来源：期刊VIP网 时间：
作者：王士彬;汪森辉;李海峰;
单位：宝钢股份炼铁厂;安徽理工大学机电工程学院;东北大学冶金学院;
摘要：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16 131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%.
关键词：高炉炼铁;;铁水硅含量;;长短期记忆网络;;滞后时间;;在线预测
基金资助：国家重点研发计划项目(2023YFB4204000)
