基于BP算法的连铸坯中心偏析预报模型.pdfVIP

基于 BP 算法的连铸坯中心偏析预报模型 张维维 赵成林 王丽娟 李广帮 （鞍钢股份有限公司技术中心, 鞍山 114009 ） 1 摘 要 本文以影响某厂连铸板坯中心偏析的工艺因素为基础，基于 BP 算法建立了连铸板坯中心偏析预报模型， 模型的输入参数为拉速、碳含量、硫含量、锰硫比、过热度，输出为板坯中心偏析，隐层节点数为 10 个，模型结 构为 5×10×1；网络训练前对数据进行预处理和归一化处理，网络经训练后，预报精度达到 97.5% 。该模型对铸坯 内部质量控制以及节约检测成本具有一定的指导和借鉴意义。 关键词 连铸坯 内部质量预报模型 BP 神经网络 BP Neural Network Forecasting Model of Slab Center-Segregation Zhang Weiwei Zhao Chenglin Wang Lijuan Li Guangbang (Technology Center of Angang Steel Co., Ltd., Anshan, 114009) Abstract In this article the slab center-segregation forecasting model was established based on the BP neural network method. The input parameters were casting speed, carbon content, sulfur content, ratio of Manganese and sulfur, superheat degree and the output parameter was center-segregation of slab. The hidden layer node number was 10. So the structure of the model was 5×10×1. Before training of the network the data were pre-treated and transformed to uniform. After training, the precision of the model was 97.5%. This model has some supervision meaning to slab inner quality control and inspection costs save. Key words con-casting slab, inner quality model, BP neural network 连铸坯的内部质量通常指中心偏析、中心疏松和内部裂纹，对钢材的综合性能和铸坯的轧制成材有严重 影响。从目前连铸坯内部质量研究的情况来看，单独研究其内部偏析或裂纹成因和减轻措施的工作已经很完 善，连铸工艺因素对铸坯内部质量影响的研究也比较细致。但在此基础上的连铸坯内部质量预报模型的研究 却很少，归根到底是由于影响其内部质量的工艺因素和设备因素太多，难于利用有效的手段建立具有足够精 度的数学模型[1, 2] 。 对于连铸坯，采用试验的方法研究内部质量，不仅数据难以准确测量，而且费用高、周期长。采用计算 机模拟与试验相结合的方法在预测铸坯质量方面显示出了优势。人工神经网络技术是 20 世纪 80 年代初发展 起来的一项计算机新技术，其显著的优点是具有很强的非线性映射能力、柔性的网络结构以及强大的拟合能 力，能够建立复杂影响因素的非线性模型，神经网络技术已经广泛应用于烧结、炼铁、炼钢等各个冶金领域， 可进行复杂系统建模[3] 。已成为铸坯内部质量预报模型建立的一种有效工具。其中，BP 神经网络以其结构 清晰、可操作性强等优点而成为人工神经网络中最有实用价值的部分之一[4] 。国内外将BP 神经网络用于预 测连铸坯中心偏析的研究还少见报道。