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 گندله ها که تحت تاثیر عوامل متعددی قرار دارد به عنوان یکی از شاخص های کلیدی در ارزیابی کیفیت گندله طی فرایندهای متالورژیکی شناخته می شود. در این پژوهش یک مدل پیش بینی مبتنی بر شبکه عصبی مصنوعی ارائه گردیده است تا استراتژی کنترلی مطمئن و اقتصادی برای پایش و پیش بینی استحکام فشاری گندله ها در خط تولید کارخانه گندله سازی سه چاهون فراهم شود. برای این منظور ۱۹ عامل موثر بر استحکام فشاری گندله شناسایی و ابعاد داده ها با روش تحلیل مولفه های اصلی کاهش یافته است. متغیرهای حاصل از PCA به عنوان ورودی شبکه عصبی پس انتشار خطا مورد استفاده قرار گرفته و این شبکه توسط الگوریتم ژنتیک بهینه سازی شد. در نهایت استحکام فشاری گندله به عنوان متغیر خروجی تعریف گردید. پس از آموزش و آزمون با داده های عملیاتی واحد تولیدی شبکه عصبی PCA-GA-BP توسعه یافت، علاوه بر این تحلیل حساسیت ورودی ها به منظور تعیین نقش هر عامل بر استحکام فشاری گندله ها انجام شد. نتایج نشان داد که دقت پیش بینی شبکه عصبی PCA-GA-BP حدود ۹۶.۴ است که بیانگر کارایی بالای این مدل در پیش بینی استحکام فشاری گندله در فرایند گندله سازی است.

کلیدواژه ها:

گندله ، سنگ آهن ، استحکام فشاری ، مدل پیش بینی ، شبکه عصبی مصنوعی ، تحلیل مولفه های اصلی