基于SSA-BP神经网络的转炉炼钢终点碳含量预测  

作　　者：史雅雯 唐晗迪 郭超 周木春[1] 

机构地区：[1]南京理工大学,江苏省南京市210094

出　　处：《电子技术与软件工程》2022年第4期181-185,共5页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

基　　金：国家级大学生创新创业训练计划项目经费资助(项目编号:202010288047Z)。

摘　　要：本文研究一种基于神经网络的预测方法对炉口终点碳含量进行在线检测,来提高光谱法中终点碳含量判定准确率。转炉炼钢终点的在线检测对于提升钢铁质量,节能减排等都具有重要意义。通过对获取到的光谱图像信息的分析,基于冶炼过程中光谱的变化规律,提取了连续谱的峰值和有效宽度,两个特征发射峰谱线对应的强度和方差,以及三段小特征峰峰值对应波长的动态变化范围积分面积这9个特征向量作为模型的输入参量。借助麻雀搜索算法寻找到BP神经网络回归模型的最优参数,建立起炼钢终点的预测模型。经过实验验证,该模型优于传统BP神经网络模型,准确率得到提升,并且测量时间小于0.3s,能够为炼钢终点的判断提供重要依据。

关 键 词：光谱分析 BP神经网络 麻雀搜索算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TF713[自动化与计算机技术—控制科学与工程]