[发明专利]一种转炉后吹碳含量动态预测方法及装置

说明书

本发明公开了一种转炉后吹碳含量动态预测方法及装置，该方法包括：以当前转炉生产过程为新案例，历史转炉生产过程为历史案例，根据新案例的主吹阶段工艺参数，基于案例推理算法检索出历史案例中的相似案例及其后吹阶段工艺参数；利用相似案例的后吹阶段工艺参数对碳含量预测模型进行训练；将新案例的后吹阶段工艺参数输入训练好的碳含量预测模型，实现吹炼后期碳含量的实时动态预测。本发明针对目前转炉终点静态控制模型和动态控制模型存在的问题，基于案例推理和长短期记忆网络建立了转炉预测模型，实现了对转炉吹炼后期碳含量的实时动态预测，可为操作人员提高终点命中率提供参考。

技术领域

本发明涉及转炉炼钢控制技术领域，特别涉及一种转炉后吹碳含量动态预测方法及装置。

背景技术

转炉炼钢是一个非常复杂的高温物理化学变化过程，具有生产效率高、能耗少、成本低等特点，是目前我国主要的炼钢生产方式。转炉终点控制是指控制钢水的成分和温度达到合理的范围内，然而，转炉冶炼过程中熔池温度太高，现有的检测手段无法实现对熔池内的成分和温度的连续监测，导致目前大多数钢厂的转炉终点控制大多还是依靠人工经验，控制精度低且不稳定，因此建立精确的转炉终点预测模型对转炉终点控制具有重大意义。

目前转炉终点预测模型可以分为静态预测模型和动态预测模型，其中静态预测模型可以分为理论模型和数据驱动模型。理论模型是以物料平衡和热平衡为基础而建立的，但由于模型中存在大量假设条件，导致无法真实的反映转炉实际生产过程，所以控制精度较差。而数据驱动模型是利用历史生产数据进行学习和建模，因此更能有效的反映出转炉生产过程，目前已经有很多学者对此进行了深入的研究。韩敏等人基于案例推理模型，并通过组合不同的案例检索和案例重用方法建立了转炉供氧量控制模型。王心哲等人提出了一种基于因果关系的案例推理CBR模型用于转炉炼钢静态控制。Tae Chang Park等人通过敏感分析删除无关紧要的输入参数，并以此分别建立人工神经网络ANN模型和最小二乘支持向量机模型预测转炉终点温度。高闯等人提出了基于改进的孪生支持向量回归机模型来预测转炉终点。李威等人基于BP神经网络BPNN和改进粒子群优化算法PSO算法建立了转炉终点预测模型。韩敏等人提出一种基于膜算法改进极限学习机的转炉终点预测模型。严良涛等人建立了基于遗传算法的核偏最小二乘回归GA-KPLSR的终点碳含量的预测模型。程进等人提出一种由数据驱动的多任务学习炼钢终点预测方法。除此之外，还有部分学者利用火焰光谱和炉口火焰图像建立转炉终点预测模型。

上述数据驱动模型虽然在预测精度上有所提高，但模型只能实现吹炼终点时的温度和碳含量的预测，无法实现对吹炼过程碳含量变化的计算，也就无法进一步在吹炼过程中进行动态调整，因此一次命中率是有限的。

而对于动态模型可以分为基于副枪的控制模型和基于炉气分析的控制模型。基于副枪的控制模型方面，岳峰等利用转炉吹炼末期脱碳指数方程、热平衡和热力学方程分别建立了转炉终点碳、温度、磷和锰的预报模型。韩敏等人建立了基于自适应神经模糊系统ANFIS和相关向量机的转炉炼钢动态控制模型。王心哲等人建立了基于数据驱动的转炉炼钢终点碳含量实时预测模型。

基于炉气分析控制的模型方面，胡志刚等人利用炉气分析技术基于碳积分模型进行转炉钢水连续定碳和定温。刘锟等人提出了基于烟气分析转炉终点碳含量控制的新算法实现动态推算吹炼后期熔池碳含量。加拿大Dofasco公司采用转炉烟气分析吹炼控制系统后，已经不再使用副枪，冶炼全部炉次直接出钢，烟气分析系统作业率100％，补吹率小于1％。林文辉等人提出了基于“极限碳含量拟合+曲线同步更新”算法的改进指数模型预测转炉吹炼后期碳含量。

上述两种动态控制方法在一定程度上提高了转炉终点控制的命中率，但还存在以下问题，基于副枪的控制模型由于副枪无法实现连续测量，因此无法实现吹炼后期碳含量的动态预测，而基于炉气分析的控制模型，炉气的检测设备远离熔池反应区，因此炉气数据存在一定的延迟，导致模型虽然能够实现碳含量的动态预测却无法实现实时预测。

发明内容