基于卷积神经网络的转炉炼钢终点碳含量预测方法

摘要

转炉炼钢终点的判定是转炉生产中的重要环节,判定的准确度直接影响生产出的钢水质量,主要判定依据是钢水的碳含量和温度是否达到出钢要求,其中检测铜水中的碳含量在判定过程中占据主要因素;碳含量测量的难点在于实现连续实时的准确预报,而传统的转炉火焰碳含量预测虽然可以实现连续实时预报,但多采用人工提取特征,存在易受环境干扰、丢失火焰图像特征信息多等问题,文中提出一种基于火焰彩色图像卷积神经网络(Convolutional Neural Network,CNN)的转炉终点碳含量预测模型,利用采集的钢厂转炉炼钢炉口火焰视频建立了火焰彩色图像数据库,并在传统模型的卷积层后加入局部响应归一化处理,实验中通过改变神经网络结构的参数得到训练好的转炉炼钢碳含量预测模型,最终可实现连续实时预测终点时刻碳含量,经实验验证,其终点时刻碳含量在误差标准内命中率达到86％,能够做为现场工人判断转炉炼钢终点时比较可靠的依据.