基于深度学习（LSTM）的烧结厂环冷机温度控制方法

摘要

针对烧结厂环冷机温度控制中存在的废气利用效率低、传统喷水降温影响烧结矿质量等问题，文章提出了一种基于长短期记忆网络（LSTM）的温度控制方法。通过在环冷机高温区和低温区分别布置烟气温度与料面温度检测装置，构建LSTM时序预测模型，结合PID控制策略实现对环冷风机的变频调速。研究详细阐述了LSTM模型的时序建模方法，包括时间序列输入设计、网络结构优化及动态训练策略，并通过与传统控制方法、BP神经网络方法的对比实验，验证了该方法在复杂工业环境下的控制优势。结果表明，LSTM控制方法可将环冷机出口温度波动控制在±5℃以内，喷水降温频率降低90%以上，高温区废气利用率提升至92%，综合性能显著优于传统方法和BP神经网络方法，为烧结矿冷却过程的智能化控制提供了新范式。