基于BP神经网络和回归的脱硫粉剂预报模型

• 作者: 左康林 郑毅
• 来源期刊: 钢铁钒钛
• 学科: 工学
• 关键词: 铁水预处理 脱硫 BP神经网络 回归 镁粉耗量 预报模型
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 钢铁冶金与材料
• 页码范围: 130-134
• 页数: 5页
• 分类号: TF704.3
• 字数: 2236字
• 语种: 中文
• DOI: 10.7513/j.issn.1004-7638.2017.04.023

摘要

分析了铁水脱硫时铁水温度、铁水量、初始硫含量、脱硫后硫含量对镁粉耗量的影响,表明:随铁水温度增加镁粉耗量随之增加;随脱硫后硫含量的降低,镁粉耗量明显增加且增幅逐步扩大,为降低成本,脱硫深度应控制合理.为确定合适的粉剂用量,建立了基于BP神经网络和回归的铁水脱硫粉剂预报模型,其中BP神经网络模型是粉剂模型的主输出,回归模型用于限定输出范围.铁水脱硫粉剂预报模型已实现了在线控制,无需人工干预,达到了较好的应用效果.当偏差区间为[-0.001 5％,0.00l 5％]时,脱硫后硫含量的符合率为90.85％,可有效实现脱硫后硫含量的控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左康林	上海梅山钢铁股份有限公司技术中心	4	11	2.0	3.0
2	郑毅	上海梅山钢铁股份有限公司技术中心	7	11	2.0	3.0