基于长短时记忆神经网络的带钢酸洗浓度预测

热轧带钢生产中一般通过酸洗来清除氧化铁皮。控制酸浓度在合理的范围内对于保证酸洗效果起着至关重要的作用,准确测量酸浓度才能更精准地对其进行控制。在机器学习、神经网络兴起的背景下,提出了基于长短时记忆(LSTM)神经网络的酸浓度预测方法。以某钢厂酸洗数据为对象,建立了LSTM酸浓度预测模型并对样本数据进行预测。试验结果表明,盐酸浓度、铁离子质量浓度的预测平均绝对误差分别为3.17 g/L,3.52 g/L,符合行业的误差规范要求;所提出的模型具备较高的预测精度,拥有较好的浓度预测性能,与传统统计模型相比,拥有更好的预测精度和更好的适用性。