对于绝大多数钢种来说磷是有害元素,冶炼过程中需要将其去除到尽可能低的限度;终点余锰高,可以减少合金化的锰铁用量。准确控制终点成分对于提高钢水质量降低炼钢成本具有重要意义,因此要对转炉终点的磷、锰含量进行准确的预报和控制。文章分析了转炉冶炼终点控制技术的发展及概况,考虑到我国钢铁企业所使用的转炉多为中小型转炉,因容量小无法采用动态控制技术。而传统的静态控制模型计算精度差,目标命中率低,实际生产中的应用效果不好。所以本文充分利用最近发展起来的人工神经网络技术,以Visual Basic 编程语言为工具,建立了基于神经网络的转炉冶炼终点静态预报模型。根据现场冶炼过程和数据,研究了转炉冶炼终点锰、磷含量的影响因素,确定了预报模型的控制变量,对常用的BP 算法进行改进,分别建立了基于神经网络的终点锰、磷预报模型。模型选取邢钢转炉车间现场200 炉实际生产数据为样本,分别以影响转炉冶炼终点锰、磷的30 个影响因素为输入变量,取0.01 为学习速率,0.8 为动量因子,建立三层30-33-1 结构的BP 算法神经网络模型,对终点锰、磷含量进行预报。使用预报模型对转炉冶炼终点锰、磷含量进行预报,均能达到较理想的控制效果。[%P]在目标误差值±0.003%范围内,命中率达到85%。[%Mn]在目标误差值±0.03%范围内,命中率达到80%。模型的控制结果已接近于采用副枪技术的动态控制模型的预报精度。