高炉是一个巨大的反应器,炉内进行着一系列复杂的物理化学反应,而温度是保证这些反应顺利进行的关键。在正常的冶炼条件下铁水含硅量与炉温成正比,即:铁水含硅量越高,炉温越高,反之亦然。实际高炉操作中,铁水硅含量是重要的指标。预测出铁水含硅量,一方面可以判断高炉是否顺行,另一方面可以将铁水含硅量控制在较低水平,从而降低焦比及生铁成本、为后续转炉冶炼纯净钢创造有利条件。目前,高炉的地位不断受到各种新炼铁法强有力的挑战。为了加强高炉的竞争能力,高炉冶炼必须采用质量优良的原燃料和先进而可靠的设备,特别是开发建立高性能的计算机控制系统对高炉过程实行有效的控制。高炉过程的极端复杂性、检测信息不完全性、反应迟钝、可控范围狭窄等特性给高炉专家系统的研究开发带来了相当大的困难。人们研制高炉过程控制模型也经历了由简单分析到定量计算、由单一方法到多种综合的过程。随着人工智能的发展,专家系统和神经网络技术引入了高炉模型,并对不确定信息进行模糊推理,克服了高炉数学模型灵活性和适应性差的缺点。特别是神经网络以其自学习和模糊识别功能在高炉冶炼过程中得到了广泛的应用。当然,神经网络也存在着对其推理机制无法解释的“不透明”问题。目前,人们开始研究将数学模型、专家系统和神经网络结合起来,建立更适合高炉生产实际的过程控制模型。本研究旨在利用BP神经网络,与部分专家规则结合构建出铁水硅含量预测与控制模型。神经网络预测模型利用VB语言开发出实用程序,用access开发相关数据库。利用津西钢铁集团公司5#高炉的实际生产数据对网络进行系统学习、模拟预测和控制,进一步分析预测结果,分析可控参数及中间参数与铁水硅含量的定性及定量关系、制定控制规则,从而构建出完整的铁水硅含量预测与控制的神经网络模型。本模型仿真预测采用了固定式和修正式预测两种方法,在相同系统误差条件下,固定式预测命中率为75%,修正式预测命中率为80%。说明修正式预测方法较好,也充分说明本模型的在线性前景好。结果显示:在高炉稳定状态时([Si]大于0.4小于0.8时),模型预测命中率在90%以上;焦比、焦批重、风温、风量、透气性指数、炉渣碱度、渣中FeO、铁水含硫量等参数对硅含量的影响,与理论分析一致。