关键词：转炉炼钢;终点锰预测;奇异谱分析;长短期记忆网络;预测方法
摘 要：锰是钢铁中重要的合金元素，加入适量锰元素能提高钢铁的性能.在转炉炼钢过程中锰元素的含量直接影响钢铁质量，锰元素加入过少会导致钢铁产品的硬度和强度不足，锰元素加入过量会导致钢铁过脆和生产成本增加.因此，合适的锰元素添加量对提升钢铁质量与减少冶炼成本具有重要意义.转炉炼钢过程中锰元素的添加量主要通过终点锰预测的结果来确定，然而，终点锰含量多少受到多个因素的综合影响，其中包括氧化反应进程和合金中其他元素的添加量，影响因素呈现非线性、高耦合的特征，导致终点锰预测难度大.针对转炉炼钢终点锰预测过程中数据有含噪声、强耦合性等问题，提出了一个转炉炼钢终点锰含量预测研究架构，基于长短期记忆网络(Long Short-term memory, LSTM)预测模型，引入奇异谱分析(Singular spectral analysis, SSA)方法去除终点锰预测过程中非线性、非平稳序列的高频噪声，提出了一种基于SSA-LSTM的终点锰含量预测方法.利用河北敬业钢铁有限公司转炉炼钢生产数据验证所提预测方法的平均绝对误差为1.19%，均方根误差为1.48%.结果表明，该方法能够解决数据存在较多噪声及非线性等问题；与已有的时间序列预测方法相比，经过SSA处理的预测误差均有所减小，证明了该方法的有效性，为实际生产过程中精准加入合金提供了依据.
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取