钢铁研究学报

作者：赵立华¹, 徐雍钊¹, 杨帅¹, 薛超², 包燕平²

单位：1.北京科技大学冶金与生态工程学院,北京100083;；2.北京科技大学绿色低碳钢铁冶金全国重点实验室,北京100083

关键词：Mn元素收得率,神经网络预测,窄区间控制,合金减量化,成本控制

基金：国家自然科学基金资助项目(52174297)

合金减量化是在保证不影响钢铁品质的前提下,通过优化合金成分、改进生产工艺降低合金用量。减少铁合金的加入不仅能够实现降本增效,还可节约铁合金资源,降低生产铁合金过程的碳排放。以HRB4Nb-8钢种的实际生产数据为研究对象,利用主成分分析法(PCA)进行数据降维,有效剔除变量之间的相互影响,最终确定13项工艺参数作为输入向量。采用麻雀搜索优化算法(SSA)优化Elman神经网络(ENN)构建了Mn元素收得率预测模型。PCA-SSA-ENN预测模型预测Mn元素收得率在±1%误差范围内命中率为86.67%,在±2%误差范围内命中率为96.67%。本模型在实际生产中得到了应用验证,结果表明,该模型能够提前精准预测收得率。根据本模型预测结果对合金进行添加,成品钢液的元素含量波动显著降低,每炉钢合金加入量平均减少60.3 kg。该企业每年生产7 000炉钢,对其效果进行估算,可节约合金加入量413 t,每年合金化成本降低302.4万元,减少碳排放198.24 t。

来源：2025年第9期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第9期