استفاده از شبكه عصبي عميق بر اساس يادگيري چندمنظوره جهت بهبود فرآيند ذوب و كاهش مصرف انرژي و مواد افزودني در كوره قوس الكتريكي

اين پژوهش با هدف بهبود فرآيند ذوب در كوره قوس الكتريكي با بررسي ميزان مواد افزودني با توجه به شاخص هاي الكتريكي و كيفيت سرباره پفكي مسئله اي را مطرح نموده است. راهكار ارائه شده جهت حل اين مسئله با توجه به فرآيند پوياي ذوب، استفاده از هوش مصنوعي مي باشد كه ميزان مواد افزودني به حمام مذاب را بگونه اي تعيين مي نمايد تا به كاهش مصرف انرژي و همچنين دست يابي به سرباره مطلوب و در نهايت بهبود ذوب، منجر گردد. شبكه عصبي در نظر گرفته شده در اين پژوهش، براساس داده هاي مربوط به پارامترهاي واقعي توليد مذاب در كوره قوس يكي از واحدهاي توليد كشور آموزش داده شده است. اين شبكه مي تواند با استفاده از هارمونيك هاي جريان، دبي مناسب تزريق اكسيژن، كربن، دولوميت و آهك به كوره جهت حصول ذوب بهينه بصورت خودكار تعيين نمايد. نتايج حاصل از شبيه سازي، حاكي از عملكرد بهينه شبكه طراحي شده نسبت به عملكرد اپراتور ماهر كوره به ميزان حدوداً ٪۷ مي باشد.