轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法和系統(tǒng)

1598 編輯：中冶有色技術(shù)網(wǎng) 來(lái)源：北京科技大學(xué)

2022-06-16 16:20:03

權(quán)利要求

1.轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，包括以下步驟：

S1.采集轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集，建立預(yù)測(cè)模型數(shù)據(jù)庫(kù)；

S2.對(duì)采集的轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集進(jìn)行數(shù)據(jù)篩選和淘洗，對(duì)篩選和淘洗后的數(shù)據(jù)進(jìn)行預(yù)處理；

S3.確定影響轉(zhuǎn)爐出鋼過(guò)程Si收得率的工藝參數(shù)變量，作為模型的輸入變量，建立LSTM神經(jīng)網(wǎng)絡(luò)Si收得率預(yù)測(cè)模型；

S4.確定影響轉(zhuǎn)爐出鋼過(guò)程Mn收得率的工藝參數(shù)變量，作為模型的輸入變量，建立LSTM神經(jīng)網(wǎng)絡(luò)Mn收得率預(yù)測(cè)模型；

S5.確定影響轉(zhuǎn)爐出鋼過(guò)程Cr收得率的工藝參數(shù)變量，作為模型的輸入變量，建立LSTM神經(jīng)網(wǎng)絡(luò)Cr收得率預(yù)測(cè)模型；

S6.預(yù)測(cè)模型訓(xùn)練和測(cè)試；

S7.采集現(xiàn)場(chǎng)冶煉過(guò)程的實(shí)時(shí)數(shù)據(jù)，預(yù)測(cè)Si、Mn和Cr元素收得率；

S8.通過(guò)整數(shù)線性規(guī)劃求解合金加入量；

S9.按照求解的合金加入量結(jié)果配加合金，出鋼結(jié)束，數(shù)據(jù)存入預(yù)測(cè)模型數(shù)據(jù)庫(kù)。

2.根據(jù)權(quán)利要求1所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，所述步驟S1中，所述轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集包括：

生產(chǎn)日期、爐次號(hào)、吹煉周期、鐵水成分、鐵水裝入量、廢鋼裝入量、渣料加入量、合金加入量、副槍信息、終點(diǎn)化驗(yàn)成分、吹氧信息、出鋼溫度、出鋼量和合金化后包樣化驗(yàn)成分。

3.根據(jù)權(quán)利要求1所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，所述步驟S2中，所述對(duì)采集的轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集進(jìn)行數(shù)據(jù)篩選和淘洗，具體包括：

刪除重復(fù)數(shù)據(jù)，刪除異常點(diǎn)和極端異常點(diǎn)，異常數(shù)據(jù)的評(píng)判如式（1）：

（1）

其中，表示待測(cè)數(shù)據(jù)按照從小到大排序后的第個(gè)數(shù)據(jù)，為上四分位數(shù)，為下四分位數(shù)，表示四分位距。

4.根據(jù)權(quán)利要求1所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，所述步驟S2中，所述對(duì)篩選和淘洗后的數(shù)據(jù)進(jìn)行預(yù)處理，具體包括：

將數(shù)據(jù)集歸一化到[-1,1]，具體處理方式如式（2）所示：

（2）

其中，為生產(chǎn)數(shù)據(jù)樣本的原始數(shù)據(jù)；為經(jīng)過(guò)歸一化處理的數(shù)據(jù)；表示第個(gè)樣本點(diǎn)；表示第個(gè)輸入變量；、、分別為原始數(shù)據(jù)樣本中的最小值、最大值和平均值。

5.根據(jù)權(quán)利要求1所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，所述步驟S3中，所述Si收得率預(yù)測(cè)模型輸入變量包括：鋼包狀態(tài)、吹損、堿度、總氧量、終點(diǎn)C、終點(diǎn)Mn、出鋼溫度；

所述步驟S4中，所述Mn收得率預(yù)測(cè)模型輸入變量包括：吹損、堿度、廢鋼比、總氧量、終點(diǎn)Mn；

所述步驟S5中，所述Cr收得率模型輸入變量包括：吹損、廢鋼比、終點(diǎn)Mn、終點(diǎn)P。

6.根據(jù)權(quán)利要求1所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，所述步驟S6中，所述模型訓(xùn)練采用預(yù)熱重啟隨機(jī)梯度下降法動(dòng)態(tài)調(diào)整學(xué)習(xí)率：

