基于机器学习算法的“全三脱”工艺转炉终点预测

建立精准的转炉终点预测模型对生产效率和钢液洁净度的提升尤为重要。以首钢京唐钢铁联合有限责任公司“全三脱”工艺转炉为研究对象,对历史生产数据进行皮尔逊相关性分析,得到与转炉终点温度、碳含量最相关的15个自变量。利用BP神经网络、极限学习机(ELM)和支持向量机(SVM)3种机器学习算法分别建立了转炉终点预测模型。随后选取160组新样本数据来检验3种模型的预测精度,结果表明：SVM模型下转炉终点温度、碳含量预测模型精度更高,终点温度预测误差在±15℃内的命中率为90.6%,终点碳质量分数预测误差在±0.01%内的命中率为93.8%。另外,基于支持向量机算法建立的转炉终点预测模型,全三脱工艺比常规工艺的终点温度误差±15℃内、碳质量分数±0.01%内命中率分别提高了9.1百分点和14.4百分点。     

改进的TSVR转炉终点预测模型研究

准确的预测转炉炼钢终点碳含量和终点温度,对于提高钢的生产效率具有重要意义。建立了一种基于加权拉格朗日ε-孪生支持向量回归机（WL-ε-TSVR）的转炉终点预测模型。根据采集到的某钢厂260 t转炉的实际生产数据,将450组样本用于模型的训练,50组样本用于测试模型的准确性。仿真结果表明,预测误差碳含量控制在±0.005%范围,终点温度控制在±10℃范围,模型的命中率分别达到88%和92%;另外,双命中率达80%。所建模型具有较高的精度,能够更好的满足钢厂的生产需求。     

转炉终点定碳准确性改进实践

鞍钢股份有限公司鲅鱼圈钢铁分公司转炉原定碳公式线性回归不显著,预测终点碳与化验碳含量偏差较大。结合Minitab软件分析回归出新的定碳公式,使用后转炉终点定碳与化验碳含量的偏差小于±0.01%的比例由原来的85.4%提高到96.2%。     

基于非线性HBI网络的转炉冶炼终点预测模型

针对前馈神经网络模型的BP算法自身存在的易陷入局部极小和收敛速度慢等缺陷,耦合同伦理论与BI神经网络模型,建立了基于同伦BI神经网络的转炉终点预测模型分别对转炉终点钢水的碳含量及温度进行预测,并在相同构造下同单纯BI网络模型相比较.结果表明:在网络结构相同的条件下,耦合同伦算法后预测模型的精度得到显著提高,各模型命中率的平均提高量分别为8.6%,20.2%,预测误差绝对值的最大值分别下降了48.4%,44.76%;在计算效率方面,完成相同的计算迭代次数,同伦模型所需时间平均减少14%.     

应用改进的神经网络模型预报转炉冶炼终点

准确预报转炉冶炼终点的钢水温度与碳含量对提高转炉终点命中率具有重要意义。针对现有多层前馈网络学习算法的不足,基于BP模型提出一种改进算法,建立了复吹转炉冶炼终点的预报模型,并与BP模型的预测结果进行了统计比较。研究表明,改进后的模型能够对冶炼终点进行良好的预报。采用单节点输出模型对终点钢水碳含量与温度分别进行预报,预测误差w(Δ[C])<±0.03%的命中率达97.22%,Δt<±12℃的命中率为94.44%。还建立了神经网络双节点输出模型对转炉终点钢水碳含量及温度同时进行预报,误差Δt<±15℃、w(Δ[C])<0.03%的双命中率为76.92%。     

基于炉口火焰多光谱分析技术预报转炉终点碳的研究

利用多光谱复合分析技术,设计开发了远距离、非接触式转炉炉口火焰碳谱线分析技术和装置,预报转炉熔池钢液碳含量。该技术通过分析转炉主吹过程炉口火焰碳谱线的变化规律,找出了炉口火焰多光谱光强分布图样与转炉熔池钢液碳含量的对应关系,建立了转炉冶炼过程熔池碳含量的实时预报模型。该装置在某钢厂70t转炉上进行了试验,按照终点[C]≤0.05%±0.02%、0.05%~0.15%±0.03%和0.15%±0.05%三个范围内预报精度,预报命中率分别为83.8%、80.1%和85.6%,研究表明,转炉冶炼过程的装入制度、造渣制度以及供氧制度对终点碳预报基本没有影响。     

