Resumen

La cantidad de aleación añadida durante el proceso de refinado LF afecta al índice de aciertos en el control de la composición del acero. Por lo tanto, mejorar la precisión de la cantidad de adición de aleación puede ayudar a mejorar la eficiencia y reducir los costes de producción. Para abordar el problema existente de la adición inexacta de aleación en el proceso de refinado, el grupo estableció un modelo de predicción de adición de aleación basado en un algoritmo mejorado de optimización de enjambre de ballenas y red de configuración estocástica (LWOA-SCN) con los datos históricos de fundición de una acería. El modelo puede mejorar eficazmente la precisión de la predicción y la velocidad de convergencia del modelo. Los resultados de la investigación muestran que el modelo es más ventajoso para mejorar la tasa de acierto de la adición de aleaciones, lo que proporciona una orientación teórica para la producción práctica.

INTRODUCCIÓN

El refinado del acero fundido fuera del horno es un proceso importante para que las grandes empresas siderúrgicas produzcan acero de alta calidad en el país y en el extranjero. Una de las principales tareas consiste en afinar la composición del acero fundido. La precisión de la adición de aleaciones afecta directamente al rendimiento del acero acabado. Los factores que influyen en el acero líquido de refinado LF son complejos, y cada factor tiene una correlación no lineal, por lo que es difícil establecer un modelo de mecanismo. Por lo tanto, la cantidad de adición de aleación de LF adopta generalmente el método de inteligencia artificial. A medida que avanza el nivel de refinado, cambia la elección del proceso de producción y de las materias primas, lo que hace que el modelo de predicción tradicional resulte inadecuado para la producción industrial. Por lo tanto, es necesario estudiar el proceso de refinado de LF y controlar la cantidad de adición de aleación en profundidad, teniendo en cuenta el proceso de producción real [1,2].

En la actualidad, China utiliza principalmente el modelo tradicional de red neuronal BP para calcular los ingredientes en la adición de aleación, pero la red neuronal tradicional tiene el problema de los mínimos locales, lo que lleva a que los parámetros del modelo no sean únicos y dificulta el modelado. Para resolver el problema anterior, el grupo adopta el algoritmo híbrido de LWOA-SCN. Este modelo puede resolver la modelización del sistema complejo interno y establecer el modelo de ajuste de adición de aleación mediante el análisis de correlación entre los datos históricos de producción. [3,4] En primer lugar, basándose en los datos experimentales del proceso de refinado LF en una planta siderúrgica, los parámetros aleatorios se asignan mediante restricciones de desigualdad y el rango de los parámetros aleatorios se selecciona de forma adaptativa [5,6]. a continuación, los parámetros objetivo se ajustan mediante los valores de realimentación del modelo de previsión. por último, se realiza el ajuste de la adición de aleación. El estudio muestra que el modelo propuesto cumple los requisitos de la línea de producción real en cuanto a precisión de detección y proporciona un nuevo método de investigación para la cantidad de adición de aleación del refinado LF.

• Materias:Proceso de refinado Modelo de predicción Aleaciones
• Subjects:Refining process Prediction modeling Alloys
• Palabras claves:Refinación LF; Adición de Aleaciones; Red de Configuración Estocástica; Algoritmo de Enjambre de Ballenas Mejorado
• Keywords:LF Refining; Alloy Addition; Stochastic Configuration Network; Improved Whale Swarm Algorithm