重啟的含義即使用余弦函數(shù)作為周期函數(shù)，并在每個(gè)周期最大值時(shí)重新開(kāi)始學(xué)習(xí)速率，

預(yù)熱的含義即學(xué)習(xí)率重新開(kāi)始時(shí)并不是從頭開(kāi)始的，而是由模型在最后一步收斂的參數(shù)決定，學(xué)習(xí)率調(diào)整如式（3）所示：

（3）

其中，和是學(xué)習(xí)率的范圍；表示每次重啟開(kāi)始到結(jié)束這一區(qū)間訓(xùn)練輪數(shù)的變化次數(shù)；表示重啟周期。

7.根據(jù)權(quán)利要求1所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，其特征在于，所述步驟S8中，所述通過(guò)整數(shù)線性規(guī)劃求解合金加入量，具體包括：

以合金加入總成本最低為目標(biāo)函數(shù)：

（4）

其中：表示第種合金料的單價(jià)；表示第種合金加入量；

同時(shí)需滿足以下約束條件：

（5）

其中：為鋼液總重量；為第種合金的加入量；為元素含量；表示下限值；表示上限值；表示元素合金化前的含量；表示第種合金中元素的含量；表示元素收得率；

合金加入量必須滿足以下非負(fù)條件：

（6）

合金加入量小于可加入合金量的最大值：

（7）

其中：代表實(shí)際生產(chǎn)中第種合金的最大加入量，

元素收得率除Si、Mn、Cr元素按步驟S7進(jìn)行預(yù)測(cè)以外，其他元素，如C、P、S、B和Ti等收得率按照100%參與計(jì)算。

8.實(shí)施權(quán)利要求1～7任意一項(xiàng)所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定系統(tǒng)。

9.實(shí)現(xiàn)權(quán)利要求1～7任意一項(xiàng)所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的信息數(shù)據(jù)處理終端。

10.計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行如權(quán)利要求1～7任意一項(xiàng)所述的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法。

說(shuō)明書(shū)

技術(shù)領(lǐng)域

[0001]本發(fā)明涉及鋼鐵冶金技術(shù)領(lǐng)域，具體為一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法和系統(tǒng)。

背景技術(shù)

[0003]合金鋼因其具有較高的強(qiáng)度、良好的韌性和塑性而廣泛應(yīng)用于制造各種軸類部件和車輛制造業(yè)中，非常適合制造承受高速、重載、沖擊和摩擦的軸類和齒輪等零部件。合金鋼合金物料需求量大，種類多，傳統(tǒng)的轉(zhuǎn)爐煉鋼出鋼過(guò)程的合金加入量確定方法主要依靠人工經(jīng)驗(yàn)，操作人員大多根據(jù)冶煉鋼種的工藝要求選擇加入的合金種類，再使用計(jì)算器或者計(jì)算表根據(jù)成分要求粗略計(jì)算合金重量，這種方法準(zhǔn)確度低且經(jīng)濟(jì)效益差，常常出現(xiàn)因加入量估算不準(zhǔn)導(dǎo)致的合金多次補(bǔ)加或浪費(fèi)，嚴(yán)重時(shí)甚至造成成分超標(biāo)。

[0004]隨著科學(xué)技術(shù)的飛速發(fā)展，鋼鐵冶金領(lǐng)域進(jìn)入智能制造時(shí)代，轉(zhuǎn)爐煉鋼控制技術(shù)逐漸由經(jīng)驗(yàn)公式、靜態(tài)控制向大數(shù)據(jù)智能化控制方向發(fā)展。預(yù)測(cè)準(zhǔn)確的合金元素收得率和合金配料方案的確定是轉(zhuǎn)爐出鋼過(guò)程合金加入量精確估算的關(guān)鍵。

