炼钢

作者：张龙强,闵义,刘承军,黄健,郑传新,马威

单位：1.多金属共生矿生态化冶金教育部重点实验室，辽宁 沈阳 110819；2.东北大学 冶金学院，辽宁 沈阳 110819；3.本溪钢铁集团有限公司，辽宁 本溪 117000

关键词：转炉终点,残锰含量,机器学习,预测,

钢水锰含量控制主要在转炉炉后脱氧合金化阶段实现，转炉终点锰含量的准确获取对于锰合金加入量的确定具有重要影响，进而影响到钢水锰含量的精确控制。利用某钢厂转炉1500炉次历史冶炼生产数据，采用支持向量回归算法（SVR）、轻量级梯度提升机算法（LGBM）、分类梯度提升算法（Catboost）对转炉终点残锰含量进行了预测，再使用贝叶斯优化算法（BayesSearchCV，BOA）分别对其优化。结果表明，贝叶斯优化后的Catboost算法(BOA-Catboost)效果最好，其决定系数R2、均方误差MSE和均方根误差RMSE分别可达到0.712，0.000048和0.007021。残锰质量分数真实值与预测值的误差在±0.010、±0.008范围内，残锰含量预测命中率分别可达到83.2%和76.2%。

来源：2024年第5期

《炼钢》期刊编辑部

查看炼钢杂志2024年第5期