基于Kmeans–BP神经网络的KR工序终点铁水硫含量预测模型

作     者：冯凯 贺东风 徐安军 赵宏博 林时敬 FENG Kai;HE Dong-feng;XU An-jun;ZHAO Hong-bo;LIN Shi-jing

作者机构：北京科技大学冶金与生态工程学院北京100083 北京北科亿力科技有限公司北京100012 北京智冶互联科技有限公司北京100144 冶金自动化研究设计院有限公司北京100071 

基　　金：国家自然科学基金资助面上项目(51574032) 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2023年第45卷第7期

页      码：1187-1193页

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.

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

学科分类：080602[080602] 08[工学] 0806[工学-电气类] 

核心收录：

D　O　I：10.13374/j.issn2095-9389.2022.05.29.004

馆 藏 号：203121003...