转炉炼钢钢水温度与成分双融合预测模型研究

摘要

文章旨在研究转炉炼钢钢水温度与成分双融合预测模型，重点分析转炉炼钢过程中钢水温度与成分难以实时精确预测的问题，提出基于Stacking集成学习与机理模型相互融合的预测模式。机理模型基于热力学和物料平衡原理，对初始铁水条件、废钢加入量、吹氧参数以及溶剂数据合理利用，对冶炼过程中的钢水温度以及碳、锰、磷、硫成分变化实时计算。当吹氧量达80%时，以副枪TSC测量所获得的结果作为依据校正机理模型。同时，将XGBoost、BP神经网络、随机森林作为基础学习算法的Stacking融合模型，预测终点温度和成分并保证高精准度。通过实验所获得的结果表明，融合模型的应用能够实现高精度预测，用以支持转炉炼钢过程化控制。