张辉宜
,
周奇龙
,
袁志祥
,
刘志明
,
周云
钢铁研究学报
针对转炉炼钢静态控制模型广泛采用的常规回归分析算法采用目标炉次的前几炉次冶炼数据作为样本,模型预测准确度低的问题,提出了一种基于样本自选择的回归分析算法。该算法从实际生产数据中自动选取一定数量的合适样本来构建回归分析预测模型,实现吹氧量、冷却剂加入量、终点温度和终点碳含量的预测。通过某钢厂120t转炉Q235B钢种的实际生产数据与该算法、常规回归分析算法和BP神经网络算法进行预测结果比较,表明本算法具有预测准确度高,综合预测效果好等优点。
关键词:
转炉炼钢
,
静态控制模型
,
增量回归分析
,
样本自选择
何平
,
刘浏
,
赵进宣
钢铁研究
为了提高转炉炼钢自动控制的水平，将理论法、增量计算法和神经元法相结合开发出了炼钢转炉综合智能型静态控制模型。在实际运行中对转炉神经网络模型进行结构优化，对增量模型参数进行实际数据修正，增加参考炉炉数，采用理论与经验模型防止神经网络模型预报结果偏离等改进措施，提高了模型的可靠性和实用性。该模型在转炉自动化炼钢实际生产中获得了良好应用，满足了生产需要。
关键词:
炼钢
,
转炉
,
智能模型
,
静态控制
