炉况顺行是保证高炉铁水产量与质量的关键所在,炉缸热状态则是表征高炉顺行的重要指标。由于高炉过程的复杂性,精确掌握炉内温度分布尚不可能,通常需要通过铁水硅含量来间接地反映炉缸温度水平及其变化趋势。在冶炼过程中及时准确地掌握铁水中硅含量并对铁水硅含量的变化趋势做出较为精确的预测,就可以及时采取调节措施、稳定炉缸温度、减少炉况异常。因此,建立高炉铁水硅含量预报模型具有重要的理论和现实意义。本研究根据唐钢二铁厂3号高炉生产技术水平,结合部分专家知识,利用BP神经网络建立了高炉铁水硅含量神经网络预报模型。论文的主要内容及结论包括:(1)预测高炉热状态的数学模型、专家系统和神经网络模型的比较研究。将神经网络与部分专家知识有机结合建立铁水硅含量预测模型具有广阔的应用前景;(2)BP神经网络模型的建立。网络结构确定为24-14-1;利用Delphi专家调查法确定网络模型的24个输入参数,并将时序性引入输入参数,增强了模型的在线预测能力;(3)神经网络模型的离线预报。利用150组样本对神经网络进行训练,由训练得到的权值矩阵构建出预测铁水硅含量的神经网络模型;连续70组样本离线预测结果表明:当误差小于0.1%时,固定式和修正式预报命中率均达到100%;误差小于0.05%时,固定式和修正式预报命中率分别为82.9%和84.3%;(4)神经网络模型的在线预报。利用修正式预报模型跟踪3号高炉,实现在线预报210组样本,预报命中率在85%以上;通过对神经网络模型的分析发现,我们不能直接利用神经网络模型对铁水硅含量进行控制,因此在控制铁水硅含量的系统中,引入了高炉升温和降温的专家规则,用以现场调剂操作的指导。(5)模型功能的实现。利用VB语言开发铁水硅含量预报系统软件,整个软件系统分为训练、预测、指导和帮助四大部分,具有模型自建、离线和在线预测、现场操作指导的功能。