高炉铁水硅含量参数滞后性分析及在线预测OA

以高炉铁水硅含量在线预测模型开发为背景,对操作参数影响铁水硅含量的滞后时间进行了相关性研究,提出一种基于长短期记忆网络(long short-term memory,LSTM)的铁水硅含量在线预测模型.首先,根据生产机理与硅的迁移规律,分析各参数在炉内的滞后行为;其次,构建不同滞后时间下硅含量影响参数的数据库,通过分析不同滞后时间下各参数与硅含量的关联度大小,确定其准确的滞后时间;最后,基于某钢厂4号高炉连续生产60 d的数据(合计16131组样本),利用数据预处理和特征值筛选等方式,选取了10个关联度较好的工艺参数进行预测建模,并采用LSTM算法构建了铁水硅含量当前时刻、1 h后和2 h后的在线预测模型.结果表明:该在线模型具备良好的泛化能力、鲁棒性与预测精度;其中,当前时刻硅含量预测值与实测值的误差控制在±0.05%以内的准确率达94.6%.