在現(xiàn)代鋼鐵企業(yè)中，高爐原料的燒結過程是其中重要的生產工序。燒結礦堿度穩(wěn)定性直接影響到燒結礦的質量和產量，但由于燒結生產過程非常復雜，很難用一組較為準確的數(shù)學模型進行描述。加之過程所具有的大時滯性和動態(tài)時變性，采取一些依賴于對象數(shù)學模型的傳統(tǒng)控制理論和方法難以解決燒結礦堿度的波動問題。因此長期以來，燒結礦堿度的控制一直是鋼鐵企業(yè)中的一個難點。據(jù)此提出利用灰色關聯(lián)分析和BP 神經網(wǎng)絡建立燒結礦堿度的預報模型。通過對現(xiàn)場實際數(shù)據(jù)進行仿真，表明該方法魯棒性強，準確性高，泛化能力廣，具有很強的實用性和推廣價值。
燒結礦堿度的穩(wěn)定直接影響高爐生產的穩(wěn)定。實驗數(shù)據(jù)表明，燒結礦堿度波動范圍由±
0.1％降到±0.05％，高爐利用系數(shù)可提高2.5％，焦比可降低1.3％。因此，穩(wěn)定燒結礦堿
度，對強化高爐冶煉和增鐵節(jié)焦有著十分重要的意義。目前，我國燒結廠對燒結礦堿度的控制，主要是通過每兩小時一次的燒結礦采樣分析，根據(jù)分析結果和質量指標要求，調整混合料中的有關成分來實現(xiàn)的。然而，原料經過下料、混合、布料、點火燒結到成品冷卻、整粒、取樣等工序，待觀察到調節(jié)效果一般需3～4小時之久。如此大的時間滯后，采用傳統(tǒng)的控制方法，很難實現(xiàn)燒結礦堿度的準確控制。本文建立了基于BP網(wǎng)絡神經網(wǎng)絡的燒結礦堿度的預報模型。應用神經網(wǎng)絡的BP算法對燒結礦的堿度進行預測，可以大大提高預測精度，而且模型具有較好的魯棒性和泛化能力。