基于神经网络的脱硫剂加入量预报模型的研究及应用.pdfVIP

第35卷 第6期 冶 金 自 动 化 Vo1．35 No．6 2011年 11月 MetallurgicalIndustryAutomation NOV．2Oll · 人工智能技术应用 · 基于神经网络的脱硫剂加入量预报 模型的研究及应用 梁小平 ，班树勋 ，王 雨 ，戈文荪 ，黄正华 (1．重庆大学 材料科学与工程学院，重庆 400044；2．攀枝花钢铁研究院；3．攀枝花新钢钒股份有限公司) 摘要：针对攀枝花新钢钒股份有限公司提钒炼钢厂铁水脱硫预处理生产工艺过程，建立基于增加动量项和采用 最大误差学习法的改进BP算法脱硫剂加入量预报模型。利用攀钢铁水脱硫现场生产数据对模型进行训练和 测试，并在炼钢厂进行模型的现场应用试验。结果表明，模型的脱硫命中率达到96．8％，同时模型应用后也降 低了脱硫剂的消耗量。 关键词：炼钢；铁水脱硫预处理；BP神经网络；预报模型 中图分类号：TF345．1 文献标志码：A 文章编号：1000-7059(2011)06=0016-05 Research andapplicationofdesulfurizeradditionamount predictionmodelbasedonneuralnetwork LIANGXiao．ping ，BAN Shu．xun。W ANG Yu’GEWen．sun ，HUANGZheng—hua ， ， (1．CollegeofMaterialsScienceandEnginedring，ChongqingUniversity，Chongqing400044，China； 2．PanzhihuaIronandSteelResearchInstitute；3．PanzhihuaNewSteelandVanadiumCo．，Ltd．) Abstract：ForhotmetalpretreatmentdesulfurizationprocessinPanzhihuaNew SteelandVanadium Co．，Ltd．，adesulfurizeradditionamountpredictionmodelbasedonaddingofmomentterm andusingof thelargestellOrlearningalgorithm inBPneuralnetworkwasestablished．1’I1emodelwastrainedand testedbythedataofhotmetalpre—desul~Irizationinproductionfield．Then．thepredictionmodelwas appliedtoproductionprocess．1’Ileresultsshow thatdesulfurizationhitrateofthemodelis96．8％ ． whileconsumptionofdesulfurizercanalsobedecreasedafterthemodelwasapplied． Keywords：steelmaking；hotmetalpretreatment；BPneuralnetwork；predictionmodel O 引言 能适应 自动化炼钢生产的要求，而通过建立铁水 铁水脱硫预处理是近年来在钢铁冶金生产中 脱硫预处理过程的数学模型、逐步实现铁水脱硫 被广泛应用的一项工艺技术。在高炉炼铁与转炉 预处理的自动控制已成为 目前的主流发展趋势。 炼钢工序之间设置铁水预脱硫处理工序，通过向 攀枝花新钢钒股份有限公司主要以钒钛磁铁 铁水中加入脱硫剂使铁水中的硫降低到规定的质 矿为原料，采用 “高炉一铁水组罐 一铁水脱硫预处 量分数要求，以达到提高铁水质量、改善转炉生产