利用神经网络模型预测球团矿的冷压强度

• 来源期刊: 世界钢铁
• 学科: 工学
• 关键词: 神经网络 CCS 制粒 固结 生球 球团质量
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 炼铁
• 页码范围: 7-16
• 分类号: TF046.6
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9587.2012.04.002

摘要

建立了一个神经网络模型来预测球团矿的冷压强度,该网络模型采用三层前向BP神经网络,网络结构为12-12-1,12个输入变量分别为给料率、料层高度、焙烧温度、干透点温度、COREX煤气单耗、膨润土的添加量、生球水分、生球碳含量以及成品球的FeO、MgO、Al2O3含量和碱度；隐层含有12个神经元；输出为成品球团冷压强度；神经元激活函数选择双曲正切函数；神经网络学习算法使用的是带惯量项的误差反向传播学习算法(BP学习算法).选取353组数据来训练和测试神经网络,其中247组数据用于训练网络,其余数据用于测试网络.测试结果表明,该网络的预测结果与实际结果的误差在3％以内,同时通过敏感性分析得出以下结论:①膨润土添加量、生球碳含量以及成品球的FeO、MgO、Al2O3含量和碱度对球团矿的冷压强度有重要影响；②增加膨润土添加量、成品球碱度、MgO含量、焙烧温度、干透点温度、COREX煤气单耗有助于改善球团矿的冷压强度；③增加FeO含量、生球碳含量、Al2O3含量、料层高度、给料率将使球团矿的冷压强度迅速下降；④增加生球水分会降低冷压强度；⑤提高球团矿冷压强度的参数设置(膨润土的添加量:0.86％～0.92％;wFeO ＜0.5％；生球碳含量:1.00％-1.10％;MgO含量:0.39％-0.44％)；⑥在0.3～0.7范围内增加碱度不能显著改善球团矿的冷压强度.