张聪聪, 邓小旋, 刘洋, 李海波, 周海忱, 吉猛
保护渣是连铸生产中重要的功能材料,为了准确、快速和低成本地获得保护渣的理化性能,基于实验室检测获得的保护渣成分、熔点、熔速和黏度数据,采用BP神经网络结合粒子群优化算法(PSO)建立了保护渣理化性能预测模型。选取13个未进行训练的测试样本检验PSO-BP模型的预测精度,结果表明,与BP神经网络预测模型相比,熔点、熔速和黏度的平均绝对误差MAE分别由8.9 ℃、4.7 s和0.012 Pa·s降低至8.1 ℃、2.8 s和0.010 Pa·s,并且单个样本的误差波动降低,整体预测精度提高。基于此模型,研究了单一或多个保护渣成分改变对理化性能的影响,通过控制其它成分不变,当碱度由0.8增加至1.2,黏度值由0.23 Pa·s降低至0.18 Pa·s。此外,展示了Al2O3和MgO单一变量调整以及同时变化对保护渣黏度性能的影响,模型计算结果与实际理论规律相符,表明基于PSO-BP神经网络的保护渣预测模型可应用于保护渣的开发与研究,缩短研发周期,降低成本。