Título

PREVISÃO DE VISCOSIDADE DOS SISTEMAS DE ESCÓRIAS C-A-S E C-A-S-M POR MEIO DE UMA REDE NEURAL ARTIFICIAL

VISCOSITY PREDICTION OF C-A-S AND C-A-S-M-SLAG SYSTEMS BY MEANS OF AN ARTIFICIAL NEURAL NETWORK

Autoria

Heck, Guilherme Carvalho; Silva, Aline Lima da; Heck, Nestor Cezar

DOI

10.5151/1516-392X-31538

Downloads

Baixar Artigo 144 Downloads

Resumo

Escórias são de fundamental importância na produção de aço, influenciando profundamente sua qualidade; dentre as diversas propriedades das escórias de aciaria, a viscosidade figura como a mais importante. A viscosidade é função da composição e temperatura da escória sendo determinada experimentalmente ou através de modelos matemáticos. Neste trabalho, um estudo foi realizado para determinar a viscosidade por meio de uma rede neural artificial, usando o software Weka desenvolvido na Universidade de Waikato. Weka oferece vários algoritmos para aprendizado de máquina, incluindo aqueles para treinamento da rede neural. Neste estudo, o modelo do perceptron de múltiplas camadas foi empregado, e o treinamento foi realizado por meio do algoritmo de retro-propagação. Para esta análise introdutória, a composição das escórias escolhidas está compreendida no sistema quaternário de óxidos CaO-SiO2-Al2O3-MgO- (também conhecido como C-S-A-M) e o ternário C-S-A, enquanto a temperatura é mantida constante a 1600 °C. Devido às facilidades oferecidas, os dados de entrada de viscosidade primária para as escórias selecionadas foram fornecidos pelo software FactSage – ferramenta computacional especializada na área de termodinâmica metalúrgica (dados da literatura ou experimentais também podem ser utilizados). Um sistema refinado preditivo para a viscosidade foi estabelecido por redes neurais artificiais com coeficiente de correlação entre os valores previstos e calculados (R2) maior do que 0,99 para ambos sistemas. O modelo pode ser de utilidade para a indústria siderúrgica e pode contribuir para a produção de aços de qualidade.

 

Slags are of fundamental importance in the steel production, influencing deeply its quality; among the several properties of steelmaking slags, viscosity stands out as one of the most important. Viscosity is a function of slag composition and temperature and is determined experimentally or using mathematical models. In this work a study is made to determine viscosity by means of an Artificial Neural Network using Weka software developed at the University of Waikato. Weka offers several algorithms for machine learning, including those for neural network training. Here, the Multilayer Perceptron model (MLP) was used and training was carried out by means of the error back-propagation algorithm. For this introductory analysis, the composition of the chosen slags falls within the most frequently used quaternary oxide system CaO-MgO-SiO2-Al2O3 (also known as C-S-A-M) and the ternary C-S-A, while the temperature is kept constant at 1600 °C. Because of the facilities offered, the primary viscosity input data for selected slags was provided by means of FactSage – a software specialized in the field of metallurgical thermodynamics (nevertheless, literature or experimental data can be used as well). A refined predictive system for viscosity could be established by ANN with correlation coefficients between predicted and observed values (R2) greater than 0.99 for both systems. The model can be of benefit to the steel industry and may contribute to the production of quality steels.

Palavras-chave

Rede neural artificial; Viscosidade; Escórias; Sistema C-S-A-M

Artificial neural network; Viscosity; Slags; C-S-A-M system