[0005]目前，預(yù)測(cè)合金元素收得率的方法主要有BP神經(jīng)網(wǎng)絡(luò)和SVM支持向量機(jī)等。其中，BP神經(jīng)網(wǎng)絡(luò)（Back PropagationNeural Network, BP）通過(guò)信號(hào)正向傳播和誤差反向傳播實(shí)現(xiàn)預(yù)測(cè)，但收斂速度慢，泛化能力差，難以保證預(yù)測(cè)準(zhǔn)確率；支持向量機(jī)（Support VectorMachine, SVM）是一類按監(jiān)督學(xué)習(xí)方式，對(duì)數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器，不但算法簡(jiǎn)單，而且具有較好的“魯棒”性，但大規(guī)模訓(xùn)練樣本難以實(shí)施，且難以解決多分類問(wèn)題，難以完整考慮轉(zhuǎn)爐煉鋼過(guò)程的特點(diǎn)。

發(fā)明內(nèi)容

[0007]本發(fā)明的主要目的是提出一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法和系統(tǒng)，旨在解決目前在轉(zhuǎn)爐出鋼過(guò)程合金加入量確定時(shí)存在準(zhǔn)確度低且經(jīng)濟(jì)效益差、難以解決多分類問(wèn)題，難以完整考慮轉(zhuǎn)爐煉鋼過(guò)程的問(wèn)題。

[0008]為解決上述技術(shù)問(wèn)題，根據(jù)本發(fā)明的一個(gè)方面，本發(fā)明提供了如下技術(shù)方案：

一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法，包括以下步驟：

S1.采集轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集，建立預(yù)測(cè)模型數(shù)據(jù)庫(kù)；

S2.對(duì)采集的轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集進(jìn)行數(shù)據(jù)篩選和淘洗，對(duì)篩選和淘洗后的數(shù)據(jù)進(jìn)行預(yù)處理；

S3.確定影響轉(zhuǎn)爐出鋼過(guò)程Si收得率的工藝參數(shù)變量，作為模型的輸入變量，建立LSTM神經(jīng)網(wǎng)絡(luò)Si收得率預(yù)測(cè)模型；

S4.確定影響轉(zhuǎn)爐出鋼過(guò)程Mn收得率的工藝參數(shù)變量，作為模型的輸入變量，建立LSTM神經(jīng)網(wǎng)絡(luò)Mn收得率預(yù)測(cè)模型；

S5.確定影響轉(zhuǎn)爐出鋼過(guò)程Cr收得率的工藝參數(shù)變量，作為模型的輸入變量，建立LSTM神經(jīng)網(wǎng)絡(luò)Cr收得率預(yù)測(cè)模型；

S6.預(yù)測(cè)模型訓(xùn)練和測(cè)試；

S7.采集現(xiàn)場(chǎng)冶煉過(guò)程的實(shí)時(shí)數(shù)據(jù)，預(yù)測(cè)Si、Mn和Cr元素收得率；

S8.通過(guò)整數(shù)線性規(guī)劃求解合金加入量；

S9.按照求解的合金加入量結(jié)果配加合金，出鋼結(jié)束，數(shù)據(jù)存入預(yù)測(cè)模型數(shù)據(jù)庫(kù)。

[0009]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S1中，所述轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集包括：

[0010]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S2中，所述對(duì)采集的轉(zhuǎn)爐生產(chǎn)數(shù)據(jù)集進(jìn)行數(shù)據(jù)篩選和淘洗，具體包括：

刪除重復(fù)數(shù)據(jù)，刪除異常點(diǎn)和極端異常點(diǎn)，異常數(shù)據(jù)的評(píng)判如式（1）：

（1）其中，表示待測(cè)數(shù)據(jù)按照從小到大排序后的第個(gè)數(shù)據(jù)，為上四分位數(shù)，為下四分位數(shù)，表示四分位距。

[0011]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S2中，所述對(duì)篩選和淘洗后的數(shù)據(jù)進(jìn)行預(yù)處理，具體包括：

將數(shù)據(jù)集歸一化到[-1,1]，具體處理方式如式（2）所示：

（2）其中，為生產(chǎn)數(shù)據(jù)樣本的原始數(shù)據(jù)；為經(jīng)過(guò)歸一化處理的數(shù)據(jù)；表示第個(gè)樣本點(diǎn)；表示第個(gè)輸入變量；、、分別為原始數(shù)據(jù)樣本中的最小值、最大值和平均值。

[0012]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S3、S4和S5中，所述的LSTM神經(jīng)網(wǎng)絡(luò)包含兩個(gè)神經(jīng)網(wǎng)絡(luò)層、一個(gè)丟棄層、一個(gè)全連接層以及一個(gè)回歸層，回歸層為輸出層，神經(jīng)網(wǎng)絡(luò)參數(shù)包括：訓(xùn)練輪數(shù)、隱含層單元數(shù)和學(xué)習(xí)率。

