基于机理和数据驱动的转炉输入—输出混合模型

• 作者: 冯凯 刘远洋 贺东风 鲁晓旭
• 来源期刊: 有色金属科学与工程
• 学科: 工学
• 关键词: 转炉 数据驱动 输入-输出 神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 冶金·材料
• 页码范围: 13-18
• 页数: 6页
• 分类号: TF711
• 字数: 4512字
• 语种: 中文
• DOI: 10.13264/j.cnki.ysjskx.2018.02.003

摘要

为了实现能量流网络的精细化控制,建立了基于机理和数据驱动的转炉输入-输出模型.对转炉工序进行物质的输入和输出解析,根据实际生产数据,利用数理统计和回归的方法,得到转炉冶炼相关参数,包括:氧气利用率、炉渣碱度、渣中氧化镁含量、钢水终点氧含量、转炉热效率.进而利用冶炼机理以转炉冶炼的铁水和废钢数据,以及目标钢水的成分和温度为输入量,计算得到吹氧量、造渣剂加入等信息作为模型的输出量.根据机理模型计算的部分输出参数,利用神经网络预测钢水终点温度,并与机理模型采用的目标钢水温度进行对比,进而对机理模型进行校正,以提高模型的精确度.采用C#语言将模型程序化,模型计算结果表明,相同误差范围内,混合模型的石灰加入量、轻烧白云石加入量、氧化球团加入量命中率相较于机理模型分别提高了11.1%、8.3%、8.3%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺东风	北京科技大学冶金与生态工程学院	92	427	9.0	16.0
2	冯凯	北京科技大学冶金与生态工程学院	17	44	4.0	5.0
3	鲁晓旭	北京科技大学冶金与生态工程学院	3	10	2.0	3.0
4	刘远洋	北京科技大学冶金与生态工程学院	1	2	1.0	1.0