Çelikhane (BOF) tesisinde yapay sinir ağı (ANN) uygulamaları ile karbon (C) ve fosfor (P) tahmini

Günümüz teknolojinde ürün kalitesinin sürekliliği ve verimli çalışma için süreçlerin nihai durumunu tahmin eden modeller geliştirilmekte ve kullanılmaktadır. Üzerinde çalışılan sistemin detayı ve tüm çalışma prensipleri bilindiğinde modeller daha güçlü yanlışsız ve kesin olmaktadır. Çelik Üretim gibi sürecin bilinmesine rağmen modellemenin zorlayıcı olduğu süreçlerde bulunmaktadır. Yüksek Fırın ve Basic Oxygen Furnace (BOF) gibi tesislerdeki sıvı, metal ve gaz tepkimelerinin yer aldığı ve nihai ürünün durumunu etkileyen birçok girdinin olduğu zorlu süreçlerde modelleme yapmak güçleşmektedir. Bu çalışmamızda BOF konvertöründe üfleme sonu TSO ve üfleme içi TSC probu ile ölçüm yapma anlarındaki fosfor ve karbon değerlerinin tahmini için Matlab programı ile öğrenme algoritması Scaled Conjugate Gradient olan geri yayılımlı çok katmanlı sinir ağı önerilmiştir. Giriş verisinin rastgeleliğinin ve doğruluğunun sağlanması için tek bir konvertörden tesis bazlı metalürjik etkileşimler, konvertörün alttan karıştırma durumu göz önüne alınarak veri seçimi ve homojen bir öğreneme ortamı için10 Fold cross Validation tekniği kullanımı sağlanmıştır. Yapay sinir ağı modeli sonuçlarımızda TSC anı tahminlerde ±0,02 hata aralığında %83 tutarlılıkla fosfor, ±0,15 hata aralığında %93 tutarlılıkla karbon değeri gözlemlenmiştir. TSO anı tahminlerinde ise ±0,025 hata aralığında %89.4 tutarlılıkla fosfor, ±0,01 hata aralığında %92 tutarlılıkla karbon değeri gözlemlenmiştir.