基于改进极限学习机的转炉出钢合金化锰收得率预测模型

• 作者: 周凯啸 林文辉 孙建坤 冯小明 方炜 刘青
• 来源期刊: 中南大学学报（自然科学版）
• 关键词: 转炉 出钢合金化 元素收得率 正则化极限学习机 改进粒子群算法 预测模型
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 矿业工程? 冶金工程? 环境工程? 化学与化学工程? 材料科学与工程|Mining Engineering, Metallurgical Engineering, Environmental Engineering,Chemistry and Chemical Engineering, Materials Scienc
• 页码范围: 1399-1406
• 页数: 8页
• 分类号: TF758
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2021.05.001

摘要

针对转炉炼钢出钢合金化过程合金的加入量偏差较大的问题,为更精确地控制合金加入量,以某钢厂冶炼HRB400钢出钢过程加入硅锰合金为例,建立基于极限学习机算法的Mn元素收得率预测模型,并引入正则化方法和改进粒子群算法(IPSO)对极限学习机算法进行优化,以提高模型的泛化能力和预测精度.研究结果表明:Mn元素收得率预测相对误差在5％和3％以内的命中率分别为95％和80％,准确性高于BP神经网络及人工经验的预测结果.照此种方式控制硅锰合金加入量可以满足成品钢的成分要求,且每炉次硅锰合金加入量较人工经验值平均减少20 kg,可带来每年400万元的经济效益,能够为现场生产提供参考.