基于函数型数字孪生模型的转炉炼钢终点碳控制技术

由于转炉冶炼过程中的热力学和动力学反应复杂,副枪控制模型和传统的烟气分析模型存在很大的局限性,导致了转炉冶炼终点碳含量的预测精度偏低,是实现智能炼钢的主要技术瓶颈. 针对上述问题,提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先,利用烟气分析得到连续监测的实时数据,以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后,根据熔池反应所处的不同阶段,利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上,按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数,从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例,证实函数型数字孪生模型具有良好的自学习和自适应能力,对异常冶炼状态具有良好的鲁棒性,可以实现全过程的熔池碳含量动态预测,终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是,在保证入炉原料成分、温度、质量等参数稳定的前提下,采用该模型可以有望取消基于副枪的停吹取样步骤,从而降低生产成本,提高产品质量和生产效率,具有广泛的工业应用前景.      

超低碳钢的转炉终点控制

 通过对国内某厂300t转炉终点相关数据的理论分析,发现影响转炉终点水平的有：转炉炉龄、转炉终点温度以及吹氧量等。转炉吹炼过程中存在一个临界碳含量。当转炉终点碳含量低于临界碳含量时,脱碳变得困难,钢水过氧化严重。采用规则溶液模型计算转炉渣中FeO的活度,据此计算的临界碳含量（质量分数）为0.02%~0.03%。根据理论分析和实际统计结果,300t转炉理想的终点碳质量分数为0.03%~0.05%。     

基于副枪控制的转炉终点预测模型

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.终点碳质量分数预报误差为±0.015%的命中率达到87.6%;转炉终点目标w(C)=0.03%时,温度误差范围±10 ℃的比率为85.4%;模型预报钢中w(Mn)误差在±0.02%、w(P) 误差在±0.003%范围的比率分别达到了87.0%和81.2%.建立的预报模型具有较高的精度,实现了转炉终点碳、温度、残锰和磷的同时预报,为提高转炉的终点控制命中率、减少补吹的次数、实现直接出钢打下良好的基础.     

基于孪生支持向量回归机的转炉炼钢终点预测

为了提高转炉炼钢的终点命中率,建立了一种新的转炉终点预测模型,实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法,将权重矩阵引入到目标函数中,并利用鲸群优化算法进行求解,提高了传统算法的性能;然后基于某炼钢厂260 t转炉的实际生产数据,建立了转炉炼钢终点预测模型。结果表明,预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15 ℃)的终点单命中率分别为94%和88%,双命中率达到84%。与其他两种现有的建模方法相比,本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求,也可适用于钢铁冶金其他领域的数学建模。     

转炉炉气分析技术在本钢的初步应用

结合本钢炉气分析在线系统,建立了应用物料平衡原理预测碳含量及根据反应平衡原理预测温度变化的转炉动态模型.模型预测结果表明:熔池中的碳含量是炉气流量及CO和CO2分压的函数,其中初始碳含量的准确程度对模型的最终预测结果影响最大.熔池温度是碳含量及炉气中CO和CO2分压的函数,其中吹炼过程的平稳性是模型最终预测结果准确获得的保证.并应用本模型对1 530炉次的历史炉气数据进行了离线分析与终点检测结果的比较,收到预期效果.     

Prediction of electrical resistivity of steel using artificial neural network

Electrical resistivity of commercially produced plain carbon manganese steel has been experimentally measured at room temperature (28–30°C) using four-probe method. Resulting data were used to generate both regression based and artificial neural network-based models for prediction of electrical resistivity from the chemical composition of steel. It was found that both models were capable of predicting the resistivity within ±5% error band. Analysis of data also indicated carbon to be the most influential element to increase resistivity followed by manganese and silicon. A comprehensive literature review indicates no such advanced resistivity prediction model is available in the public literature for commercially produced steel with wide variation in carbon content (0.03?0.85?wt-%), manganese content (0.35–1.50?wt-%) and silicon content (0.015–0.90?wt-%).     

