基于BP神经网络的炼钢终点预报研究

利用炼钢过程中烟气分析系统中氧气消耗比例-PQ、氧气消耗总量-Q、烟气中的CO含量-[CO]和烟气中的CO2含量-[CO2]探索钢水中的碳含量[C]和钢水温度值[T]。通过构建[C]&[T]的预报模型,模拟炼钢过程,更为精准的对炼钢终点进行控制,提高了炼钢终点的高命中率。根据公开的炼钢数据,构建预测[C]&[T]的BP神经网络模型。通过不断调节网络权值和阈值,使误差达到最小。然后将所有数据的70%用来训练,后30%用于检测。利用MATLAB求解,画出后30%数据的[C]和[T]的预测值和实际值分布图,发现误差在1%之内。通过观察碳含量和钢水温度值的误差分布图,得出了累计耗氧比[PQ]在74.28%~78.56%区间总有较为精准的[C]预报结果,在75.13%~84%区间总有较为精准的[T]预报结果,即在累计耗氧量在区间75.13%~78.56%总有较精确的[T]&[C]值。