بهبود کیفیت سرباره و کاهش مصرف انرژی در کوره قوس الکتریکی با استفاده از شبکه عصبی بر مبنای بار فلزی متداول در ایران

در این پژوهش، روشی بر اساس یادگیری چند منظوره، جهت بهبود کیفیت سرباره پفکی در کوره قوس الکتریکی با استفاده از شاخص های الکتریکی و آنالیز مواد اولیه، ارائه می گردد. بدین منظور از شبکه عصبی استفاده شده و این شبکه با استفاده از داده های مربوط به پارامترهای واقعی تولید مذاب در کوره قوس، آموزش داده می شود. بر اساس آموزش داده شده، این شبکه می تواند با استفاده از پارامترهای الکتریکی اعم از هارمونیک های جریان ، دبی مناسب تزریق اکسیژن و کربن به کوره جهت حصول سرباره بهینه را در طی فرآیند ذوب، بصورت خودکار تعیین نماید. نتایج حاصل از شبیه سازی های انجام شده حاکی بر این موضوع می باشد که درصد بهبود عملکرد شبکه عصبی نسبت به اپراتور 7 درصد می باشد.