利用BP神经网络预测AOD炉冶炼含氮不锈钢氮含量
- 格式：pdf
- 大小：142.88 KB
- 文档页数：5
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 第40卷 第11期 2005年11月钢铁
IronandSteel
Vol.40,No.11
November 2005
利用BP神经网络预测AOD炉冶炼含氮不锈钢氮含量陈 宏, 郑宏光, 陈伟庆(北京科技大学冶金与生态工程学院,北京100083)摘 要:根据AOD炉吹氮气冶炼含氮不锈钢的生产条件,运用BP神经网络建立了含氮不锈钢氮含量预测模型和吹氩时间预测模型。模型可利用生产现场的实际操作数据预测钢中氮含量,并可预测冶炼过程中控制钢中氮含量所需要的吹氩时间。结果表明,预测结果准确率较高,模型适用性较强。关键词:氮含量;预测;神经网络中图分类号:TF769.1 文献标识码:A 文章编号:04492749X(2005)1120030204
NitrogenContentPredictioninStainlessSteelContainingNitrogeninAODRefiningProcessbyBPArtificialNeuralNetworkCHENHong, ZHENGHong2guang, CHENWei2qing(SchoolofMetallurgicalandEcologicalEngineering,Universityof
ScienceandTechnologyBeijing,Beijing100083,China)
Abstract:BasedonAODrefiningpractice,themodelwasestablishedtopredictnitrogencontentinstainlesssteelcontainingnitrogenandtheArblowingtimebyBPartificialneuralnetwork.Withtheindustrialdata,thismodelcouldforecastthenitrogencontentandtheArblowingtimerequiredtocontrolthenitrogenlevelofthestainlesssteelinAODrefiningprocess.Theresultsshowedthatthemodelismuchaccurateandapplicable.Keywords:nitrogencontent;prediction;BPneuralnetwork
作者简介:陈 宏(19762),女,硕士生; E2mail:chenhong@163.com; 修订日期:2005202224
通过吹氮气实现氮的合金化是AOD炉冶炼含氮不锈钢的经济有效方法。通常,操作者主要依靠其经验进行不锈钢中氮含量的控制。因此,有必要建立预测模型帮助操作者积累经验、指导操作。已有研究者运用氮气在不锈钢中溶解与脱除理论建立了氮合金化静态模型,用来预测钢中的氮含量[1]。为了更加准确地预测AOD炉冶炼含氮不锈钢中的氮含量,本项研究根据AOD炉冶炼含氮不锈钢的生产条件开发了氮含量的BP神经网络预测模型。
1 建立不锈钢氮含量预测模型 BP网络通常包括输入层、一个或多个隐含层和输出层[2],本模型采用4×16×16×1的四层结构网
络,见图1。神经网络系统对数据样本进行学习,需要学习系数、动量系数、整体误差等参数的支持。这些参数对网络的运行速度和精度有很大的影响。根据有关文献[3,4],并经过试算,选定网络有关系统参数,学
习率η为0185,惯性系数α为017,隐含层数为2,各隐含节点数为16,系统整体误差为0.008,最大个体误差为010008。
图1 模型采用的BP神经网络结构图Fig.1 SchematicofbasicstructureofBPneuralnetwork1.1 预测模型输入和输出参数的确定AOD炉吹氮气冶炼含氮不锈钢。在前期进行氮氧混吹,向钢液中增氮。钢中的氮含量达到一定程度后,在冶炼后期将氮气切换成氩气,进行氩氧混吹或者纯吹氩,部分脱除钢液中的溶解氮,从而调整钢中氮含量达到钢种要求[5]。根据现场调研可知,在AOD炉生产条件下,冶© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
第11期陈 宏等:利用BP神经网络预测AOD炉冶炼含氮不锈钢氮含量炼过程的温度,特别是过程所达到的最高温度、氮氧混吹时间、氩氧混吹时间和纯吹氩气时间等因素对钢液终点的氮含量影响是最大的。根据文献报道[6],通过现场取样分析氮在AOD冶炼过程中的变化可知,在氧化期,钢中氮的质量分数随着氮气的吹入逐渐接近氮在011MPa的平衡状态时的饱和溶解度2000×10-6左右;在精炼期,吹入气体转换成氩气,钢中氮的质量分数逐渐下降,尤其在高氮区域(>1000×10-6),随着吹氩时间的增加,氮的质量分数急剧下降,在氮的质量分数降至1000×10-6以下后,其下降速度趋于缓慢。因此在吹氮气冶炼含氮不锈钢工艺中,及时将氮气切换成氩气,并准确把握吹氩气时间是命中目标氮含量的关键因素。根据现场生产需要,预测模型中分别设立了低氮的质量分数((300～600)×10-6)和高氮的质量分数((1000～1500)×10-6)不锈钢的预测单元。综合上述因素,考虑模型的简便和现场适用性,氮含量预测模型确定了4个输入参数:吹氮气时间(即氮氧混吹时间)、吹氩气时间(低氮钢指氩氧混吹和纯吹氩时间之和,高氮钢指纯吹氩时间)、吹氮气切换到吹氩气时的钢液温度、氧化末期钢液的温度。1个输出参数:钢中氮含量。在吹氩时间预测模型中,4个输入参数调整为:
