پیش بینی استحکام گندله آهن ساخته شده در کارخانه سه چاهون با استفاده از ترکیب تحلیل مولفه های اصلی و شبکه عصبی مصنوعی

استحکام فشاری در دمای محیط گندله‌ها، که تحت تاثیر عوامل متعددی قرار دارد، به‌عنوان یکی از شاخص‌های کلیدی در ارزیابی کیفیت گندله طی فرایندهای متالورژیکی شناخته می‌شود. در این پژوهش یک مدل پیش‌بینی مبتنی بر شبکه عصبی مصنوعی ارائه گردیده است تا استراتژی کنترلی مطمئن و اقتصادی برای پایش و پیش‌بینی استحکام فشاری گندله‌ها در خط تولید کارخانه گندله سازی سه چاهون فراهم شود.برای این منظور، 19 عامل موثر بر استحکام فشاری گندله شناسایی و ابعاد داده‌ها با روش تحلیل مولفه‌های اصلی کاهش یافته است. متغیرهای حاصل از pca به‌عنوان ورودی شبکه عصبی پس‌انتشار خطا مورد استفاده قرار گرفته و این شبکه توسط الگوریتم ژنتیک بهینه‌سازی شد. در نهایت، استحکام فشاری گندله به‌عنوان متغیر خروجی تعریف گردید. پس از آموزش و آزمون با داده‌های عملیاتی واحد تولیدی، شبکه عصبی pca–ga–bp توسعه یافت. علاوه‌براین، تحلیل حساسیت ورودی‌ها به‌منظور تعیین نقش هر عامل بر استحکام فشاری گندله‌ها انجام شد. نتایج نشان داد که دقت پیش‌بینی شبکه عصبی pca–ga–bp حدود 96٫4٪ است، که بیانگر کارایی بالای این مدل در پیش‌بینی استحکام فشاری گندله در فرایند گندله‌سازی است.