[0013]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S3、S4和S5中，采用Pearson相關(guān)性分析確定影響轉(zhuǎn)爐出鋼過(guò)程合金元素收得率的工藝參數(shù)變量。

[0014]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S3中，所述Si收得率預(yù)測(cè)模型輸入變量包括：鋼包狀態(tài)、吹損、堿度、總氧量、終點(diǎn)C、終點(diǎn)Mn、出鋼溫度。

[0015]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S4中，所述Mn收得率預(yù)測(cè)模型輸入變量包括：吹損、堿度、廢鋼比、總氧量、終點(diǎn)Mn。

[0016]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S5中，所述Cr收得率模型輸入變量包括：吹損、廢鋼比、終點(diǎn)Mn、終點(diǎn)P。

[0017]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S6中，所述模型訓(xùn)練采用預(yù)熱重啟（Warm Restarts）隨機(jī)梯度下降法動(dòng)態(tài)調(diào)整學(xué)習(xí)率：

重啟的含義即使用余弦函數(shù)作為周期函數(shù)，并在每個(gè)周期最大值時(shí)重新開(kāi)始學(xué)習(xí)速率。預(yù)熱的含義即學(xué)習(xí)率重新開(kāi)始時(shí)并不是從頭開(kāi)始的，而是由模型在最后一步收斂的參數(shù)決定，學(xué)習(xí)率調(diào)整如式（3）所示：

（3）其中，和是學(xué)習(xí)率的范圍；表示每次重啟開(kāi)始到結(jié)束這一區(qū)間訓(xùn)練輪數(shù)的變化次數(shù)；表示重啟周期。

[0018]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S6中，在LSTM神經(jīng)網(wǎng)路中，遺忘門、輸入門和輸出門使用Sigmoid函數(shù)作為激活函數(shù)；在生成候選記憶時(shí)，使用雙曲正切函數(shù)tanh作為激活函數(shù)。

[0019]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S7中，所述采集現(xiàn)場(chǎng)冶煉過(guò)程的實(shí)時(shí)數(shù)據(jù)，預(yù)測(cè)Si、Mn和Cr元素收得率，具體包括：

采集現(xiàn)場(chǎng)冶煉過(guò)程的實(shí)時(shí)數(shù)據(jù)，數(shù)據(jù)通過(guò)ODBC連接從檢化驗(yàn)系統(tǒng)的Oracle數(shù)據(jù)庫(kù)進(jìn)行抓取，數(shù)據(jù)經(jīng)過(guò)預(yù)處理后輸入LSTM神經(jīng)網(wǎng)絡(luò)模型得到收得率預(yù)測(cè)值。

[0020]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：所述步驟S8中，所述通過(guò)整數(shù)線性規(guī)劃求解合金加入量，具體包括：

以合金加入總成本最低為目標(biāo)函數(shù)：

（4）其中：表示第種合金料的單價(jià)；表示第種合金加入量；

同時(shí)需滿足以下約束條件：

（5）其中：為鋼液總重量；為第種合金的加入量；為元素含量；表示下限值；表示上限值；表示元素合金化前的含量；表示第種合金中元素的含量；表示元素收得率；

合金加入量必須滿足以下非負(fù)條件：

（6）合金加入量小于可加入合金量的最大值：

（7）其中：代表實(shí)際生產(chǎn)中第種合金的最大加入量。

[0021]作為本發(fā)明所述的一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的優(yōu)選方案，其中：元素收得率除Si、Mn、Cr元素按步驟S7進(jìn)行預(yù)測(cè)以外，其他元素，如C、P、S、B和Ti等收得率按照100%參與計(jì)算。

[0022]本發(fā)明的另一目的在于提供一種實(shí)施上述轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定系統(tǒng)。

[0023]本發(fā)明的另一目的在于提供一種實(shí)現(xiàn)上述轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的信息數(shù)據(jù)處理終端。

