基于回声状态网络de转炉终点碳和温度预测.pdfVIP

第 3期 总第 193期 冶 金 丛 刊 Sum ．193 NO．3 2011 年 6 月 METALLURGICALCOLLECTIONS June 2011 基于回声状态 网络的转炉终点碳和温度预测 耿 涛 李启贤 (重庆大学材料科学与工程学院，重庆 400044) 摘 要 本文利用回声状态网络建立了转炉终点钢水碳含量和温度预测模型，并应用遗传算法优化其主要参数。 选用某钢厂3座 120t转炉的实测数据对该网络模型进行离线训练和仿真测试 ，结果表 明回声状态 网络模型 比BP 神经网络模型在预测精度上有所提高。这为开展转炉实时预测工作提供 了方法指导 。 关键词 转炉终点预测 ，回声状态 网络 ，遗传算法 中图分类号 ：TFv71 文献标识码 ：A 文章编号 ：1671—3818(2011)03—0004一o4 PREDICTIoN FoR THE CoNTENT oF CARBoN AND TEM PERATURE AT THE ENDPoINT oF BoF BASED oN ECHo STATE NETW oRK GengTao LiQixian (SchoolofMaterialScienceandEngineering，ChongqingUniversity，Chongqing，400044，China) Abstract AnESN modelofendpointtemperatureandthecarboncontentwassetup，andthemainpa— rametersofthemodelwereoptimizedbythegeneticalgorithm ．Thepracticaldataofthree120tconverters from asteelplantwasselectedforoff—timetrainingofthenetworkmodelandsimulatingtest．Theresults showedthattheechostatenetworkmodelwasbetterthanBPneuralnetworkmodelofrimprovingthepre- dictionaccuracy．Itprovidedmethodguidanceofrreal—timeforecasting． Keywords predictionoftheendpointofBOF；echostatenetwork；geneticalgorithm O 引言 近任意非线性函数 的能力 ，结合其算法在转炉终点 转炉炼钢是气、液 、固体在高温的钢液、炉渣和 静态预测模型 中，能有效 降低 吹炼过程产生的随机 炉气三相之间进行传动 、传热和传质 ，为一个复杂的 误差 、正确估价难以用公式或数字表达 的各种变量 多元多相高温物理化学反应过程 ¨ ，其主要任务 (如废钢质量、空炉时间、炉龄 、补吹状况 、CO在炉 是实现快速降碳 、升温的 目的。但由于冶炼时间短、 内的二次燃烧率等)对吹炼终点的影响，提高终点 过程操作复杂、入炉条件不同，影响因素对转炉终点 命 中率。但是像 BP等传统神经 网络算法本身具有 碳温的作用不明确 ，难 以应用数学模型精确地预测 训练收敛慢、容易陷入局部极小和因使用梯度下降 转炉的终点温度及成分 。目前 ，副枪 、炉气分析等技 算法而造成累积误差大等缺点。为弥补 以上网络模 术在大型转炉上 的应用很大程度地提高了终点命 中 型的不足，本文采用一种新的非线性系统学习方 率，但是中小型转炉却因炉容体积小、成本高等没有 法—— 回声状态网络 (EchoStateNetwork，ESN)，建