钢铁研究学报

作者：林雪亮¹, 吕明¹, 高仲毅², 侯福庆¹, 梁少鹏³, 郭红民²

单位：1.西安建筑科技大学冶金工程学院,陕西西安710055;；2.陕西龙门钢铁有限责任公司技术研发中心,陕西韩城715405;；3.陕西龙门钢铁有限责任公司炼钢厂,陕西韩城715405

关键词：转炉炼钢,终点碳温预测,支持向量机,因子分析,命中率

基金：国家自然科学基金面上资助项目(52374346);陕西省创新能力支撑计划资助项目(2023-CX-TD-53);陕西省重点研发计划资助项目(2024QY2-GJHX-34);陕西省技术创新引导专项资助项目(2023-YD-CGZH-17)

钢水温度和碳质量分数是转炉终点的重要指标,碳温的精确预测有利于提高转炉终点命中率、减少终点过氧化、提高合金收得率,促进转炉高效低成本冶炼。为提高转炉炼钢终点碳质量分数和温度预报精度,提出了多种算法组合并优化的支持向量机(SVM)模型,使用因子分析法对特征参数进行筛选和降维,建立了基于支持向量机极限梯度提升决策树(SVM-XGBoost)的转炉炼钢终点碳质量分数和温度预测模型,并与基础模型SVM、支持向量机优化随机森林(SVM-AdaBoost)以及支持向量机优化梯度提升决策树(SVM-GBDT)的终点碳温预测效果进行对比。结果表明,SVM-XGBoost命中率最高,在预测转炉终点碳质量分数误差为±0.01%、±0.02%时的终点命中率分别为87.53%与91.60%,在温度误差为±5和±10 ℃时的终点命中率分别为76.47%、92.20%;相比SVM模型,其在±0.01%终点碳质量分数误差范围内的命中率提高了14.26%,在±5 ℃终点温度误差范围内的命中率提高了7.74%。相比其他3种模型,SVM-XGBoost模型预测结果更为精确,对转炉实际冶炼过程控制与终点命中率提升具有较好的参考作用。

来源：2026年第1期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2026年第1期