点此下载——基于BP神经网络的钢水温度预定模型 摘要：针对目前钢水温度预定方法存在不足，在分析钢水温度预定原理的基础上，在邯钢邯宝炼钢厂建立了基于BP神经网络的精炼终点目标温度和转炉终点目标温度的动态预定模型。利用邯宝炼钢厂的历史生产数据对模型进行了训练和测试，并进行了现场应用试验。结果表明，预定模型对转炉和精炼终点目标温度进行了优化，应用预定模型后，LF开始温度命中率提高到75％，中间包温度命中率提高到96．7％。 关键词：BP神经网络；钢水温度预定；命中率 随着全连铸、高效连铸技术的发展，炼钢过程各工序对钢水温度的控制要求越来越高。而炼钢过程影响钢水温度的因素多，且存在很强的非线性关系，靠经验和已有的机理模型已不能精确地控制钢水温度，时常会造成出钢温度偏高或偏低、中间包温度命中率不高等问题。智能技术是处理非线性问题和时变因素的1种很好的方法，故智能技术在钢水温度控制中得到广泛的应用。 目前，很多学者的研究重点在应用智能技术对转炉终点温度预测[1,2]、电炉终点温度预测[3,4]、LF精炼终点温度预测[5-7]、RH终点温度预测[8]、VD炉终点温度预测[9]等方面，并取得了较好效果。而对炼钢过程各主要工艺节点目标温..