基于集成学习的转炉吹炼终点磷锰预测模型

基于260 t转炉炼钢实际生产数据,用RF(Random Forests,随机森林)、LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)和Stacking集成三种不同机器学习算法建立了转炉炼钢终点磷锰预测模型。通过相关理论分析和皮尔逊相关系数法确定了模型输入变量,对比三种集成学习模型的终点命中率,表明Stacking集成模型的预测性能最好,在预测终点磷质量分数误差为±0.001%、±0.001 5%时的终点命中率分别为86.3%、97.1%,在预测终点锰质量分数误差为±0.008%、±0.01%时的命中率分别为83.4%、94.4%。     

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.     

基于数据驱动的转炉耗氧量模型研究

基于45 t转炉炼钢实际生产数据,通过数据预处理和互信息(MI)法进行特征选择,采用贝叶斯算法(BOA)优化BP神经网络模型、支持向量回归机(SVR)模型和LGBM模型的参数,预测转炉吹炼的耗氧量。用1 176炉的实际生产数据对模型进行训练,504炉的数据用于验证模型的预测效果。结果表明,在预测的氧气体积偏差分别为±50、±40、±30 m³的范围下,LGBM模型的预测命中率分别为94.04%、85.91%、76.58%。与SVR模型和BP神经网络模型相比较,LGBM模型有着更高的预测精度和稳定性以及更强的泛化能力。     

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。     

基于烟气分析的转炉连续碳温预报模型

以唐山某钢厂转炉为原型,建立基于转炉烟气分析碳温连续预报数学模型,并利用VB编译程序针对某钢种的实际冶炼进行离线模拟。模拟结果表明:该钢种要求出钢碳含量为0.035%,温度为1700℃,在碳含量0.03%-0.04%范围内,模型计算结果命中率为87%。在温度为1690℃~1710℃范围内,模型计算终点温度命中率为77%。     

基于收得率预测模型的转炉炼钢合金加入量计算

在转炉炼钢过程中,针对出钢脱氧合金化操作中合金加入量的确定问题,提出了基于收得率预测模型的转炉炼钢合金加入量计算方法。首先使用支持向量机,建立了出钢合金化过程的合金收得率预测模型,进而利用预测结果计算合金加入量。使用实际生产数据进行仿真,结果表明该方法能够准确计算出合金加入量,符合实际生产的要求。     

基于集成学习的转炉炼钢供氧量预测模型

针对大多数中小型转炉无法使用动态模型的现状，基于3种不同集成方式的集成学习算法(随机森林、XGBoost和stacking集成)建立了转炉炼钢供氧量预测模型。通过理论基础和相关性分析确定了模型的输入变量；利用五数概括法与孤立森林算法进行数据预处理；结合5折交叉验证和网格搜索方法确定模型的最佳参数。最后通过对比3种集成学习算法的预测结果，表明stacking集成模型的预测性能最好，供氧量在±200、±300 m³精度下的命中率分别为84.04%、95.11%,均方根误差(RMSE)为147.31。     

水钢35t转炉用碳化硅脱氧合金化试验

在35t转炉炼钢脱氧合金化过程中采用碳化硅代替部分硅铁及增碳剂对钢水进行脱氧合金化,从热力学角度分析了碳化硅在脱氧合金化过程中的反应机理。探讨了用碳化硅作脱氧剂对碳和硅的收得率、钢种命中率、方坯质量和钢筋的力学性能的影响,设计了试验方案,确定了碳化硅在炼钢脱氧合金化过程中的使用可行性。     

采用NZDO脱氧剂冶炼转炉钢

目前,萍钢转炉生产的主要产品为普碳钢和２０ＭｎＳｉ钢,常规采用硅铝钡铁作为钢水的终脱氧剂,采用硅铁和锰铁作为合金化材料。这种脱氧及合金化方式,受钢水终点碳含量、出钢下渣量及出钢温度的影响,造成钢中Ｓｉ、Ｍｎ等合金成份波动大,合金元素回收率偏低,且当脱...     

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。     

基于机理和数据驱动的转炉输入—输出混合模型

为了实现能量流网络的精细化控制,建立了基于机理和数据驱动的转炉输入-输出模型.对转炉工序进行物质的输入和输出解析,根据实际生产数据,利用数理统计和回归的方法,得到转炉冶炼相关参数,包括:氧气利用率、炉渣碱度、渣中氧化镁含量、钢水终点氧含量、转炉热效率.进而利用冶炼机理以转炉冶炼的铁水和废钢数据,以及目标钢水的成分和温度为输入量,计算得到吹氧量、造渣剂加入等信息作为模型的输出量.根据机理模型计算的部分输出参数,利用神经网络预测钢水终点温度,并与机理模型采用的目标钢水温度进行对比,进而对机理模型进行校正,以提高模型的精确度.采用C#语言将模型程序化,模型计算结果表明,相同误差范围内,混合模型的石灰加入量、轻烧白云石加入量、氧化球团加入量命中率相较于机理模型分别提高了11.1 %、8.3 %、8.3 %.      

