首页|一种基于即时学习局部模型的LF终点预测方法

一种基于即时学习局部模型的LF终点预测方法

An end-point prediction method for LF refining based on just-in-time learning local model

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
LF精炼是连接转炉和连铸的重要工序,对其终点进行精准预测有助于提高LF生产效率,确保后续工序稳定进行.为提高LF终点预测准确率,提出了一种基于即时学习局部模型的LF精炼终点预测方法.在即时学习框架下,采用特征重要性和时间双重加权的相似度度量方式选取近邻样本集,通过局部加权偏最小二乘法构建局部模型进行LF精炼终点温度和终点硫含量的预测.基于国内某钢厂LF精炼车间实际生产数据对本预测方法进行验证,并与传统全局反向传播(back propagation,BP)建模和普通欧氏距离相似度度量策略局部建模方法进行对比.结果表明,本预测方法对Q235A/B终点温度在±5℃范围内预测命中率达92.5％,对脱硫钢种终点硫质量分数在±0.002％范围内预测命中率达90.0％,优于其他两种方法,可以为LF精炼实际生产终点控制及后续出钢工作提供指导参考.

楚建伟、刘建华、何杨、许庆礽、尤大利、罗仁辉

展开 >

北京科技大学高效轧制与智能制造国家工程研究中心,北京100083

北京科技大学高等工程师学院,北京100083

莱奥本矿业大学钢铁冶金系,奥地利莱奥本8700

新余钢铁集团有限公司,江西新余338001

展开 >

LF精炼 终点预测 即时学习 局部加权偏最小二乘法 局部模型

国家重点研发计划政府间国际科技创新合作项目

2021YFE0113200

2023

10.3969/j.issn.1000-7059.2023.01.014

冶金自动化
冶金自动化研究设计院

冶金自动化

影响因子：0.685
ISSN：1000-7059
年,卷(期)：2023.47(1)
  • 2
  • 8