基于数据驱动的转炉二吹阶段钢水温度动态预测模型

摘要

转炉钢水温度是转炉终点控制的工艺参数之一,精确的钢水温度预测对转炉终点控制具有重要的指导意义.然而,以往的大多数转炉终点预测模型属于静态模型,只能够实现对转炉吹炼终点钢水温度的预测,无法实现动态预测,导致模型的作用有限.针对该问题,提出了一种基于数据驱动的转炉二吹阶段钢水温度动态预测模型.模型先通过新案例主吹阶段的工艺参数,基于案例推理算法找到历史案例库中相似案例.再利用相似案例的二吹阶段工艺参数并基于长短期记忆网络(Long short-term memory,LSTM)算法训练工艺参数与钢水温度的变化关系.然后利用训练好的LSTM模型,计算新案例二吹阶段的钢水温度变化.最后,利用某钢厂实际生产数据,研究了不同重用案例个数及神经元个数对模型预测精度的影响,实验结果表明:模型在重用案例个数为4,神经元个数为10时模型的预测精度最高,此时模型对钢水温度的预测误差在[-5℃,5℃]、[-10℃,10℃]和[-15℃,15℃]的命中率分别达到40.33%、68.92%和88.33%,模型的性能高于传统二次方模型和三次方模型.