基于PCA-BP神经网络的转炉终点磷含量预报模型

摘要：

转炉炼钢终点控制是转炉吹炼后期的重要操作,为了更加准确地预报转炉炼钢终点磷含量,选取影响终点磷含量的13个工艺参数,然后采用灰色关联度分析和主成分分析(PCA)处理得到输入参数,通过比较不同隐含层节点个数的预报结果的均方误差值确定隐含层节点个数,结合可变学习速率的BP算法,基于PCA-BP神经网络建立了转炉终点磷含量预报模型,并对Q235钢种实际生产数据代入模型进行仿真.通过与传统BP、PCA-BP神经网络以及小波神经网络建立的模型结果进行对比,表明算法优化后的PCA-BP神经网络的终点命中率更高,该模型实现预测转炉终点磷质量分数在误差范围±0.004％、±0.008％和±0.01％内,命中率分别达到44％、86％和 96％.

关键词：转炉炼钢、终点磷含量、BP神经网络、预报模型、灰色关联度

所属期刊栏目：36

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;黑龙江省揭榜挂帅科技攻关资助项目

在线出版日期：2024-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1011-1018