基于BP神经网络的脱氧合金化配料问题分析

论文摘要

针对钢铁行业竞争压力的不断加剧以及国内外各大炼钢厂对钢水"脱氧合金化"技术的青睐,提出钢水脱氧合金化的元素收得率预测方法以及最优合金配料方案。建立C、Mn两种元素收得率预测的BP神经网络模型,并进一步改进模型及算法以提高元素收得率的预测准确率;进行钢水脱氧合金化成本优化计算,并给出最优合金配料方案。将元素收得率预测值与实际值进行比较,误差控制在2%之内,精确度较高;并将配料方案与原加料方案进行对比,成本优化效果明显。根据数学模型从完善自动配料模型、积极承担社会责任等角度对钢厂提出发展建议,鼓励钢厂不断推动"脱氧合金化"技术进步,降低生产成本、提高钢材质量,帮助企业提升核心市场竞争力。

论文目录

• 1 数据来源与模型假设
• 2 基于BP神经网络的收得率预测模型
•   2.1 研究思路
•   2.2 研究方法
•     1)输入输出层的设计
•     2)隐层设计
•     3)训练函数的选取
•   2.3 结果分析
• 3 基于线性规划的脱氧合金化成本优化模型
•   3.1 研究思路
•   3.2 研究方法
•   3.3 结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 刘芃麦,朱家明,高正帅,何雅宁

关键词: 脱氧合金化,成本优化,神经网络,线性规划

来源: 齐鲁工业大学学报 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 冶金工业,自动化技术

单位: 安徽财经大学

基金: 国家自然科学基金(1808085QA15),省级教学研究项目(2018jyxm1305),安徽财经大学科研创新基金项目(JR201902YB)

分类号: TF704.2;TP183

DOI: 10.16442/j.cnki.qlgydxxb.2019.05.012

页码: 74-80

总页数: 7

文件大小: 223K

下载量: 234