基于神经网络预测控制的转炉终点优化控制

基于转炉静态模型控制的终点优化控制,可为后期冶炼提供更精准的入炉主辅料配给信息,进而提高终点碳温的一次倒炉命中率。以神经网络预测控制理论为指导,采用BP网络作为转炉系统的辨识预测模型,并利用改进的粒子群算法(PSO)作为网络预测控制器的最优化算法,对影响转炉终点碳温的入炉主控量——吹氧量和废钢加入量进行寻优,从而实现对终点碳温的优化控制。最后,采用某钢厂的实际生产数据进行验证,结果表明所建立的优化控制模型可有效快捷地实现终点碳温的优化控制。

基于辅料资源运行特性的炼钢终点优化控制

炼钢终点的准确控制是炼钢厂确保生产有序合理、保证钢水质量的重要前提。从辅料资源运行特性的角度分析了炼钢终点控制过程工艺,并在此基础上建立了以改进粒子群优化算法求解的终点优化控制模型,得出了终点优化控制策略。试验结果表明,终点预报误差ω(ΔC)<±0.03%的命中率提高至93.1%,ω(ΔT)<±12K的命中率为94%,补吹氧时间为2.5min,辅料资源量节约15%左右,该模型达到了较好的优化效果。