Resumen

Se propone un algoritmo de optimización de murciélago mixto basado en el caos y la evolución diferencial (CDEBA) para el proceso de endblow del horno básico de oxígeno (BOF) tras la detección de sub-lanza, y se presenta un modelo de predicción basado en la red neuronal BP optimizada mediante el algoritmo de murciélago diferencial caótico (CDEBA-NN). Los resultados de la simulación muestran que el modelo de predicción del contenido de carbono alcanza un porcentaje de aciertos del 94 % con un rango de error del 0,005 %, y del 90 % para la temperatura con un rango de error de 15 °C, la precisión es superior a la del modelo de red neuronal tradicional, por lo que se verifica la eficacia del modelo propuesto.

INTRODUCCIÓN

Con el fin de mejorar la precisión del cálculo de modelos dinámicos, muchos estudiosos han introducido la tecnología inteligente en la predicción terminal de la fabricación de acero [1,2]. Por ejemplo, Ai xiaoli et al. establecieron un modelo basado en una red neuronal de BP para la predicción del consumo de oxígeno en la fabricación de acero en hornos de oxígeno básicos (BOF), con lo que se redujo el error de predicción del consumo de oxígeno [3]. Tao ziyu et al. utilizaron el algoritmo mejorado de la red neuronal artificial para desarrollar el modelo de predicción de la temperatura final del acero fundido en el proceso de refinado del horno cuchara de 40t, lo que mejoró la velocidad de predicción y la precisión de la red neuronal [4]. Por lo tanto, el modelo de predicción establecido tras la mejora de la red neuronal BP puede mejorar eficazmente el efecto de predicción del modelo.

En este trabajo, con el objetivo de solucionar las desventajas de la lenta velocidad de convergencia de la red neuronal BP, se propuso un método de modelado de predicción basado en el algoritmo murciélago [5,6] para optimizar la red neuronal BP, que mejoró de forma efectiva la capacidad de predicción de la red. Sin embargo, el algoritmo murciélago tiene el defecto de convergencia prematura y fácil de caer en el óptimo local, por lo tanto, el algoritmo del caos y el algoritmo de evolución diferencial se utilizaron para mejorar el algoritmo murciélago [7-9], entonces la calidad de la solución inicial y la diversidad de especies se mejoran.

En la actualidad, la fabricación de acero BOF es una prioridad en la producción de acero y ocupa una posición importante en la producción. El modelo de fabricación de acero ha pasado por tres etapas de desarrollo: control estático, control dinámico y totalmente automático. Todo el proceso de fabricación de acero es un proceso periódico de aumento de temperatura y reducción de carbono, que contiene una reacción multifásica muy compleja a alta temperatura.

• Materias:Red neuronal Modelo de predicción Fabricación de acero
• Subjects:Neural network Prediction modeling Steel making
• Palabras claves:Fabricación de acero; Convertidor básico de oxígeno (BOF); Predicción del punto final; Red neuronal de retropropagación (BP); Algoritmo de murciélagos
• Keywords:Steelmaking; BOF (Basic Oxygen Furnace); End point prediction; Back Propagation (BP) neural network; Bat algorithm