[0024]本發(fā)明的另一目的在于提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法。

[0025]本發(fā)明的有益效果如下：

本發(fā)明將LSTM神經(jīng)網(wǎng)絡(luò)與整數(shù)線性規(guī)劃算法結(jié)合，克服了常規(guī)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)時(shí)間序列問(wèn)題存在的局限性，克服了合金配料方案人為估算準(zhǔn)確度低、經(jīng)濟(jì)效益差的問(wèn)題?？紤]到LSTM神經(jīng)網(wǎng)絡(luò)對(duì)非線性關(guān)系有很強(qiáng)的捕捉能力，本發(fā)明構(gòu)建基于LSTM神經(jīng)網(wǎng)絡(luò)的合金元素收得率預(yù)測(cè)模型，不同合金元素由于影響其收得率的因素不同，即模型輸入變量不同，因此不同合金元素建立不同的LSTM模型進(jìn)行訓(xùn)練。另外，本發(fā)明結(jié)合收得率預(yù)測(cè)結(jié)果通過(guò)整數(shù)線性規(guī)劃求解得到合金加入量，該方法不僅能夠快速找到合金配料的最優(yōu)方案，同時(shí)提高了轉(zhuǎn)爐煉鋼過(guò)程成分命中率和鋼產(chǎn)品穩(wěn)定性，且獲得的總成本最低，有效降低合金化成本，具有良好的應(yīng)用前景。

附圖說(shuō)明

[0026]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖示出的結(jié)構(gòu)獲得其他的附圖。

[0027]圖1為本發(fā)明方法的流程示意圖；

圖2為采用丟棄層正則化提高模型的泛化性原理圖；

圖3為預(yù)測(cè)模型訓(xùn)練過(guò)程學(xué)習(xí)率隨訓(xùn)練輪數(shù)的變化趨勢(shì)圖。

[0028]本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說(shuō)明。

具體實(shí)施方式

[0029]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

[0030]本發(fā)明提供一種轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法和系統(tǒng)，將LSTM神經(jīng)網(wǎng)絡(luò)與整數(shù)線性規(guī)劃算法結(jié)合，克服了常規(guī)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)時(shí)間序列問(wèn)題存在的局限性，克服了合金配料方案人為估算準(zhǔn)確度低、經(jīng)濟(jì)效益差的問(wèn)題。考慮到LSTM神經(jīng)網(wǎng)絡(luò)對(duì)非線性關(guān)系有很強(qiáng)的捕捉能力，本發(fā)明構(gòu)建基于LSTM神經(jīng)網(wǎng)絡(luò)的合金元素收得率預(yù)測(cè)模型，不同合金元素由于影響其收得率的因素不同，即模型輸入變量不同，因此不同合金元素建立不同的LSTM模型進(jìn)行訓(xùn)練。另外，本發(fā)明結(jié)合收得率預(yù)測(cè)結(jié)果通過(guò)整數(shù)線性規(guī)劃求解得到合金加入量，該方法不僅能夠快速找到合金配料的最優(yōu)方案，同時(shí)提高了轉(zhuǎn)爐煉鋼過(guò)程成分命中率和鋼產(chǎn)品穩(wěn)定性，且獲得的總成本最低，有效降低合金化成本，具有良好的應(yīng)用前景。

[0031]LSTM神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork, RNN）的變種，是深度學(xué)習(xí)重要的網(wǎng)絡(luò)框架之一，它是一類以序列數(shù)據(jù)為輸入、在序列的前進(jìn)方向進(jìn)行遞歸，所有節(jié)點(diǎn)按鏈?zhǔn)竭B接的遞歸神經(jīng)網(wǎng)絡(luò)。不同于BP神經(jīng)網(wǎng)絡(luò)模型，LSTM神經(jīng)網(wǎng)絡(luò)在時(shí)間序列問(wèn)題上可以考慮數(shù)據(jù)在時(shí)序前后的依存關(guān)系，對(duì)于轉(zhuǎn)爐煉鋼過(guò)程這類不同時(shí)序節(jié)點(diǎn)處數(shù)據(jù)存在關(guān)聯(lián)的問(wèn)題預(yù)測(cè)效果更好；線性規(guī)劃是最優(yōu)化問(wèn)題中的重要領(lǐng)域之一，很多運(yùn)籌學(xué)中的實(shí)際問(wèn)題都可以用線性規(guī)劃來(lái)解決。整數(shù)線性規(guī)劃指全部決策變量都必須取整數(shù)值的整數(shù)線性規(guī)劃，本文涉及一種合金鋼的轉(zhuǎn)爐出鋼過(guò)程合金加入量確定方法，由于合金物料稱重系統(tǒng)精度原因，決策變量即合金加入量需為整數(shù)，因此整數(shù)線性規(guī)劃可以很好地解決此類問(wèn)題。

