利用神经网络模型预测球团矿的冷压强度(英文)

作     者：T Umadevi Naveen F Lobo Sangamesh Desai Manjunath Prabhu 黄可为 

作者机构：金达尔钢公司 宝钢研究院 

出 版 物：《世界钢铁》 (World Iron & Steel)

年 卷 期：2012年第12卷第4期

页      面：7-16页

学科分类：08[工学] 0806[工学-冶金工程] 080601[工学-冶金物理化学] 

主　　题：神经网络 CCS 制粒 固结 生球 球团质量 

摘      要：建立了一个神经网络模型来预测球团矿的冷压强度,该网络模型采用三层前向BP神经网络,网络结构为12-12-1,12个输入变量分别为给料率、料层高度、焙烧温度、干透点温度、COREX煤气单耗、膨润土的添加量、生球水分、生球碳含量以及成品球的FeO、MgO、Al2O3含量和碱度;隐层含有12个神经元;输出为成品球团冷压强度;神经元激活函数选择双曲正切函数;神经网络学习算法使用的是带惯量项的误差反向传播学习算法(BP学习算法)。选取353组数据来训练和测试神经网络,其中247组数据用于训练网络,其余数据用于测试网络。测试结果表明,该网络的预测结果与实际结果的误差在3%以内,同时通过敏感性分析得出以下结论:①膨润土添加量、生球碳含量以及成品球的FeO、MgO、Al2O3含量和碱度对球团矿的冷压强度有重要影响;②增加膨润土添加量、成品球碱度、MgO含量、焙烧温度、干透点温度、COREX煤气单耗有助于改善球团矿的冷压强度;③增加FeO含量、生球碳含量、Al2O3含量、料层高度、给料率将使球团矿的冷压强度迅速下降;④增加生球水分会降低冷压强度;⑤提高球团矿冷压强度的参数设置(膨润土的添加量:0.86%～0.92%;wFeO0.5%;生球碳含量:1.00%～1.10%;MgO含量:0.39%～0.44%);⑥在0.3～0.7范围内增加碱度不能显著改善球团矿的冷压强度。