基于BP神經(jīng)網(wǎng)絡(luò)的LF精煉終點(diǎn)溫度預(yù)測(cè)模型

鄭 偉， 李廷剛， 陳 勇， 馬仲群， 孫建鵬， 毛 勇

（五礦營(yíng)口中板有限責(zé)任公司, 遼寧 營(yíng)口 115000）

LF精煉工藝處于轉(zhuǎn)爐工藝與連鑄工藝之間，是煉鋼全流程的中轉(zhuǎn)環(huán)節(jié)，其主要任務(wù)包括脫硫去夾雜，以及對(duì)鋼水的合金成分與溫度進(jìn)行微調(diào)，是確保鑄坯質(zhì)量的重要環(huán)節(jié)之一。LF精煉過(guò)程是一個(gè)極其復(fù)雜的物理化學(xué)過(guò)程，工藝在實(shí)際執(zhí)行時(shí)具有隨機(jī)性強(qiáng)、不確定因素多等特點(diǎn)，且影響因素之間存在強(qiáng)耦合與強(qiáng)非線性關(guān)系，從而導(dǎo)致在建立以反應(yīng)機(jī)理為基礎(chǔ)的模型時(shí)定量分析誤差較大，因此需要應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬擬合。本文以某鋼廠精煉車間120 t LF精煉爐作為研究對(duì)象，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練建立了能夠預(yù)測(cè)LF精煉終點(diǎn)溫度的模型，以提高終點(diǎn)溫度命中率，達(dá)到了加快生產(chǎn)節(jié)奏，降低成本的目的。

1 BP神經(jīng)網(wǎng)絡(luò)建模

BP神經(jīng)網(wǎng)絡(luò)是一種按逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前為科研工作者所廣泛使用的優(yōu)質(zhì)神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)可在不加入，根據(jù)機(jī)理模型建立的數(shù)學(xué)映射的前提下，存貯和學(xué)習(xí)大量的輸入-輸出模式映射關(guān)系，以達(dá)到實(shí)際反應(yīng)進(jìn)程進(jìn)行模擬仿真的目的。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)數(shù)據(jù)的逆向傳播來(lái)調(diào)整網(wǎng)絡(luò)的閾值和權(quán)值，從而得到最小的誤差平方值，以確保仿真擬合函數(shù)的精確度。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱層和輸出層如圖1所示[1]。本文應(yīng)用神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近功能，以影響LF精煉終點(diǎn)溫度的各項(xiàng)參數(shù)為輸入向量，以相應(yīng)爐次的LF精煉終點(diǎn)溫度為輸出向量，訓(xùn)練數(shù)值仿真預(yù)測(cè)函數(shù)對(duì)LF精煉終點(diǎn)溫度進(jìn)行預(yù)測(cè)。

2 模型的建立與驗(yàn)證

2.1 參數(shù)的設(shè)定

根據(jù)專家的經(jīng)驗(yàn)以及對(duì)LF精煉過(guò)程進(jìn)行分析可得，對(duì)精煉過(guò)程溫度變化起到主要作用的因素有合金加入量、鈣線加入量、輔料加入量、底吹氬氣量、底吹時(shí)間、加熱時(shí)間、處理周期、用電量、鋼液質(zhì)量、精煉到站溫度等10個(gè)參數(shù)。因此本文以這10個(gè)參數(shù)作為L(zhǎng)F精煉終點(diǎn)溫度預(yù)測(cè)模型的輸入變量，以終點(diǎn)溫度作為輸出變量。輸出變量與輸入?yún)?shù)值之間的函數(shù)關(guān)系如公式1所示：

式中：To為鋼包進(jìn)站溫度；X1為合金加入量；X2為鈣線加入量；X3為輔料加入量；X4為底吹氬氣量；X5為底吹時(shí)間；X6為加熱時(shí)間；X7為處理周期；X8為耗電量；X9為鋼液質(zhì)量；X10為精煉到站溫度。

2.2 參數(shù)的選取

在訓(xùn)練模型的過(guò)程中應(yīng)選用合適的樣本容量及個(gè)體，若樣本容量過(guò)大時(shí)，個(gè)體數(shù)目過(guò)多，個(gè)體之間的相關(guān)性較強(qiáng)，會(huì)影響模型整體的穩(wěn)定性，神經(jīng)網(wǎng)絡(luò)產(chǎn)生震蕩不利于函數(shù)收斂[2]。本文在某鋼廠精煉車間4號(hào)LF精煉爐的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行進(jìn)行篩選，選擇具有代表性的數(shù)據(jù)對(duì)函數(shù)進(jìn)行訓(xùn)練。

2.3 預(yù)測(cè)模型的結(jié)果與分析

以某鋼廠120 t LF爐精煉車間的實(shí)際生產(chǎn)數(shù)據(jù)最為采集樣本庫(kù)，采集六百爐具有代表性的數(shù)據(jù)進(jìn)行處理，刪除由于測(cè)量異得出的無(wú)效數(shù)據(jù)，得到529爐可用有效生產(chǎn)數(shù)據(jù)。選取其中329爐生產(chǎn)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，剩余200爐生產(chǎn)數(shù)據(jù)作為測(cè)試數(shù)據(jù)并利用MATLAB軟件進(jìn)行仿真擬合函數(shù)訓(xùn)練與模擬預(yù)測(cè)。對(duì)測(cè)試數(shù)據(jù)集中各爐次終點(diǎn)溫度的模擬預(yù)測(cè)結(jié)果和實(shí)際期望結(jié)果進(jìn)行對(duì)比，得出結(jié)果如圖2所示。

圖2 LF終點(diǎn)溫度預(yù)測(cè)

從圖2中可以看出基于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的LF終點(diǎn)溫度預(yù)測(cè)模型，對(duì)終點(diǎn)溫度的預(yù)測(cè)效果較好。預(yù)測(cè)結(jié)果表明：終點(diǎn)溫度預(yù)測(cè)平均誤差為±3.45℃，絕對(duì)誤差小于5℃的命中率為96.5%，最大預(yù)測(cè)誤差小于±8℃。本文所建立的模型預(yù)測(cè)精度水平已達(dá)到指導(dǎo)生產(chǎn)實(shí)踐的要求，能夠?yàn)楝F(xiàn)場(chǎng)冶煉生產(chǎn)作出有效指導(dǎo)。

3 結(jié)論

本文針對(duì)LF精煉的冶煉過(guò)程建立了基于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的仿真預(yù)測(cè)模型，對(duì)LF冶煉終點(diǎn)溫度進(jìn)行預(yù)測(cè)，其結(jié)論如下：

1）通過(guò)對(duì)LF精煉過(guò)程機(jī)理進(jìn)行分析可得，對(duì)精煉過(guò)程溫度變化起到主要作用的因素有：合金加入量、鈣線加入量、輔料加入量、底吹氬氣量、底吹時(shí)間、加熱時(shí)間、處理周期、用電量、鋼液質(zhì)量、精煉到站溫度。

2）對(duì)本文建立的仿真預(yù)測(cè)函數(shù)進(jìn)行了精度分析，分析了預(yù)測(cè)終點(diǎn)溫度與實(shí)際終點(diǎn)溫度的誤差水平，結(jié)果表明模型精度較高，可所為現(xiàn)場(chǎng)生產(chǎn)提供指導(dǎo)。