[发明专利]一种转炉出钢参数推荐方法、系统、介质和终端

说明书

本发明提供一种转炉出钢参数推荐方法、系统、介质及终端，方法包括：获取转炉出钢数据，形成样本数据集；根据样本数据集，建立多个不同种类的用于聚类分析的基础模型；通过预先设置的异常阈值进行聚类迭代，形成稳定的聚类结果模型；根据稳定的聚类结果模型，获取评价聚类效果，并将最优的评价聚类效果对应的基础模型，作为目标模型；根据目标模型，进行转炉出钢参数推荐；本发明通过自动化转炉出钢控制参数设定来知道生产，解决目前炼铁转炉自动化调整角度灵活度和精准度较低、依靠人工经验控制角度、危险度高的问题，提高了生产效率。

技术领域

本发明涉及冶金自动化领域，尤其涉及一种转炉出钢参数推荐方法、系统、介质和终端。

背景技术

转炉出钢是以铁水、废钢、铁合金为主要原料，不借助外加能源，靠钢液本身的物理热和铁液本身的物理热和铁液组分间化学反应产生热量而在转炉中完成炼钢过程。在转炉炼钢末期，将钢水从转炉倾倒入钢包的过程中，如果炉渣伴随着钢液一起流入钢包内，将影响钢水的洁净度进而影响钢成品的质量。

目前，通过设备进行挡渣方法已经有很多，具有一定的挡渣效果。但是，现有的转炉出钢操作大多采用人工操作机器的方式，单纯依靠经验判断转炉倾动角度和通过人为观察移动钢包车；现有技术中的转炉出钢自动化技术方案，只能针对转炉出钢的参数进行粗略的设定，缺乏灵活性和精准度，容易造成钢水外溢、转炉出钢掉渣、操作人员安全风险系数高等问题无法满足实际生产需要。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种转炉出钢参数推荐方法、系统、介质和终端，以解决上述技术问题。

本发明提供的转炉出钢参数推荐方法，包括：

获取转炉出钢数据，形成样本数据集；

根据所述样本数据集，建立多个不同种类的用于聚类分析的基础模型；

通过预先设置的异常阈值进行聚类迭代，形成稳定的聚类结果模型；

根据所述稳定的聚类结果模型，获取评价聚类效果，并将最优的评价聚类效果对应的基础模型，作为目标模型；

根据所述目标模型，进行转炉出钢参数推荐。

于本发明的一实施例中，所述多个不同种类的用于聚类分析的基础模型包括K-means聚类模型、AP聚类模型、DBSCAN算法模型；所述转炉出钢数据的数据类型，至少包括测距仪距离钢包车距离、钢包车总重量、模拟炉号、记录时刻、出钢角度。

于本发明的一实施例中，所述获取转炉出钢数据，形成样本数据集之后，还包括对所述转炉出钢数据进行预处理，所述预处理包括对转炉出钢数据中的空值数据进行缺失值补充，以及对超过预设范围的数据进行剔除。

于本发明的一实施例中，对根据经过预处理之后的转炉出钢数据，计算转炉出钢的回炉时间，并通过如下公式对所述回炉时间进行数据清洗：

min(f(x))x∈[1，N]

其中，x为转炉出钢数据中的模拟炉号，N为最大炉号，f(x)为第x模拟炉号转炉回炉时间。

于本发明的一实施例中，所述计算转炉出钢的回炉时间包括：

设定统计周期t；

在出钢后每隔t秒，计算t秒内的角度斜率变化；

根据角度斜率变化，判断该时间点是否为回炉时间点，进而获取转炉出钢的回炉时间。

于本发明的一实施例中，所述对所述转炉出钢数据进行预处理之后，还包括：判定特定数据类型中的异常数据，并进行异常处理，去除离群值数据，所述特定数据类型包括出钢时间、出钢重量、钢包车距离。

于本发明的一实施例中，所述异常处理包括：