钢铁研究学报

作者：李芹芹¹, 宋宝宇¹, 张兆鑫¹, 王奎越¹, 宋君¹, 任伟²

单位：1.鞍钢集团北京研究院有限公司,北京102209;；2.鞍钢集团钢铁研究院,辽宁鞍山114009

关键词：FeO含量预测,特征序列化,特征提取,时间差分,时间序列模型

基金：国家重点研发计划资助项目(2022YFB3304800)

钢铁冶金行业是基础工业的重要组成部分,其中烧结矿质量稳定性对整个生产流程至关重要。为了精确预测烧结矿中的FeO含量,提出了一种新型的在线预测框架——过程特征序列化和提取预测模型(PFSE)。该框架首先对原始数据进行序列化和差分处理,以增加数据的表达能力。然后,通过灰色关联分析(GRA)和相关系数(CC)等特征提取技术,筛选出关键过程特征。最后,利用循环神经网络(RNN)及其变体长短期记忆网络(LSTM)和门控循环单元(GRU)构建烧结矿FeO含量的预测模型。通过在某钢铁厂2022至2023年的烧结过程数据上进行实验验证,PFSE框架显示出良好的稳定性和准确性,在0.1的误差容忍度内,实现了85.3%的高准确率,验证了该方法的有效性和可靠性。

来源：2025年第5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5期