韶钢120t转炉炼钢终点静态控制模型开发与应用

针对韶钢第三炼钢厂依靠人工经验炼钢的实际情况,采用以物料平衡和热平衡为基础的理论模型和优化的增量模型相结合的建模方式,构建转炉终点静态控制模型。其中增量模型的参考炉次是经过模糊聚类中传递闭包算法处理,整个静态控制模型由C#编程语言实现。该模型在韶钢第三炼钢厂现场应用的结果表明,应用转炉炼钢终点静态控制模型预测出的造渣料、吹氧量和冷却剂的加入量,可以满足终点碳质量分数±0.02%和终点温度±20℃的范围,终点双命中率在70%以上。

韶钢120t转炉氧枪立式维修装置的制作及应用

介绍韶钢第三炼钢厂在完善配套改造工程期间氧枪卧式维修场地被占用而进行的氧枪立式维修装置的制作及其应用情况。该装置制作及维修简单、易于实施,占用空间小。该维修方式主要是通过氧枪头氧气喷射口反试水打压检漏。

基于AP聚类的RBF神经网络研究及其在转炉炼钢中的应用

针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题,利用AP聚类算法无需事先确定聚类数的特点,提出了一种基于AP聚类的RBF神经网络算法。将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报,预测结果与实际结果比较,表明该算法具有预测精度高等优点,可为类似应用提供借鉴。

样本自选择回归分析算法在转炉炼钢中的应用

针对转炉炼钢静态控制模型广泛采用的常规回归分析算法采用目标炉次的前几炉次冶炼数据作为样本,模型预测准确度低的问题,提出了一种基于样本自选择的回归分析算法。该算法从实际生产数据中自动选取一定数量的合适样本来构建回归分析预测模型,实现吹氧量、冷却剂加入量、终点温度和终点碳含量的预测。通过某钢厂120t转炉Q235B钢种的实际生产数据与该算法、常规回归分析算法和BP神经网络算法进行预测结果比较,表明本算法具有预测准确度高,综合预测效果好等优点。