纪俊红，马铭阳，昌润琪

（辽宁工程技术大学 安全科学与工程学院，辽宁 葫芦岛 125000）

硫作为钢材中有害元素之一，严重影响钢材的品质。采用炉外铁水预处理脱硫，是提高产品质量和生产效率必不可少的过程，钙镁复合喷吹法广泛应用于各大钢铁企业。应用该法在脱硫过程中，钙镁比、喷吹压力、载气量和脱硫剂添加量以及进站铁水初始参数和终点硫含量密切关联，在实践中受众多因素的影响，终点硫含量可能会偏离期望值，不仅增加设备的负担，更无法满足钢种的要求。为此，根据铁水脱硫过程中各因素指标构建快速有效的脱硫率预测模型有非常重要的意义。已有文献从脱硫机理和操作参数对脱硫效率的影响进行了大量的研究，得到了很多经验公式和回归模型［1-6］，但由于铁水脱硫过程的作用机理复杂，这些模型存在一定的局限性。随着机器学习的广泛发展，机器学习算法应用到钢铁精炼中［7-10］。南蓉［8］引入K均值聚类分割算法，提出基于图像分割的卷积神经网络模型的KR法预测脱硫状态；Vuolio［9］等提出基于碳化物基脱硫剂的铁水脱硫预测模型，采用二进制编码和整数编码相结合的遗传算法优化了神经网络，组成了一个具有单隐层的前馈神经网络模型；Brahma［10］等在基于钙剂的炉外铁水脱硫率预测方面，对自适应神经网络模型进行了优化，使神经网络的泛化能力得到提高。上述学者从实践出发，对不同铁水脱硫过程中的各种操作参数进行了预测研究，而对广泛应用的钙镁复合喷吹法铁水脱硫过程的脱硫率预测模型仍需进一步具体研究。……