استفاده از شبکه عصبی عمیق بر اساس یادگیری چندمنظوره جهت بهبود فرآیند ذوب و کاهش مصرف انرژی و مواد افزودنی در کوره قوس الکتریکی

این پژوهش با هدف بهبود فرآیند ذوب در کوره قوس الکتریکی با بررسی میزان مواد افزودنی با توجه به شاخص های الکتریکی و کیفیت سرباره پفکی مسئله ای را مطرح نموده است. راهکار ارائه شده جهت حل این مسئله با توجه به فرآیند پویای ذوب، استفاده از هوش مصنوعی می باشد که میزان مواد افزودنی به حمام مذاب را بگونه ای تعیین می نماید تا به کاهش مصرف انرژی و همچنین دست یابی به سرباره مطلوب و در نهایت بهبود ذوب، منجر گردد. شبکه عصبی در نظر گرفته شده در این پژوهش، براساس داده های مربوط به پارامترهای واقعی تولید مذاب در کوره قوس یکی از واحدهای تولید کشور آموزش داده شده است. این شبکه می تواند با استفاده از هارمونیک های جریان، دبی مناسب تزریق اکسیژن، کربن، دولومیت و آهک به کوره جهت حصول ذوب بهینه بصورت خودکار تعیین نماید. نتایج حاصل از شبیه سازی، حاکی از عملکرد بهینه شبکه طراحی شده نسبت به عملکرد اپراتور ماهر کوره به میزان حدوداً ٪7 می باشد.