利用人工神经网络系统提高转炉终点碳温双命中率.pdfVIP

第29卷 第2期 山 东 冶 金 Vol.29，No.2 2007年4月 ShandongMetallurgy April2007 ·信息化建设· 利用人工神经网络系统提高转炉终点碳温双命中率 1，2 1 袁树明 ，王福明 （1北京科技大学冶金与生态工程学院，北京10083；2邢台钢铁有限责任公司，河北邢台054027） 摘 要：以神经网络为基础开发出一套转炉冶炼终点控制模型。模型以转炉炼钢基础理论为依据，采用误差后向传播网 络—— —BP网络为原形，对其算法进行改进，建立两个三层BP预测神经网络，选用29个输入参数，分别对终点温度和终点 碳含量进行预报。通过采集现场操作数据和实际应用，碳温双命中率达到80%以上。 关键词：转炉；终点碳；终点温度；命中率；人工神经网络；控制模型 中图分类号：TP183；TF713 文献标识码：A 文章编号：1004-4620（2007）02-0063-3 行式处理的计算结构，具有十分强的学习和记忆功能， 1 前 言 从而被应用在各个领域。其中BP型神经网络是当今神 [1～5] 氧气转炉炼钢是一个多元多相高温反应过程， 经网络模型中应用最广泛的一类 。 冶炼过程中炉内发生着极其复杂而又剧烈的物理化 BP模型即误差后向传播神经网络 （Back 学反应。影响冶炼终点钢水成分和温度的因素复杂 Propagation，简记为BP），是一种多层前馈网络使用 多变，采用传统的看火焰凭经验判断冶炼终点的方 的有教师学习算法，实现了多层网络设想。从结构上 法，很难一次拉碳达到终点目标值，即终点成分和温 讲，BP神经网络分为输入层、中间层（隐层）和输出 度双命中率低。另外很多炼钢厂由于炉容小，原料品 层，层与层之间采用全权值互联方式，同一层单元之 种多，成分复杂而且经常发生变化，岗位操作工水平 间不存在相互连接，三层BP网络结构示意图如图1 不一，使得转炉操作有很大的盲目性，过程控制难度 所示。 大，喷溅、返干严重，物料消耗加大，终点控制不准 确，C-T双命中率低，后吹严重，倒炉次数多，不仅影 响生产率，更主要是导致钢水质量恶化，使产品质量 下降，直接违背了钢厂的质量方针。因此无论从降低 炼钢成本，还是从提高钢坯质量和保证生产顺利进 行的角度来讲，加强钢水的碳温命中率都是十分有 意义的。为此，利用B-P型神经网络原理，建立转炉 终点钢水碳温预测模型，来处理影响冶炼终点诸多 复杂的非线性因素，从而准确预报冶炼终点，用计算 图1 三层BP网络结构示意图 机控制冶炼过程，优化了转炉静态模型。 BP模型实现了多层网络学习的设想，有输入层 节点，输出层节点和隐层节点。当给定一个输入模式 2 误差后向传播（BP）人工神经网络 时，输入信号先向前传播到隐节点，经过隐节点作用 人工神经网络（ArtificialNeuralNetworks）是指 函数处理后再输送给输出层节点，最后由输出层节 在信息和计算机科学等领域内向生物学习过程而构 点处理后输出结果。每一层神经元的状态只影响下 造的神经网络。它是模拟人脑功能，由大量简单的神 一层神经元的状态。如果输出响应与期望输出的差