吹氮气时间、吹氮气切换到吹氩气时的钢液温度、氧化末期钢液的温度、目标氮含量。1个输出参数:吹氩气时间。各个参数的含义与氮含量预测模型中的相同。1.2 预测模型中数据的归一化处理神经网络要求其输入和输出数据均介于0～1
之间,通过线性变换法,即x′=(x-x
min
)/(
x
max-
xmin
),使输入数据全部变换为0～1之间的数。而输
出预测结果采用线性变换法的反过程,将预测结果转换为正常范围内的数据。表1给出了模型中低氮、高氮不锈钢的输入和输出参数值范围。
2 模型预测功能的实现基于BP神经网络开发的AOD炉冶炼不锈钢氮含量预测、吹氩时间预测模型分为学习、预测、数据更新、系统参数选择四大部分,其程序运行框图见图2。
表1 模型中低氮、高氮不锈钢的输入和输出参数值Table1 Rangeofinputandoutputparametersinmodelforhighandlownitrogencontentstainlesssteel钢种吹氮气时间/min吹氩气时间/min切换温度/℃氧化末期温度/℃终点
w
(N)
/10-6
低氮不锈钢x
max505017251750600
xmin202016501680300
高氮不锈钢x
max1056169517351500
xmin704164517051000
图2 基于BP神经网络的不锈钢氮含量预测模型运行框图Fig12 Operationalblockdiagramofnitrogencontentpredictionmodelforstainlesssteel
・13・© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
钢 铁第40卷(a)304不锈钢; (b)201不锈钢
图3 氮的质量分数预测值与实际值的对比Fig.3 Comparisonbetweenpredictedandmeasurednitrogencontent
预测模型用C语言开发,界面采用Borland公司Delphi6.0编制。整个界面操作便捷,人机对话功能强,易于掌握。各部分的功能分别如下。(1)学习部分:对已经编好的数据文件进行学习,找出输入值与输出值之间的关系,为进行预测作准备。(2)预测部分:经过学习后的程序具有预测功能。将输入参数的值分别输入到模型中,模型将根据学习得到的输入值与输出值之间的关系进行计算,给出预测值。(3)数据更新部分:可将输入的最新数据自动写入数据文件并进行学习。(4)系统参数设置部分:用户可直接对模型网络的学习参数进行修改。3 模型预测结果和分析在AOD炉吹氮气冶炼含氮不锈钢生产条件下,根据现场控制需要,预测模型分为:①氮含量预测;②吹氩气时间预测。3.1 氮含量预测结果和分析(1)低氮含量不锈钢的预测结果低氮的质量分数((300～600)×10-6)不锈钢以304为背景,现场采集数据制作成学习样本(200组数据)对预测模型进行自学习训练,然后对现场66炉钢的氮含量进行预测。图3(a)示出了模型预测值与实际值的对比,可见,预测值与实际值吻合得比较好。对现场66炉钢氮含量预测值与实际值的偏差进行了分析,结果见表2。由表2可知,预测值的准确率较高。现场304不锈钢氮的质量分数控制范围为(300～600)×10
-6
,模型预测值误差均在该范围
内,可以满足现场氮含量控制精度的要求。(2)高氮含量不锈钢的预测结果和分析
高氮的质量分数((1000～1500)×10
-6)不锈
钢以201为背景,由于现场数据较少,对预测模型进行自学习训练后,再对现场采集的14炉钢的氮含量进行预测。图3(b)示出了模型预测值与实际值的对比,尽管数据较少,但可以看出,预测值与实际值吻合得比较好。对14炉201不锈钢氮含量预测值与实际值的偏差进行了分析,分析结果见表3。由表3可见,偏差小于15×10-6的占86%,说明预测的准确性较好。3.2 吹氩时间预测结果和分析为了在实际冶炼过程中,通过控制AOD炉后期吹氩时间达到预定的氮含量目标值,建立了吹氩
表2 现场66炉304不锈钢氮的质量分数预测值与实际值的偏差分析结果Table2 Predictionerrorsofnitrogencontentforheats66of304grade偏差范围/10
-6
<5050～8080～100100～120
比例/%613063
表3 现场14炉201不锈钢氮的质量分数预测值与实际值的偏差分析结果Table3 Predictionerrorsofnitrogencontentforheats14of201grade偏差范围/10
