Изучение возможностей применения нейросетевых моделей для прогнозирования качества чугуна

Abstract

Современное производство чугуна основывается на высокотехнологичном контроле качества металла. Несмотря на значительные успехи в этой области, одним из ключевых вопросов остается прогнозирование химического состава чугуна на выходе из доменной печи. В статье рассмотрены возможности применения нейросетевых моделей для прогнозирования содержания кремния в чугуне. Успешные результаты прогноза кремния в чугуне с использованием рекуррентного многослойного персептрона на примере ДП № 5 АО «ЕВРАЗ НТМК» позволяют рекомендовать применение нейросетевых моделей для оптимизации технологии доменной плавки и повышения ее эффективности благодаря более совершенному контролю химического состава чугуна.

Modern pig iron production is based on hightech metal quality controls. Despite significant advances in this area, one of the key issues remains in the prediction of the chemical composition of pig iron at blast furnace process. This study examined the application of neural network models to the prediction of silicon content in pig iron. Successful prediction of silicon in pig iron using recurrent multilayer perceptron on the example of BF № 5 of the JSC «EVRAZ NTMK» recommends the use of neural network models for optimization of blast furnace technology and increases its efficiency by better control of the chemical composition of pig iron.