详情

原文传递一种炼钢后期钢水碳含量与温度值的实时确定方法及系统

专利名称：	一种炼钢后期钢水碳含量与温度值的实时确定方法及系统
摘要：	本发明公开了一种炼钢后期钢水碳含量与温度值的实时确定方法及系统。该方法包括：在炼钢后期实时采集炉口火焰的光谱信息；将光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。本发明的方法及系统，能够提高无法安装副枪的中小型转炉的钢水碳含量与温度值的预测可靠性和准确率。
专利类型：	发明专利
国家地区组织代码：	河北;13
申请人：	华北理工大学
发明人：	韩阳;张彩军;张燕超;王璐;张欣;薄汇丰;常春蕊;李康康
专利状态：	有效
申请日期：	2019-04-28T00:00:00+0800
发布日期：	2019-07-05T00:00:00+0800
申请号：	CN201910350960.3
公开号：	CN109975507A
代理机构：	北京高沃律师事务所
代理人：	程华
分类号：	G01N33/2022(2019.01);G;G01;G01N;G01N33
申请人地址：	063000 河北省唐山市曹妃甸新城渤海大道21号
主权项：	1.一种炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，包括：在炼钢开始前获取原料投入与控制信息；将所述原料投入与控制信息输入预先建立的第一预测模型，得到钢水碳含量与温度值的终点预测值；调整所述原料投入与控制信息使所述终点预测值与预设目标值的差值在预设范围内，并使用调整后的原料投入与控制信息进行炼钢；在炼钢后期实时采集炉口火焰的光谱信息；将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；所述第一预测模型为以预先采集的原料投入与控制信息、终点钢水碳含量以及终点温度值作为样本，并以原料投入与控制信息为输入量，以所述输入量对应的终点钢水碳含量与终点温度值为输出量进行训练所得到的终点预测模型；所述第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；所述光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。 2.根据权利要求1所述的炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，所述第一预测模型的建立过程为：获取历史炼钢过程中的多组具有对应关系的原料投入与控制信息、终点钢水碳含量以及终点温度值作为第一样本数据；所述第一样本数据中的原料投入与控制信息包括但不限于原料成分配比、铁水温度、铁水碳含量、吹氧流量、氧枪枪位；利用主成分分析法对所述第一样本数据中的原料投入与控制信息进行降维，提取所述第一样本数据中的原料投入与控制信息的主特征；以所述第一样本数据中各个原料投入与控制信息的主特征作为输入量，以所述主特征对应的所述第一样本数据中的终点钢水碳含量以及终点温度值为输出量，应用支持向量回归算法建立终点预测模型；利用蚁群算法对所述终点预测模型的参数进行调整，直到所述终点预测模型的预测精度满足预设条件。 3.根据权利要求1所述的炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，所述第二预测模型的建立过程为：获取历史炼钢后期过程中连续的炉口火焰辐射的光谱信息及与光谱信息对应的炼钢后期过程中实时钢水碳含量和温度值作为第二样本数据，所述第二样本数据中的光谱信息为每0.5s生成的一组2048个波长下的光强值；应用多尺度卷积神经网络算法提取所述第二样本数据中的光谱信息的结构特征值，并基于脱碳速率对所述结构特征值进行分段预处理；以分段预处理的结构特征值为输入量，以所述第二样本数据中与所述结构特征值对应的钢水碳含量和温度值为输出量，应用双向递归神经网络算法建立炼钢后期过程碳温连续预测模型。 4.根据权利要求1所述的炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，在所述将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值之后，还包括：根据所述钢水碳含量与温度值的实时值调整氧气吹入量。 5.一种炼钢后期钢水碳含量与温度值的实时确定系统，其特征在于，包括：第一获取模块，用于在炼钢开始前获取原料投入与控制信息；第一预测模块，用于将所述原料投入与控制信息输入预先建立的第一预测模型，得到钢水碳含量与温度值的终点预测值；参数调整模块，用于调整所述原料投入与控制信息使所述终点预测值与预设目标值的差值在预设范围内，并使用调整后的原料投入与控制信息进行炼钢；第二获取模块，用于在炼钢后期实时采集炉口火焰的光谱信息；第二预测模块，用于将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；所述第一预测模型为以预先采集的原料投入与控制信息、终点钢水碳含量以及终点温度值作为样本，并以原料投入与控制信息为输入量，以所述输入量对应的终点钢水碳含量与终点温度值为输出量进行训练所得到的终点预测模型；所述第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；所述光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。 6.根据权利要求5所述的炼钢后期钢水碳含量与温度值的实时确定系统，其特征在于，还包括第一模型建立模块，用于建立所述第一预测模型；所述第一模型建立模块包括：第一样本数据获取单元，用于获取历史炼钢过程中的多组具有对应关系的原料投入与控制信息、终点钢水碳含量以及终点温度值作为第一样本数据；所述第一样本数据中的原料投入与控制信息包括但不限于原料成分配比、铁水温度、铁水碳含量、吹氧流量、氧枪枪位；降维单元，用于利用主成分分析法对所述第一样本数据中的原料投入与控制信息进行降维，提取所述第一样本数据中的原料投入与控制信息的主特征；终点预测模型建立单元，用于以所述第一样本数据中各个原料投入与控制信息的主特征作为输入量，以所述主特征对应的所述第一样本数据中的终点钢水碳含量以及终点温度值为输出量，应用支持向量回归算法建立终点预测模型；模型优化单元，用于利用蚁群算法对所述终点预测模型的参数进行调整，直到所述终点预测模型的预测精度满足预设条件。 7.根据权利要求5所述的炼钢后期钢水碳含量与温度值的实时确定系统，其特征在于，还包括第二模型建立模块，用于建立第二预测模型；所述第二模型建立模块包括：第二样本数据获取单元，用于获取历史炼钢后期过程中连续的炉口火焰辐射的光谱信息及与光谱信息对应的炼钢后期过程中实时钢水碳含量和温度值作为第二样本数据，所述第二样本数据中的光谱信息为每0.5s生成的一组2048个波长下的光强值；特征提取单元，用于应用多尺度卷积神经网络算法提取所述第二样本数据中的光谱信息的结构特征值，并基于脱碳速率对所述结构特征值进行分段预处理；碳温连续预测模型建立单元，用于以分段预处理的结构特征值为输入量，以所述第二样本数据中与所述结构特征值对应的钢水碳含量和温度值为输出量，应用双向递归神经网络算法建立炼钢后期过程碳温连续预测模型。 8.根据权利要求5所述的炼钢后期钢水碳含量与温度值的实时确定系统，其特征在于，还包括：氧气量调整模块，用于根据所述钢水碳含量与温度值的实时值调整氧气吹入量。
所属类别：	发明专利