مدل پیش‌بینی سرباره در یک فرایند کوره قوس الکتریکی برای تولید فولاد ویژه

در صنعت فولاد، پارامترهایی وجود دارد که اندازه گیری آنلاین آن ها به دلیل برخی مشکلات فنی، دشوار است. در این موارد، سنسورهای نرم که ابزارهای آنلاینی، با هدف پیش بینیِ متغیرهای ثابت هستند، نقشی اجتناب ناپذیر در کنترل کیفیت ایفا می کنند. در این پژوهش، سنسورهای نرم مختلفی به منظور پرداختن و حل مشکل پیش بینیِ میزان و ترکیب سرباره در فرایند قوس های الکتریکی توسعه داده شدند. نتایج، شواهدی مبتنی بر این که مدل ها عملکرد بهتری برای داده های شبیه سازی شده نسبت به داده های واقعی داشتند، ارائه می دهند. نتایج همچنین نشان می دهد که پیش بینیِ ترکیب سرباره در مقایسه با کمیت سربارۀ اندازه گیری شده دقت بیشتری دارد.