钢铁研究学报

作者：朱海琳^1,2, 何志军^1,2, 韩啸^1,2, 李晶³, 董晓雪^1,2, 乔西亚^1,2, 于学渊⁴, 赵阳⁴

单位：1.辽宁科技大学材料与冶金学院,辽宁鞍山114051;；2.辽宁省绿色低碳与智能冶金重点实验室,辽宁鞍山114051;；3.北京科技大学绿色低碳钢铁冶金全国重点实验室,北京100083;；4.建龙集团抚顺新钢铁有限责任公司炼钢厂,辽宁抚顺113001

关键词：转炉冶炼,出钢合金化,温度预测,机理模型,GA-BP优化算法

基金：国家自然科学基金资助项目(52374339)

转炉出钢合金化工序是转炉-连铸工艺的重要生产环节,该工序钢液温度的精准控制和预报对炼钢区段整体操作具有重要影响,尤其是连铸生产节奏顺行和上钢温度的精准把控。为实现转炉出钢合金化温度精准控制和预报,同时加快生产节奏和降低人工劳动强度,针对基于120 t转炉生产工艺建立的机理模型存在预测精度低等问题,通过整合和搜集大量生产关键数据,利用人工神经网络模型(BP)、粒子群优化BP模型(PSO-BP)和遗传算法优化BP模型(GA-BP)分别对机理模型进行了优化和对比。结果表明,采用GA-BP算法优化后的模型效果最好,其平均绝对百分误差<i>P</i>_MAE为0.13%,均方根误差<i>S</i>_RME为2.98 ℃,误差绝对值不大于5 ℃的命中率达到94.85%。该模型已应用于现场,经验证模型预测结果与实测温度误差绝对值不大于5 ℃的命中率为94.28%,提升了生产效率,对炼钢工序降本增效起到了重要作用。

来源：2025年第6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6期