文献类型：期刊文章

作　　者：冯凯[1] 贺东风[1] 徐安军[1] 赵宏博[2,3] 林时敬[4]

FENG Kai;HE Dong-feng;XU An-jun;ZHAO Hong-bo;LIN Shi-jing(School of Metallurgy and Ecology Engineering,University of Science and Technology Beijing,Beijing 100083,China;Beijing North Billion Technology Co.Ltd.,Beijing 100012,China;Beijing Intelligent Smelting Technology Co.Ltd.,Beijing 100144,China;Metallurgical Automation Research and Design Institute Co.Ltd.,Beijing 100071,China)

机构地区：[1]北京科技大学冶金与生态工程学院,北京100083 [2]北京北科亿力科技有限公司,北京100012 [3]北京智冶互联科技有限公司,北京100144 [4]冶金自动化研究设计院有限公司,北京100071

出　　处：《工程科学学报》

基　　金：国家自然科学基金资助面上项目(51574032)。

年　　份：2023

卷　　号：45

期　　号：7

起止页码：1187-1193

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对KR工序终点铁水硫含量预测问题,提出一种基于Kmeans聚类分析和BP神经网络(BPNN)相结合的建模方法.首先,通过Kmeans聚类对KR工序生产数据进行模式识别和分类,构建不同工况特征的数据集;然后,基于BP神经网络,针对不同数据集训练预测模型;最后,将不同数据集的预测模型进行集成,形成最终的终点铁水硫含量预测模型,实现对不同铁水条件和工况条件的预测.利用某钢铁企业实际生产数据,分别用基于脱硫反应动力学、BP神经网络和Kmeans-BPNN方法建立的预测模型,对KR工序终点铁水硫含量进行预测.结果表明,Kmeans-BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型.

关 键 词：KR 硫含量 预测  Kmeans聚类  BP神经网络 脱硫反应动力学  

分 类 号：TF769]