[0032]實(shí)施例1

某煉鋼廠生產(chǎn)40Cr系列鋼種在出鋼過(guò)程中需要加入硅錳、錳鐵合金、鉻鐵合金以滿足成品鋼元素含量的需求。40Cr國(guó)標(biāo)成分如表1所示，在實(shí)際生產(chǎn)中，合金加入量都是由操作人員憑借經(jīng)驗(yàn)估算，合金種類選擇不固定，部分爐次使用硅錳、高碳錳鐵、高碳鉻鐵；部分爐次使用硅錳、中碳錳鐵、高碳鉻鐵。且人工估算合金加入量準(zhǔn)確率低，常常會(huì)導(dǎo)致轉(zhuǎn)爐出鋼鋼液成分波動(dòng)大，不僅造成原料成本浪費(fèi)，而且影響生產(chǎn)節(jié)奏。為解決這一問(wèn)題，采用本發(fā)明方法建立了合金元素收得率預(yù)測(cè)模型，再通過(guò)整數(shù)規(guī)劃求解計(jì)算合金加入量。

[0033]表1 40Cr國(guó)標(biāo)化學(xué)成分含量(wt%)

采集了該廠120t轉(zhuǎn)爐共24282組生產(chǎn)數(shù)據(jù)，刪除重復(fù)數(shù)據(jù)，刪除異常點(diǎn)和極端異常點(diǎn)，異常數(shù)據(jù)的評(píng)判公式為：

其中，表示待測(cè)數(shù)據(jù)按照從小到大排序后的第個(gè)數(shù)據(jù)，為上四分位數(shù)，為下四分位數(shù)，表示四分位距。

[0034]處理后得到19668組有效數(shù)據(jù)。為使不同變量具有相同的度量尺度，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，全部映射到[-1,1]范圍內(nèi)；

[0035]根據(jù)轉(zhuǎn)爐煉鋼反應(yīng)機(jī)理與Pearson相關(guān)性分析，確定了以下對(duì)Si、Mn、Cr元素收得率有較顯著影響的工藝參數(shù)作為模型的輸入變量：

表2 Si收得率預(yù)測(cè)模型輸入變量及其單位

輸入變量單位輸入變量單位吹損%堿度-總氧量m3終點(diǎn)C%終點(diǎn)Mn%出鋼溫度℃

表3 Mn收得率預(yù)測(cè)模型輸入變量及其單位

輸入變量單位輸入變量單位吹損%堿度-總氧量m3廢鋼比%終點(diǎn)Mn%

表4 Cr收得率預(yù)測(cè)模型輸入變量及其單位

輸入變量單位輸入變量單位吹損%終點(diǎn)Mn%終點(diǎn)P%廢鋼比%

將以上參數(shù)作為L(zhǎng)STM神經(jīng)網(wǎng)絡(luò)的輸入變量，建立轉(zhuǎn)爐出鋼合金化過(guò)程合金收得率預(yù)測(cè)模型，采用丟棄層正則化提高模型的泛化性，丟棄層正則化原理如圖2所示；訓(xùn)練采用預(yù)熱重啟隨機(jī)梯度下降法動(dòng)態(tài)調(diào)整學(xué)習(xí)率，訓(xùn)練過(guò)程學(xué)習(xí)率隨訓(xùn)練輪數(shù)的變化趨勢(shì)如圖3所示；LSTM神經(jīng)網(wǎng)絡(luò)中，遺忘門、輸入門和輸出門使用Sigmoid函數(shù)作為激活函數(shù)；在生成候選記憶時(shí)，使用雙曲正切函數(shù)tanh作為激活函數(shù)；

采集到的24282組數(shù)據(jù)18211組用于模型的訓(xùn)練，6071組用于對(duì)模型進(jìn)行測(cè)試，以驗(yàn)證其泛化能力，不斷調(diào)整網(wǎng)絡(luò)的參數(shù)，得到預(yù)測(cè)效果最好的模型。