Application of variable-filtrating technique on fuzzy-reasoning neural network system predicting BOF end-point carbon content

Artificial intelligence techniques have been used to predict basic oxygen furnace(BOF) end-points. However,the main challenge is to effectively reduce the input nodes as too many input nodes in neural network increase complexity,decrease accuracy and slow down the training speed of the network.Simply picking-up variables as input usually influence validity of model.It is quite necessary to develop an effective method to reduce the number of input nodes whereby to simplify the network and improve model performance.In this study,a variable-filtrating technique combining both metallurgical mechanism model and partial least-squares(PLS ) regression method has been proposed by taking the advantages of both of them,i.e.qualitive and quantative relationships between variables respectively.Accordingly,a fuzzy-reasoning neural network(FNN) prediction model for basic oxygen furnace(BOF) end-point carbon content based on this technique has been developed.The prediction results showed that this model can effectively improve the hit rate of end-point carbon content and increase network training speed.The successful hit rate of the model can reach up to 94.12%with about 0.02% error range.     

顶底复吹转炉冶炼终点钢水成分及温度回归预测分析

针对梅山炼钢厂冶炼中磷铁水的生产实践,本文利用统计回归的方法对现场的生产数据进行了回归分析,得出了冶炼终点钢水磷含量、碳含量以及终点钢水温度的预测模型,通过回归分析找出影响冶炼终点钢水成分及温度的主要因素,并提出了改进措施.     

通过炉气分析实现转炉连续控制

应用红外测试仪测得的炉气数据,根据转炉熔池物料平衡和热平衡,通过模型计算,论证了炉气分析在转炉连续控制中对碳和温度预报的可行性,并得出结论;炉气分析对终点戳w(C)≤0.06%炉次的碳预报命中率较高,适用于低碳钢冶炼.但该模型进行温度预报的数据来源均为间接数据,命中率较低.     

转炉吹炼后期碳含量预报的改进指数模型

介绍了几种主要的转炉烟气分析碳含量预报模型,并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点。在综合三种模型优点的基础上,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。首先,利用历史炉次吹炼后期的脱碳氧效率和碳含量数据,通过指数拟合得到“历史脱碳曲线”和极限碳含量参数;其次,使用当前炉次吹炼中期的最大脱碳氧效率值对“历史脱碳曲线”的特征参数进行替换,得到当前炉次吹炼后期的“参考脱碳曲线”,再对其进行归一化处理,得到归一化的“参考脱碳曲线”;然后,采用多点校正的方法,计算当前炉次吹炼至各等距离校正点时“参考脱碳曲线”的脱碳量,并根据计算脱碳量与转炉实际脱碳量的偏差,对熔池碳含量及脱碳曲线参数进行计算与校正,得到“计算脱碳曲线”;最后,通过逐次迭代计算对“参考脱碳曲线”和“计算脱碳曲线”进行同步更新,进而实现对转炉吹炼后期熔池碳含量的精准预报。研究表明,改进的指数模型具有较高的准确率,终点碳含量预报误差在±0.02%范围内的命中率达到90%。      

260t转炉终点磷含量预报模型的开发实践

针对邯钢集团邯宝钢铁有限公司西区炼钢厂转炉的冶炼工艺特点和生产数据,建立了基于PCA-GA-BP神经网络的转炉终点磷含量预测模型。通过主成分分析(PCA)将终点磷含量的影响因素降维,并采用遗传算法(GA)对BP神经网络的初始权重进行优化。用Java语言开发了转炉终点磷含量预测模型的软件,在炼钢厂进行了现场使用。结果表明:转炉终点钢水w(P)控制精度在±0.007%时,命中率达到96.67%;控制精度在±0.005%时,命中率达到93.33%;控制精度在±0.004%时命中率达到86.67%。     

LF精炼终点成分预报模型开发

针对LF合金成分预报问题,采用参考炉次法建立了终点成分预报模型．并编制出了应用软件。从程序运行结果来看,根据钢种成分要求预报终点成分,其中碳、锰和硅的达到100％,而铝达到98％,本模型的开发对现场应用具有一定的应用前景．     

利用炉气分析预报AOD炉终点锰磷含量

采用以飞行质谱仪为核心构造的炉气分析系统所测得的一氧化碳、二氧化碳、氧气、氮气等气体的体积分数,依据反应平衡和质量守恒定律并结合炉气分析模型所得到的炉内的氧的积累,分别建立了预测吹炼终点的锰和磷含量的数学模型,并对模型预测值和实测值进行了分析比较。此模型能很好地预测终点的锰、磷含量,为AOD炉终点的锰和磷含量的预报提供了一种参考方案。