基于收得率预测的合金配料优化研究

本文研究了钢水“脱氧合金化”配料安排的优化方案。首先,对低合金钢种前期冶炼采集的历史数据进行清洗,计算C、Mn元素的收得率;其次,应用主成分分析法对数据进行降维,将各项指标简化为四个主成分;进而,基于变异系数法建立C、Mn元素收得率影响因素的综合评价模型,并基于LSM-SVM算法对元素收得率进行预测,随机抽取200个基础数据作为训练样本,以50组基础数据作为预测样本进行预测并分析方差与误差;为提高预测的准确性,借助BP神经网络,对相同数据集进行训练。最后,在保证钢水质量的约束条件下,以合金使用的总成本最低为目标函数,建立基于收得率预测的合金配料优化模型,借助遗传算法,以10组锅炉为例给出具体的合金配料方案,有效降低配料成本。