-50 引言
节
能
ENERGYCONSERVATION
BP人工神经网络
在钢铁生产过程信息流分析中的应用
李桂琴，乔非，李莉
（同济大学电子与信息工程学院，上海201804）
2012年第1期（总第352期）
摘要：钢铁企业生产过程的信息流蕴藏着丰富的生产工艺规律。BP人工神经网络广泛用于信息流分析中，将其机括为四个方面；过程状态参数预测、产品性能参数预测、能耗信息预测和原材料参数优化。分别介绍相关研究和应用工作，指出应用流程中存在的不足，并给出规范流程。最后给出某大型钢铁企业新区焦炉单元的日能耗预测实例，验证了BP人工神经网络在钢铁生产过程信息流分析中的作用和应用流程的有效性。
关键调：钢铁生产过程；信息流分析；BP人工神经网络；应用流程
中图分类号：TP18;TF7文献标识码：A文章编号：1004-7948(2012)010050-06 doi;103969/j. issn. 1004 7948.2012.01.013
来，汇入到企业生产的整个“信息流”中。当设备状态稳定、工人操作规范时，对“信息流”的分析一
钢铁企业在生产过程中积累了大量的数据，这些数据反映着生产工艺参数之间的相互作用和关联，隐含着生产工艺规律的丰富信息，因此生产过程也可视为“信息流动过程”。通过对“信息流”规律的分析和揭示，指导生产的科学管理和优化运行，称为基于“信息流”观点的"软技术”[1]。钢铁企业的生产过程“信息流"参数之间--般都具有非线性、不确定性、大时延、时变和强耦合等特性，很难用机理分析或系统辨识的方法获得足够精确的数学模型。人工神经网络具有很强的自适应学习能力，较强的容错能力和鲁棒性，而且可以逼近任意非线性函数2}，因此在钢铁企业生产过程的信息分析中获得了广泛的应用[3-8]，其中BP神经网络应用最为广泛。
传统上，钢铁生产过程中的“信息流”一般可分为四类，包括设备参数、操作参数、原燃料参数和过程状态参数等"]。随着智能技术在钢铁产品性能预测和控制中的应用[4]，钢铁企业节能从单体节能和结构节能转向系统节能[9，产品性能参数和能耗信息与其他参数的影响和关联变得紧密起
基金项目：安徽省钢铁产业技术创新规划研究项目（项目编号：
09020203014)
般包括目标函数分析、时间序列分析、原燃料条件分析、产品性能分析和系统综合分析等("]。文献中利用ANN对“信息流”的分析概括起来有如下4 方面：过程状态参数预测、产品性能参数预测、能耗参数预测以及原燃料参数优化等，如图1所示。
优化
优化
原燃料参数
设备参数预测过程状预测产品控预测
态参数
操作参数
能参数
一能耗参数
图1钢铁企业生产过程"信息流”及ANN在其中的作用 1BP人工神经网络在钢铁生产过程信息流分析中的应用
1.1BP神经网络在过程状态参数预测中的应用
要实现烧结终点的实时优化控制，首先要建立烧结终点的预报模型，对烧结终点状态进行实时准确的预报10]。文献[11]中选取对烧结终点有主要影响的台车速度、点火温度、布料温度以及二混水分作为烧结终点预报的输人，输出取烧结终点温度。文中为了解决传统BP神经网络算法权值的