熔渣黏度論文：高爐熔渣黏度測定探究

前言：本站為你精心整理了熔渣黏度論文：高爐熔渣黏度測定探究范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

本文作者：成日金1倪紅衛1李先旺2朱文淵2熊敬超2何環宇1張華1作者單位：1武漢科技大學鋼鐵冶金及資源利用省部共建教育部重點實驗室2武漢都市環保工程技術股份有限公司

黏度測定

通過RTW－10型熔體物性綜合測定儀測定國內某3個廠的4種高爐渣，實驗用渣的主要化學成分如表2所示，測定黏度與溫度的關系如圖2所示。由圖2可看出，高爐渣黏度隨溫度的降低而升高，黏度曲線符合堿性渣的特性要求。

模型預測分析

以圖2中4條曲線較均勻地取93個實驗數據點作為驗證集，用于在神經網絡訓練的同時監控網絡的訓練過程。通過對高爐渣作仿真預測，得到高爐渣黏度的預測值。預測誤差范圍如表3所示，高爐渣黏度預測值與測量值的數據對比如圖3所示。由表3和圖3可看出，采用BP神經網絡模型對4種高爐渣黏度預測的最大相對誤差分別為9．87％、13．92％、5．20％和9．54％，它們的平均相對誤差分別為2．75％、2．83％、1．31％和3．02％，總平均誤差為2．36％，誤差均控制在一個很好的水平以內。因此，BP神經網絡模型對黏度的預報值有著較高的準確性。

結論

（1）應用BP神經網絡建立高爐熔渣黏度預測模型并對其黏度進行預測，預測結果的總平均誤差為2．36％，預測結果與實驗結果相吻合。

（2）采用試湊法后發現，盡管隱含層神經元個數增多，但單隱層神經網絡收斂速度仍然較慢，可通過增加隱含層數量對其進行改善。