[0036]為了評(píng)估不同模型預(yù)測(cè)的準(zhǔn)確性，選擇了均方根誤差RMSE和相關(guān)系數(shù)R2作為性能評(píng)估指標(biāo)，RMSE和R2是最廣泛使用的性能評(píng)估指標(biāo)，計(jì)算方法如下所示：

其中，表示真實(shí)值的數(shù)目，表示第個(gè)真實(shí)值，表示第個(gè)預(yù)測(cè)值，表示的方差。

[0037]RMSE均方根誤差衡量觀測(cè)值與真實(shí)值之間的偏差，常作為機(jī)器學(xué)習(xí)模型預(yù)測(cè)結(jié)果衡量的標(biāo)準(zhǔn)。R2是反映模型擬合優(yōu)度的重要統(tǒng)計(jì)量，為回歸平方和與總平方和之比，R2取值在[0,1]范圍內(nèi)，值的大小反映了模型擬合的優(yōu)劣程度，R2越接近于1，擬合的回歸方程越精確。得到三個(gè)模型的預(yù)測(cè)性能評(píng)估：

表5 Si收得率預(yù)測(cè)模型在測(cè)試數(shù)據(jù)集上預(yù)測(cè)性能評(píng)估

評(píng)估準(zhǔn)則評(píng)估值RMSE0.0339R20.9557

表6 Mn收得率預(yù)測(cè)模型在測(cè)試數(shù)據(jù)集上預(yù)測(cè)性能評(píng)估

評(píng)估準(zhǔn)則評(píng)估值RMSE0.0438R20.9260

表7 Cr收得率預(yù)測(cè)模型在測(cè)試數(shù)據(jù)集上預(yù)測(cè)性能評(píng)估

評(píng)估準(zhǔn)則評(píng)估值RMSE0.0379R20.9444

從評(píng)估結(jié)果結(jié)合模型在訓(xùn)練數(shù)據(jù)集上的擬合表現(xiàn)，LSTM神經(jīng)網(wǎng)絡(luò)能夠很好的擬合原始數(shù)據(jù)，并在測(cè)試集上有良好的預(yù)測(cè)性能。

[0038]得到收得率的預(yù)測(cè)值后，在此基礎(chǔ)上計(jì)算合金的加入量，計(jì)算方法如下所示：

本實(shí)施例1選擇了7種合金物料參與配料計(jì)算，合金種類及價(jià)格如表8所示；

表8 合金種類及價(jià)格對(duì)應(yīng)表

以合金加入總成本最低為目標(biāo)函數(shù)：

同時(shí)需滿足以下約束條件：

約束條件需滿足的成分上下限如表9所示：

表9 化學(xué)成分含量上下限

CSiMnCrPS下限0.370.170.50.800上限0.440.370.81.00.0350.035

合金加入量還需要滿足以下非負(fù)條件：

元素收得率Si、Mn、Cr元素采用LSTM網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，C、P、S、B和Ti等收得率按照100%參與計(jì)算；

表10隨機(jī)選取了8組利用本發(fā)明技術(shù)方案對(duì)該廠合金鋼40Cr的合金加入量計(jì)算結(jié)果與不使用本發(fā)明進(jìn)行對(duì)比，其中組別1為原數(shù)據(jù)實(shí)際值，組別2為根據(jù)本發(fā)明技術(shù)方案計(jì)算的合金加入量結(jié)果。

[0039]經(jīng)過(guò)驗(yàn)證，本發(fā)明轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法的元素合格率為100％，能夠精準(zhǔn)指導(dǎo)實(shí)際生產(chǎn)。平均每爐次合金成本由原先的23055元降低至20867元，降低了2188元，而該鋼廠每個(gè)轉(zhuǎn)爐平均每日生產(chǎn)鋼水35爐以上，使用本發(fā)明轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法在合金鋼生產(chǎn)成本上每年可節(jié)省1000萬(wàn)元以上，具有良好的經(jīng)濟(jì)效益，能夠?yàn)楝F(xiàn)場(chǎng)生產(chǎn)提供參考。

