电弧炉炼钢利用电能作为热源进行冶炼,可冶炼特殊工具钢、高合金钢等化学成分及力学性能要求严格的钢种。与转炉炼钢相比,电弧炉炼钢具有炉内气氛可控、钢液温度可灵活控制、热效率高、设备简单、工艺流程短等优点。除此之外,电弧炉炼钢利用废钢作为原材料,有效解决了废钢污染及炼钢矿石紧张等问题。随着各国环保意识的增强,电弧炉炼钢更加具有竞争力。课题以达力普公司电弧炉冶炼工艺为研究背景,采用BP神经网络算法,利用Visual Basic 6.0程序设计语言进行仿真平台设计,建立优化配料模型、钢水温度预报模型、终点成分预报模型等智能控制模型,实现人机一体化。建立元素收得率动态数据库,实时准确地获取不同钢种中各元素的收得率,并在确保出钢成分的前提下,以成本最低原则,建立优化配料模型。建立能量平衡模型,为后期温度预报模型提供理论依据。预报模型建立过程中,通过对算法的分析与改进,确定适合本模型的算法,并对模型中各参数进行分析,结合现场实际情况,最终确定适合本模型的网络结构、输入和输出参数。加入数据筛选模块,有针对性的对模型进行训练,提高模型预报精度。本课题采用达力普公司2000炉数据作为预报模型的研究数据,通过前期对数据的预处理,最终确定1550炉训练样本和50炉测试样本。分别对终点成分预报模型和钢水温度预报模型进行验证,通过对模型的训练与测试,本课题得出以下结论:(1)运用优化配料模型可使吨钢入炉炉料的成本降低2.46%～7.65%,平均降低5.31%;(2)对终点成分预报模型进行验证,得出终点C元素质量分数的均方误差为0.0418%,预报值与实际值的最小误差为0.0045%,最大误差小于0.079%,误差值小于0.02%的命中率为66%,误差值小于0.05%的命中率为94%。终点P元素的质量分数的均方误差为0.0033%,预报值与实际值的最小误差为0.0009%,最大误差小于0.0057%,误差值小于0.003%的命中率为84%,误差值小于0.004%的命中率为94%;(3)对钢水温度预报模型进行验证,其均方误差为0.0362%,有6%炉次的误差绝对值小于2℃,96%炉次的误差绝对值小于12℃。最后,对本模型误差的产生原因进行分析与讨论。通过对模型的验证,本模型对实际应用有一定的合理性与指导意义。