到"历史脱碳曲线"和极限碳含量参数;其次,使用当前炉次吹炼中期的最大脱碳氧效率值对"历史脱碳曲线"的特征参数进行替换,得到当前炉次吹炼后期的"参考脱碳曲线",再对其进行归一化处理,得到归一化的"参考脱碳曲线";然后,采用多点校正的方法,计算当前炉次吹炼至各等距离校正点时"参考脱碳曲线"的脱碳量,并根据计算脱碳量与转炉实际脱碳量的偏差,对熔池碳含量及脱碳曲线参数进行计算与校正,得到"计算脱碳曲线";最后,通过逐次迭代计算对"参考脱碳曲线"和"计算脱碳曲线"进行同步更新,进而实现对转炉吹炼后期熔池碳含量的精准预报.研究表明,改进的指数模型具有较高的准确率,终点碳含量预报误差在±0.02%范围内的命中率达到90%.