论文部分内容阅读
磷是铬铁合金成品中含有的微量元素,是有害杂质之一,其含量的高低是影响产品质量的重要因素。近年来,在中低碳铬铁合金生产中使用的铬矿石和焦炭等原料纯度下降,含磷较高,导致铬铁合金成品中的实际磷含量检测值普遍增高。目前,中低碳铬铁合金冶炼终点磷含量的检测仍采用人工手段,效率滞后,不利于实时指导生产。因此,研究转炉精炼铬铁合金终点磷含量的预报方法,对改进生产工艺,提高生产效率具有重要意义。转炉冶炼铬铁是复杂的物理、化学过程,影响终点磷含量因素较多。本文通过研究转炉冶炼中低碳铬铁铁水脱磷预处理的反应特性及热动力学条件,分析影响中低碳铬铁合金终点磷含量的重要因素,确定神经网络的输入变量。根据中钢吉铁辽阳公司807#转炉冶炼中低碳铬铁的生产工艺及样本数据,建立基于RBF神经网络的预报模型,绝对误差±0.003%范围内命中率达到95%,精度较高,但是输入变量个数较多,涉及生产、计量、管理各部门统计参数较多,有必要改进模型结构。因此,本文在机理角度分析之外,采用灰色关联分析方法定量分析各因素影响程度的大小,根据灰色关联度序列确定重要影响因素,减少输入变量个数,简化神经网络结构,缩短生产周期。采用LM算法对BP神经网络训练改进,建立基于LMBP神经网络的终点磷含量预报模型,仿真结果表明,绝对误差±0.003%范围内命中率达到90%,也能够满足生产要求。在实际生产过程中可以根据企业生产管理及产品质量要求选择合理的预报系统平台。论文采用C#语言与MATLAB混合编程,开发了磷含量预报系统软件,建立了转炉精炼铬铁合金终点磷含量预报系统平台,实现了铬铁合金磷含量的在线预测,为企业进一步优化生产工艺,保证产品质量,提高生产的自动化程度提供了有效的理论依据,同时也有利于企业整合生产管理,促进节能增效,增强产品的竞争力。