炼钢

作者：钟巍,鲍光达,王海川,吴婷,仇圣桃,

单位：(1.钢铁研究总院，北京 100083；2.安徽工业大学 冶金工程学院，安徽 马鞍山 243032)

关键词：多元渣系,液相线温度预测,BP神经网络,RBF神经网络,随机森林,溅渣护炉,

炉渣流动性能是冶金流程高效安全进行的重要因素，由于熔渣成分复杂、高温试验难以精确开展，熔渣液相线温度的准确预测是一个难点。近年来人工智能技术的快速发展，在流程长、工艺复杂的冶金领域得到了广泛应用。通过BP神经网络模型、RBF神经网络模型以及随机森林模型来预测转炉渣CaO-SiO2-MgO-Fe2O3-MnO-P2O5-Al2O3多元渣系的液相线温度，通过相关误差值评价模型训练效果。结果表明，三个模型的均方根误差分别为6.1141 ℃、8.8340 ℃和5.1115 ℃，所建模型能较好地预测该多元渣系的液相线温度。模型可以在冶金流程中涉及炉渣流动性控制的环节发挥关键作用，为相关工艺优化提供参考，如在转炉智能溅渣护炉控制中，基于随机森林模型预测转炉渣液相线温度，动态改变溅渣护炉工艺参数，为最佳溅渣护炉方案的确定提供理论指导。

来源：2022年第3期

《炼钢》期刊编辑部

查看炼钢杂志2022年第3期