%0 Journal Article
%T BP神经网络IF钢铝耗的预测模型 Prediction model of aluminum consumption with BP neural networks in IF steel production
%A 张思源
%A 包燕平
%A 张超杰
%A 林路
%J 工程科学学报
%D 2017
%X 为了解决某钢厂IF钢冶炼RH精炼过程铝耗偏高问题,通过数理统计和BP神经网络相结合的方法建立了铝耗预测模型,并与多元线性回归模型进行比较,该模型具有更高准确度.该模型分析了不同冶炼工艺参数对铝耗的具体影响,并对相应工艺参数进行了优化.结果表明:脱碳结束氧活度或RH进站氧活度降低0.005%左右,每吨钢铝耗可降低0.07~0.08 kg,铝脱氧有效利用系数为70.31%~80.35%;RH进站钢液温度增加35~40℃,铝耗降低1 kg左右,铝热反应升温利用系数在97.4%左右;吹氧量小于100 m~3和大于100 m~3时,氧气与铝反应的比例分别为37.3%和74.6%左右,吹氧量每增加50 m3,铝耗分别增加0.1 kg和0.2 kg左右.工艺参数优化后平均铝耗由1.359 kg降低到1.113 kg,降幅达18.1%.
%K IF钢
%K 低碳钢
%K 铝耗
%K 神经网络
%K 预测模型
%U http://bjkd.cbpt.cnki.net/WKA/WebPublication/paperDigest.aspx?paperID=61f5e207-62fc-42cd-961f-bf4445fe1c0d