李廷刚， 陈 勇， 郑 伟， 马仲群， 孙建鹏， 毛 勇

（五矿营口中板有限责任公司， 辽宁 营口 115000）

脱氧合金化作为转炉五大制度之一其操作精度的好坏直接影响着板坯的质量及吨钢成本。现阶段大多数钢厂对合金收得率的预测都是通过经验判断，对各钢种的收得率进行统一估值，忽略了现场其他条件对合金元素收得率的影响，钢厂应用的转炉冶炼操作模型大多未设计合金收得率预测模型。开发合金收得率预测模型，可起到提高合金配加精度的作用。

1 BP神经网络

BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程[1]。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层、隐层和输出层，如图1所示。本文应用神经网络的函数逼近功能，以影响收得率的各项参数为输入向量，以相应炉次的合金收得率为输出向量，训练数值仿真函数对合金收得率进行预测。

图1 神经网络模型拓扑结构

2 模型的建立与验证

合金进入钢液后部分溶于钢液，部分被钢中氧所氧化并溶于渣中。根据专家的经验以及对合金配加过程进行分析可得，合金收得率主要由终点C含量、Si含量、氧含量、终点出钢温度等因素决定[2]。因此本文以这4个参数作为合金收得率预测模型的变量，输出变量为合金收得率。……