To make fine adjustments to the steel composition alloy additions are added to the crude steel to adjust composition for the grade of steel being manufactured. The prediction of hot metal composition is a crucial factor in the economy of ladle furnace operation. Usually it is made by calculations based on the equilibrium of chemical reactions in molten steel. In the paper the problem of prediction of alloy additions has been solved using Artificial Neural Nets (ANN’s) and the SVM algorithm. A brief state of the art review of the application of computational intelligence (CI) in secondary steelmaking has been made. The prediction system used by authors has been introduced. Problems with data preparation have been presented. Details of the neural network prediction and other approaches to the prediction problem, i.e. Support Vector Regression Module and Multivariate Linear Regression have been introduced. Experimental results and the final conclusions and recommendations have been presented.
Dla uzyskania żądanego składu chemicznego stali wprowadzane są do niej w procesie produkcji dodatki stopowe. Precyzyjne przewidywanie końcowego składu chemicznego produkowanej stali jest niezwykle ważne dla ekonomicznego prowadzenia procesu w piecu kadziowym. Zwykle obliczenia są prowadzone w oparciu teorię procesów chemicznych zachodzących w ciekłej stali w warunkach równowagi. W pracy problem przewidywania masy dodatków stopowych koniecznych do uzyskania żądanego składu został rozwiązany przy użyciu sztucznych sieci neuronowych i algorytmu maszyny wektorów podpierających (SVM). Opisano opracowany model inteligentny obliczania dodatków. Przedstawiono zbudowane moduły tego systemu: sieci neuronowe, SVM, regresję liniową wielu zmiennych. Omówiono zagadnienia preprocesingu danych do uczenia modułów inteligentnych. Przedstawiono uzyskane wyniki, wnioski wyciągnięte z badań oraz efekty uzyskane w rzeczywistych warunkach przemysłowych.