LF爐精煉終點硫含量預報模型研究.pdf

1、在冶金行業(yè)中，硫元素對大多數的鋼種都是一種有害元素，它會影響鋼材的高強度、低溫韌性和焊接性能，所以必須嚴格控制鋼中硫元素的含量。目前國內的鐵水脫硫技術比較落后，大多以人的經驗來控制冶煉過程，這樣導致脫硫粉劑消耗大，經濟效益也不理想，難以達到自動化煉鋼要求。隨著社會發(fā)展，冶金工業(yè)對鋼鐵質量的要求越來越高，依靠經驗控制冶煉過程的方式已經無法適應生產工藝的革新。為了實現精煉脫硫工藝過程自動化，快節(jié)奏，高效率的生產需求。本文建立了機理模型、BP

2、神經網絡模型、RBF神經網絡模型、混合模型對LF精煉終點硫含量進行了預報仿真研究，為LF爐精煉脫硫提供有效的技術支持。
　　本研究主要內容包括：⑴采集某鋼廠的實際生產數據庫，對現場實際數據進行預處理，選出合適的樣本數據。一部分作為訓練樣本數據，一部分作為預測樣本數據，并對數據進行歸一化處理。⑵通過對鋼廠精煉脫硫工藝的過程和脫硫基本原理進行深刻了解，從脫硫反應的熱力學原理和動力學原理分析確定一些脫硫機理有關參數模型，確定影響脫硫效果

3、的主要因素。并建立LF爐精煉終點硫含量預報的機理模型。⑶針對機理預報模型存在的問題和不足，采用神經網絡模型進行硫含量預報。通過分析對比BP，RBF神經網絡預報模型的預測結果，可以知道RBF神經網絡預報模型從預測速度和效果都優(yōu)于BP神經網絡預報模型。所以本文建立了由RBF神經網絡模型和機理模型結合的混合模型，從理論上優(yōu)于單一神經網絡模型。⑷采用C＃和MATLAB語言運用樣本數據對各個預報模型進行了仿真驗證，通過分析實驗過程和預測結果可知混