摘要:本文以神经网络为基础开发出一套转炉冶炼终点控制模型。模型以转炉炼钢基础理论为理论依据，采用误差反向传播网络--BP网络为原形，对其算法进行改进，建立两个三层BP预测神经网络，选用29个输入参数，分别对终点温度和终点碳含量进行预报。通过采集现场操作数据和实际应用，碳温双命中率达到80以上。1前言　氧气转炉炼钢是一个多元多相高温反应过程，冶炼过程中炉内发生着极其复杂而又激烈的物理化学反应，影响冶炼终点钢水成分和温度的因素复杂多变，采用传统的看火焰凭经验判断冶炼终点的方法，很难一次拉碳达到终点目标值，即终点成分和温度双命中率低。并且我厂由于炉容小，原料品种多，成分复杂而且经常发生变化，岗位操作工水平不一，使得转炉操作有很大的盲目性，过程控制难度大，喷溅、返干严重，物料消耗加大，终点控制不准确，C-T双命中率低，后吹严重，倒炉次数多，不仅影响生产率，更主要导致钢水质量恶化，使产品质量下降，直接违背了邢钢的质量方针。因此无论从降低炼钢成本，还是从提高钢坯质量和保证生产顺利进行的角度来讲，加强钢水的碳温命中率都是十分有意义的。本文将利用B—P型神经网络原理，建立转炉终点钢水碳温预测模型，来处理影响冶炼终点诸多..