李廷剛， 陳 勇， 鄭 偉， 馬仲群， 孫建鵬， 毛 勇

（五礦營(yíng)口中板有限責(zé)任公司， 遼寧 營(yíng)口 115000）

脫氧合金化作為轉(zhuǎn)爐五大制度之一其操作精度的好壞直接影響著板坯的質(zhì)量及噸鋼成本?，F(xiàn)階段大多數(shù)鋼廠對(duì)合金收得率的預(yù)測(cè)都是通過經(jīng)驗(yàn)判斷，對(duì)各鋼種的收得率進(jìn)行統(tǒng)一估值，忽略了現(xiàn)場(chǎng)其他條件對(duì)合金元素收得率的影響，鋼廠應(yīng)用的轉(zhuǎn)爐冶煉操作模型大多未設(shè)計(jì)合金收得率預(yù)測(cè)模型。開發(fā)合金收得率預(yù)測(cè)模型，可起到提高合金配加精度的作用。

1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程[1]。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱層和輸出層，如圖1所示。本文應(yīng)用神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近功能，以影響收得率的各項(xiàng)參數(shù)為輸入向量，以相應(yīng)爐次的合金收得率為輸出向量，訓(xùn)練數(shù)值仿真函數(shù)對(duì)合金收得率進(jìn)行預(yù)測(cè)。

圖1 神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)

2 模型的建立與驗(yàn)證

合金進(jìn)入鋼液后部分溶于鋼液，部分被鋼中氧所氧化并溶于渣中。根據(jù)專家的經(jīng)驗(yàn)以及對(duì)合金配加過程進(jìn)行分析可得，合金收得率主要由終點(diǎn)C含量、Si含量、氧含量、終點(diǎn)出鋼溫度等因素決定[2]。因此本文以這4個(gè)參數(shù)作為合金收得率預(yù)測(cè)模型的變量，輸出變量為合金收得率。合金收得率與輸入變量的關(guān)系為：

式中：X1為終點(diǎn)C含量，X2為終點(diǎn)Si含量，X3為終點(diǎn)氧含量，X4為終點(diǎn)出鋼溫度。

2.1 樣本的選取

在訓(xùn)練模型的過程中應(yīng)選用合適的樣本容量及個(gè)體，若樣本容量過大時(shí)，個(gè)體數(shù)目過多，個(gè)體之間的相關(guān)性較強(qiáng)，會(huì)影響模型整體的穩(wěn)定性，神經(jīng)網(wǎng)絡(luò)產(chǎn)生震蕩不利于函數(shù)收斂。本文對(duì)某鋼廠轉(zhuǎn)爐車間4號(hào)LD轉(zhuǎn)爐的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行篩選，選擇具有代表性的數(shù)據(jù)對(duì)函數(shù)進(jìn)行訓(xùn)練。

2.2 數(shù)據(jù)預(yù)處理

一般對(duì)輸入數(shù)據(jù)采取歸一化的處理方法，將數(shù)據(jù)變換到[0，1]區(qū)間，變換公式如下：樣本的歸一化與學(xué)習(xí)的收斂速度有很密切的關(guān)系，應(yīng)盡量用歸一化后的樣本進(jìn)行學(xué)習(xí)。網(wǎng)絡(luò)的輸出經(jīng)過反歸一化后就可還原為真實(shí)的數(shù)據(jù)。經(jīng)驗(yàn)證明，數(shù)據(jù)的歸一化能明顯提高學(xué)習(xí)的速度和精度。對(duì)網(wǎng)絡(luò)的輸出進(jìn)行相應(yīng)的反歸一化，公式為：

2.3 預(yù)測(cè)模型的結(jié)果與分析

本文選用了三層網(wǎng)絡(luò)，輸入神經(jīng)元數(shù)為4，輸出單元數(shù)為1，隱含層單元數(shù)通過網(wǎng)絡(luò)訓(xùn)練獲得，函數(shù)誤差E=1×10-2。從某鋼廠轉(zhuǎn)爐車間采集了400爐數(shù)據(jù)，剔除異常數(shù)據(jù)后，得到319爐生產(chǎn)記錄。選取220爐記錄作為訓(xùn)練集，99爐記錄作為測(cè)試數(shù)據(jù)并利用MATLAB進(jìn)行仿真。

圖2 錳合金收得率預(yù)測(cè)結(jié)果與實(shí)際值

圖2為錳合金收得率預(yù)測(cè)結(jié)果與實(shí)際值，從圖2中可以看出神經(jīng)網(wǎng)絡(luò)對(duì)終點(diǎn)的預(yù)報(bào)達(dá)到了較好的結(jié)果。預(yù)測(cè)結(jié)果表明：終點(diǎn)收得率預(yù)測(cè)平均誤差為0.02，誤差小于0.03的命中率為85.5%，小于0.06的命中率為96%。最大預(yù)測(cè)誤差小于0.08。本文所建立的模型精確度與現(xiàn)場(chǎng)估算精度相比有了很大提高，能夠在冶煉過程中起到指導(dǎo)作用。

3 結(jié)論

1）通過分析影響合金收得率的機(jī)理以及對(duì)生產(chǎn)數(shù)據(jù)進(jìn)行分析，最終確定輸入?yún)?shù)為終點(diǎn)C含量、終點(diǎn)Si含量、終點(diǎn)氧含量、終點(diǎn)出鋼溫度。

2）對(duì)所建立的模型的性能進(jìn)行了研究，對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行了測(cè)試，證實(shí)模型運(yùn)行準(zhǔn)確可靠。

3）從預(yù)測(cè)結(jié)果看，本文所建立的模型精度較高，能夠?yàn)樯a(chǎn)冶煉作出指導(dǎo)。