炼钢

作者：张聪聪,董文亮,季晨曦,李海波,陈斌,赵长亮

单位：1.首钢集团有限公司 技术研究院，北京 100043；2.北京市绿色可循环钢铁流程重点实验室，北京 100043；3.首钢京唐钢铁联合有限责任公司 炼钢作业部，河北 唐山 063200

关键词：“全三脱”工艺,相关性分析,转炉终点,机器学习,预测精度,

建立精准的转炉终点预测模型对生产效率和钢液洁净度的提升尤为重要。以首钢京唐钢铁联合有限责任公司“全三脱”工艺转炉为研究对象，对历史生产数据进行皮尔逊相关性分析，得到与转炉终点温度、碳含量最相关的15个自变量。利用BP神经网络、极限学习机（ELM）和支持向量机（SVM）3种机器学习算法分别建立了转炉终点预测模型。随后选取160组新样本数据来检验3种模型的预测精度，结果表明：SVM模型下转炉终点温度、碳含量预测模型精度更高，终点温度预测误差在±15 ℃内的命中率为90.6 %，终点碳质量分数预测误差在±0.01 %内的命中率为93.8 %。另外，基于支持向量机算法建立的转炉终点预测模型，全三脱工艺比常规工艺的终点温度误差±15 ℃内、碳质量分数±0.01 %内命中率分别提高了9.1百分点和14.4百分点。

来源：2023年第4期

《炼钢》期刊编辑部

查看炼钢杂志2023年第4期