转炉炼钢是一个极其复杂的工业过程,由于冶炼过程温度高,环境恶劣,期间难以准确地进行连续不断的测量温度和成分,因而无法采用常规过程控制的方法对其进行控制。因此,对转炉炼钢终点温度和成分进行准确预报显得尤为重要,它是实施终点控制的基础。神经网络是解决非线性系统问题的有效途径,将神经网络用于转炉炼钢终点控制是一个值得研究的方向。本文在简要介绍几种人工神经网络转炉炼钢终点预报模型的基础上,提出了终点钢水温度和终点碳含量的基于RBF(Radial Basis Function)神经网络的预测模型和基于BP(Back Propagation)神经网络的控制模型,具体研究成果如下: 利用RBF神经网络具有收敛速度快、避免陷入局部极值的优点,建立了终点钢水温度和终点碳含量的预报模型。径向基函数中心的选取一直是阻碍RBF神经网络推广使用的瓶颈问题,本文尝试使用最近邻聚类方法选取径向基函数的中心,隐层中心数随精度可变,从而避开K均值法依赖于聚类中心的初始位置,易陷入局部极小点的缺点。实验结果表明,该模型预报的终点钢水温度和终点碳含量精度较高。 在预报模型的基础上,利用BP神经网络的非线性映射能力,建立一个基于BP网的内模控制模型,该模型利用动态控制方法计算终点控制期间需要加入的冷却剂量和吹氧量。实验结果表明,该方法克服了传统控制方法中基于热平衡和氧平衡控制模型不准确的缺点,提高了终点命中率。