真空感应炉是生产超纯净钢及冶炼镍基高温合金、特种合金材料的重要设备,在航天、航空、军工,化工等领域的材料生产中起着重要作用。在真空感应炉冶炼生产过程中,钢水的出钢温度和碳含量等终点参数直接影响到后续生产工艺甚至出钢的质量,关系到真空感应炉能否高效、低消耗地运行。然而,由于炼钢过程是高温、强腐蚀的过程,使得钢水温度和成分的测量比较困难,这对保证炼钢过程高效率、高质量运行是非常不利的。因而终点预报在炼钢过程中起到非常重要的作用。 本文在查阅了大量国内外相关文献的基础上,首先综述了终点预报的方法及其研究现状。然后通过对真空感应冶炼工艺机理的深入分析以及对神经网络算法的研究,建立了基于RBF神经网络的终点预报模型。 文中分别对终点温度及终点碳含量预报模型的建立及网络的训练作了详细的介绍。在此基础上给出了可以进行误差校正的二次预报方法。采用该方法,可在第一次预报时初步计算出冶炼到达炼终点的时间及终点的温度或碳含量。再经过二次预报,进行校正误差,使结果更加精确。结合现场120组数据对终点温度及碳含量值分别进行了学习和预报,预报命中率都较高,实验结果表明采用该方法预报终点参数可以取得良好的效果,对实际生产具有一定的指导意义。