改进BP网络在铁水预脱硫终点硫含量预报中的应用.pdf

第28 卷第8 期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vol 28 ,No. 8 2 0 0 7 年 8 月 Journal of Northeastern University (Natural Science) Aug. 2 0 0 7 改进BP 网络在铁水预 脱硫终点硫含量预报中的应用 张慧书 , 战东平 , 姜周华 ( 东北大学 材料与冶金学院 , 辽宁 沈阳　110004) 摘 　　　要 : 针对本溪钢铁集团有限公司的铁水罐喷吹 CaO + Mg 复合粉剂脱硫过程 ,采用 BP 神经网络建 立铁水预处理终点硫含量预报模型 在模型建立过程中 ,为了克服标准 BP 算法迭代次数多、收敛速度慢的缺 · 点 ,采用新的自适应调整学习率方法和最大误差学习法对标准 BP 算法进行了改进 用 1 900 炉数据进行模型 · 训练 ,经 100 炉数据现场验证表明 ,有 12 %的炉次预报值与实际值完全一致 ,有 89 %的炉次误差 ≤0 003 % , 平均误差为 0 002 0 % · 关 　键 　词 : 铁水预处理 ;BP 神经网络 ;硫含量 ;预报 ;模型 中图分类号: TF 535252 　　　文献标识码 : A 　　　文章编号 : (2007) Application of Improved BP Neural Net work to Final Sulfur Content Prediction of Hot Metal Predesulfurization ZHA N G Huishu , ZHA N Don gpin g , J IA N G Zhouhua (School of Materials Metallurgy , Northeastern University , Shenyang 110004 , China. Correspondent : ZHAN Dongping , Email : zhandp1906 @ 163. com) Abstract : A prediction model of final sulfur content is developed for hot metal predesulfurization by use of an improved BP neural network , especially for the desulfurization process by CaO + Mg powder coinjection in Benxi Steel Co. Ltd. To overcome the disadvantages of overmuch iterative repetition and slow convergence rate of normal BP algorithm , an approach to readjust adaptively the selflearning rate with selflearning for maximum error is used to improve the normal BP algorithm during modeling. The data from 1 900 heats are used to train the model with other 100 heats randomly picked out as test samples. Test results showed that 12 % of the pr