BP神经网络烧结矿化学成分预报模型与仿真.docVIP

基于BP神经网络的烧结矿化学成分预报模型与仿真 王大勇 摘? 要：烧结矿化学成分的测量是钢铁工业中的关键和难点，并且容易受到烧结时份一个操作 环节的影响。介绍利用BP神经网络建立烧结矿化学成分的预报模型。通过对现场数据仿真，表明该方法鲁棒性强、准确性高、泛化能力广，具有很强的实用性和推广价值。关键词：烧结矿化学成分；神经网络算法；碱度；训练；权值和阈值；样本数据??? 烧结矿化学成分的稳定直接影响高炉生产的稳定。实验数据表明，烧结矿TFe波动范围由士1.0%降到±0.5%，高炉利用系数可提高2.0%，焦比可降低1.0%；烧结矿碱度波动范围由士0.1％降到士0.05%，高炉利用系数可提高2.5%，焦比可降低1.3%。因此，稳定烧结矿化学成分，对强化高炉冶炼和增铁节焦有着十分重要的意义。目前，我国烧结厂对烧结矿化学成分的控制，主要是通过每2h一次的烧结矿采样分析，调整混合料中的有关成分来实现的。然而，原料经过下料、混合、布料、点火烧结到成品冷却、整粒、取样等工序，待观察到调节效果一般需3~4h。如此大的时间滞后，采用传统的控制方法，很难实现烧结矿化学成分的准确控制。??? 为此建立了基于BP神经网络的烧结矿化学成分预报模型。我们从唐山钢铁公司烧结厂选取了2002~2006年的200组数据，经过1万次训练和学习，网络全局误差λ=0.000 091，小于预设精度，得到相应的预测模型。M