基于小波神经网络的120 t转炉终渣成分预报模型开发.pdfVIP

第36卷 第6期 上 海 金 属 Vo1．36，No．6 30 2014年 11月 SHANGHAIMETALS November，2014 基于小波神经网络的 120t转炉终渣成分预报模型开发 张慧书 。 战东平 姜周华 张洋鹏。 陈 韧 (1．辽宁科技学院冶金学院，辽宁本溪 117004；2．东北大学材料与冶金学院，沈阳 110004) 【摘要】 转炉终渣成分对后续炼钢过程将产生重要影响。采用VisualBasic6．0进行编 程 ，应用克服BP神经网络缺陷的小波神经网络，建立 了网络结构为8—1O一6，其中隐含层传递函 数为 Morlet型函数，输 出层传递函数为S型函数的 120t转炉终渣成分预报模型。采用550炉 数据进行模型训练，经20炉数据现场验证表明，模型预报结果各个成分有85．8％的平均相对 误差在 0．1以内。模型预测精度较高，可以满足工厂实际使用需要。 【关键词】 小波神经网络 转炉渣 模型 预测 渣成分 DEVELoPMENT oF THE FoRECAST M oDEL FOR THE FINAL SLAG CoMPoSITIoN IN A 120tCONVERTER BY THE W AVELET NEURAL NETW oRK ZhangHuishu_ ZhanDongping JiangZhouhua ZhangYangpeng ChenRen (1．SchoolofMetallurgy，LiaoningInstituteofScienceandTechnology，BenxiLiaoning117004，China； 2．SchoolofMaterialsandMetalluryg，NortheasternUniversity，Shenyang110004，China) 【Abstract】 Thecompositionoftheterminalslaghasimportanteffectonthefollowingoperation ofsteelmaking．ByusingVisualBasic6software，applicationofwaveletneuralnetworktoovercome theshortcomingsofBP neuralnetwork，thepredictionmodeloftheterminalslagcomposition inan 120 tConverterweredeveloped．Thenetwork structureofthemodelwas8—10—6，theimpliedlayer transferfunction ofthemodelwasaMorletfunction and theoutputlayertransferfunctionwasS function．Thetrainingdataandthepredictiondataforthemodelwere550and20heatsrespectively． Theresultsshowedthattheaveragerelativeerrorof85．8percentheatswaswithin0．1．Themodel hashighforecastprecision；itcouldmeettherequirementofthesteelcompany． 【Key Words】 WaveletNeuralNetwork，ConverterSlag，Model，Forecast，SlagComposition 在炼钢过程中熔渣组成及其配 比直接影响着 吹氧量等都对其终渣成分有很大影响。但 由于 目 炼钢工艺和所炼钢液的质量，熔渣成分的精准越来 前现场快速分析不及时，很难实时实现炉渣成分测 越得到人们的重视 ¨』，其中转炉终渣是炼钢过程中 定，这给实际生产过程造成很大困难。因此，开发 “首渣”，直接影响着后期的炼钢生产过程，如溅渣 能够快速预测转炉终渣成分的方法