论文部分内容阅读
连铸坯内部质量主要指低倍结构、中心偏析、内部裂纹和夹杂物含量水平,连铸坯中心偏析和裂纹的存在严重影响钢材的综合性能和铸坯的轧制成材。本文结合现场生产数据,分析讨论了工艺和设备因素对板坯内部质量的影响规律,继而采用带有附加动量项的改进BP算法,建立了连铸坯中心偏析和中间裂纹的BP人工神经网络预测模型。所得主要结论如下:(1)当钢中硫含量高、Mn/S小、中间包钢水过热度大、铸坯拉速大、设备条件(辊缝误差、辊子对中)恶化时,中间裂纹缺陷等级较大样本出现的概率明显增大。
(2)当钢中碳和硫含量高、Mn/S小、中间包钢水过热度大、二次冷却强度大、辊缝条件恶化时,中心偏析缺陷等级较大样本出现的概率明显增大。(3)板坯中间裂纹BP神经网络模型预测的准确率为100%。主要原因是由于该网络模型的输出只有0.1和0.9两个值,模型预测过程相当于解决实际中的开关问题,而BP神经网络模型本身就具有较强的分类能力。
(4)板坯中心偏析BP神经网络模型预测的准确率为83.33%。主要原因是,该网络模型隐含层节点较多,网络结构复杂,因此预测精度降低。另外,模型中中心偏析等级为1.0的样本学习次数较多、噪音样本剔除不彻底也导致了模型预测精度的降低。