铝镇静钢的成本最优化合金配料模型研究

当前使用的转炉出钢—LF精炼过程的合金配料方法对成本考虑不足,为此,基于钢—渣之间的热力学平衡反应机理,在满足钢种成分要求的前提下,采用单纯形法建立了铝镇静钢的成本最优化合金优化配料模型,开发了一套转炉出钢—LF精炼过程的合金化软件包。选用船板钢生产数据对模型进行离线调试,结果表明,按照模型计算结果来配加合金,吨钢成本平均可降低5元,具有可观的推广应用价值。     

提高钒铌元素收得率的转炉冶炼脱氧工艺探讨

分析了转炉冶炼过程中钒铌元素的氧化特征、钢水中钒铌与碳元素的选择性氧化原理和钒铌微合金化建筑螺纹钢的脱氧工艺。为了提高钒铌元素的收得率,对转炉冶炼脱氧工艺进行了以下优化:转炉冶炼采用顶底复吹,提高终点碳命中率,有效挡渣出钢,钢包内脱氧剂以硅锰合金为主,钒合金化选用氮化钒铁,铌合金化选用50铌铁,钒铌合金在钢水脱氧后直接加入钢包,采用钢包吹氮精炼钢水。     

八钢150吨转炉负能炼钢实践

文章论述了八钢公司为实现150t转炉全工序负能炼钢,针对干法除尘的工艺特点,调整了煤气回收参数,CO回收控制参数由45%调整到30%开始回收。对煤气回收终止条件按冶炼钢种进行区分：冶炼品种钢时,按该炉钢供氧量的99%作为终止煤气回收的条件;冶炼普碳钢时,按CO0.5%作为终止煤气回收的条件。优化转炉吹炼阶梯供氧的模型,将氧枪打火成功后的供氧量至正常供氧量的时间由110秒缩减至90秒。在蒸汽回收方面优化EVC喷枪的汽、水配比模型,按除氧器的工作温度设定蒸汽的使用等措施。为降低能源消耗制定了各种能源介质的使用标准,并结合提高生产工艺的操作水平（转炉出钢的成分命中率和温度命中率）和生产调度的指挥控制水平（连铸机备包时间、A类钢包的投用比率）来减少能源的用量。提出了今后采用干法除尘的转炉在负能炼钢方面的工作方向。     

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。     

一种CSP生产线冶炼Q235B钢的方法

正专利号:ZL201610086804.7发明人:梁新亮寻民定尹振芝戴智才曾全文陈伟韩文兵吴大畏本发明公开了一种CSP生产线冶炼Q235B钢的方法,控制好转炉初炼钢水终点碳、磷、硫及温度,在出钢前或对钢水进行合金化前向钢包中加碳粉和碳化硅,红包出钢,控制好下渣量及出钢时间。在出钢过程向钢水中加入石灰及钢包化渣剂,在钢水出完1/3时向转炉初炼钢水中加硅铁合     

基于机器学习的转炉热损失率预测

转炉热损失率是影响物料消耗量预测精度的重要参数之一，利用某钢厂150 t转炉1 900炉次冶炼历史生产数据，在热损失率计算的基础上，采用机器学习算法实现了转炉热损失率的准确预测。预测结果表明，相比于支持向量回归(support vector regression, SVR)和随机森林(random forest, RF)算法，轻量级梯度提升机(light gradient boosting machine, LightGBM)算法的预测精度最高；考虑上炉次的影响，增加上炉次冶炼终点温度变量后，LightGBM算法的决定系数R²由0.89提高到0.93,在±0.005、±0.01范围内，热损失率预测命中率分别由85%、89%提高到90%、93%;另外，通过算法内部参数优化可进一步提高模型预测精度，对于LightGBM算法，决定系数R²和均方根误差E_RMS(root mean square error, RMSE)进一步分别达到了0.94、0.009,在±0.005、±0.01范围内热损失率预测命中率进一步分别提高到91%、...     

提高废钢比对转炉冶炼的影响分析

莱钢银山型钢炼钢厂为有效利用废钢资源,降低铁水消耗,通过分析提高废钢比对物料加入量和终点控制的影响,开发出高废钢比转炉冶炼技术。研究转炉物料平衡和热平衡计算,得出转炉废钢最佳的配比;优化调整转炉枪位和氧压模型及转炉加料模型,建立大废钢量冶炼模型,提高转炉脱磷率和终点命中率;优化升级废钢斗等设备,满足高废钢比生产需求;使用带碗砖出钢口,提高出钢口使用寿命,降低平均出钢时间。     

K-OBM-S转炉冶炼不锈钢过程的数学模拟和应用

K-OBM-S转炉是以铁水和电弧炉预熔钢液为原料冶炼不锈钢的精炼设备。以转炉冶炼普碳钢的顶吹模型和AOD法冶炼不锈钢模型为基础,建立了适用于80 t K-OBM-S转炉冶炼不锈钢的数学模型。对二步法冶炼2Cr13型不锈钢和三步法冶炼0Cr18Ni9型不锈钢的过程验证结果表明,大部分终点碳含量的误差≤±0.03%,终点铬含量误差≤±0.3%,110炉0Cr18Ni9钢目标碳(0.10%～0.25%)命中率为95.6%,终点目标铬(17.1%17.6%)的命中率为85.2%。     

转炉使用复合碳化硅和硅锰脱氧合金化试验

针对氧气顶吹转炉钢水使用碳化硅和硅锰合金替代锰铁和硅铁在脱氧合金化过程中存在的问题，采用两种方法进行试验，研究采用不同的碳化硅成份和合金加入方法对钢水质量、工艺安全性、合金收得率等的影响。结果表明，使用复合碳化硅和硅锰合金化能改善钢材内部质量，提高合金回收率，降低炼钢合金成本，且采用在出钢过程中混合加入的方法能解决安全隐患。