基于BP神经网络的转炉供氧模型研究

为了准确控制转炉静态吹炼过程的供氧量,研发了基于BP神经网络的转炉供氧模型。通过分析元素之间的化学反应确定影响转炉供氧量的主要因素,根据转炉历史炉次信息对神经网络模型进行训练,并通过加入动量项和采用变步长法对模型进行改进。通过仿真以及对实际值、静态模型预测值和神经网络预测值的均方差分析,表明该模型可以更加准确地预测和确定供氧量,并具有较好的计算精度和适应能力,最终可提高静态模型的控制精度与终点命中率。