[0040]表10 合金鋼40Cr合金加入量計(jì)算對(duì)比

在上述實(shí)施例中，可以全部或部分地通過(guò)軟件、硬件、固件或者其任意組合來(lái)實(shí)現(xiàn)。當(dāng)使用全部或部分地以計(jì)算機(jī)程序產(chǎn)品的形式實(shí)現(xiàn)，所述計(jì)算機(jī)程序產(chǎn)品包括一個(gè)或多個(gè)計(jì)算機(jī)指令。在計(jì)算機(jī)上加載或執(zhí)行所述計(jì)算機(jī)程序指令時(shí)，全部或部分地產(chǎn)生按照本發(fā)明實(shí)施例所述的流程或功能。所述計(jì)算機(jī)可以是通用計(jì)算機(jī)、專用計(jì)算機(jī)、計(jì)算機(jī)網(wǎng)絡(luò)、或者其他可編程裝置。所述計(jì)算機(jī)指令可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，或者從一個(gè)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)向另一個(gè)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)傳輸，例如，所述計(jì)算機(jī)指令可以從一個(gè)網(wǎng)站站點(diǎn)、計(jì)算機(jī)、服務(wù)器或數(shù)據(jù)中心通過(guò)有線(例如同軸電纜、光纖、數(shù)字用戶線(DSL)或無(wú)線(例如紅外、無(wú)線、微波等)方式向另一個(gè)網(wǎng)站站點(diǎn)、計(jì)算機(jī)、服務(wù)器或數(shù)據(jù)中心進(jìn)行傳輸)。所述計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)可以是計(jì)算機(jī)能夠存取的任何可用介質(zhì)或者是包含一個(gè)或多個(gè)可用介質(zhì)集成的服務(wù)器、數(shù)據(jù)中心等數(shù)據(jù)存儲(chǔ)設(shè)備。所述可用介質(zhì)可以是磁性介質(zhì)，(例如，軟盤(pán)、硬盤(pán)、磁帶)、光介質(zhì)(例如，DVD)、或者半導(dǎo)體介質(zhì)(例如固態(tài)硬盤(pán)SolidState Disk(SSD))等。

[0041]本發(fā)明將LSTM神經(jīng)網(wǎng)絡(luò)與整數(shù)線性規(guī)劃算法結(jié)合，克服了常規(guī)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)時(shí)間序列問(wèn)題存在的局限性，克服了合金配料方案人為估算準(zhǔn)確度低、經(jīng)濟(jì)效益差的問(wèn)題。考慮到LSTM神經(jīng)網(wǎng)絡(luò)對(duì)非線性關(guān)系有很強(qiáng)的捕捉能力，本發(fā)明構(gòu)建基于LSTM神經(jīng)網(wǎng)絡(luò)的合金元素收得率預(yù)測(cè)模型，不同合金元素由于影響其收得率的因素不同，即模型輸入變量不同，因此不同合金元素建立不同的LSTM模型進(jìn)行訓(xùn)練。另外，本發(fā)明結(jié)合收得率預(yù)測(cè)結(jié)果通過(guò)整數(shù)線性規(guī)劃求解得到合金加入量，該方法不僅能夠快速找到合金配料的最優(yōu)方案，同時(shí)提高了轉(zhuǎn)爐煉鋼過(guò)程成分命中率和鋼產(chǎn)品穩(wěn)定性，且獲得的總成本最低，有效降低合金化成本，具有良好的應(yīng)用前景。通過(guò)現(xiàn)場(chǎng)的實(shí)際生產(chǎn)數(shù)據(jù)對(duì)該方法進(jìn)行檢驗(yàn)，結(jié)果表明本發(fā)明有較好的準(zhǔn)確度和經(jīng)濟(jì)效益，可為現(xiàn)場(chǎng)生產(chǎn)過(guò)程合金的加入提供有益指導(dǎo)。

[0042]以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是在本發(fā)明的發(fā)明構(gòu)思下，利用本發(fā)明說(shuō)明書(shū)及附圖內(nèi)容所作的等效結(jié)構(gòu)變換，或直接/間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域均包括在本發(fā)明的專利保護(hù)范圍內(nèi)。

全文PDF

轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法和系統(tǒng).pdf

聲明：

“轉(zhuǎn)爐出鋼過(guò)程合金加入量的確定方法和系統(tǒng)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究，如用于商業(yè)用途，請(qǐng)聯(lián)系該技術(shù)所有人。

我是此專利(論文)的發(fā)明人(作者)