一种转炉炼钢的熔池碳含量及温度全程实时预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111893237A(43)申请公布日2020.11.06(21)申请号202010651861.1(22)申请日2020.07.08(71)申请人北京科技大学地址100083北京市海淀区学院路30号(72)发明人黎敏冯子硕钱清婷苗恺王亚朋阳建宏王鲁毅王富亮贾春辉陈兆富(74)专利代理机构北京金智普华知识产权代理有限公司11401代理人皋吉甫(51)Int.Cl.C21C5/28(2006.01)G06F30/20(2020.01)权利要求书2页说明书7页附图3页(54)发明名称一种转炉炼钢的熔池碳含量及温度全程实时预测方法(57)摘要本发明属于钢铁冶金领域，特别涉及一种转炉炼钢的熔池碳含量及温度全程实时预测方法，包括以下步骤：获取若干历史炉次的原料数据、冶炼过程数据、熔池碳含量和温度信息数据；将得到的数据和原料数据进行拟合，转化为函数型数据，选取响应变量和协变量均为函数型数据模型进行训练，获得函数型熔池温度预测模型和函数型熔池碳含量预测模型，将吹炼实时的数据传入函数型熔池温度预测模型和函数型熔池碳含量预测模型得到预测值。本发明通过函数型数据分析的方法构建了可用于冶炼全过程熔池碳含量和温度实时预测的模型，充分挖掘了原料和冶炼过程数据的内在规律，对实际生产工艺的适应性好、准确性佳，可以取代传统的碳含量及温度预测方法。CN111893237ACN111893237A权利要求书1/2页1.一种转炉炼钢的熔池碳含量及温度全程实时预测方法，其特征在于，该预测方法具体包括以下步骤：S1)获取若干历史炉次的冶炼过程、熔池碳含量、熔池温度信息和辅料添加数据，以及原料数据，将得到的所述数据进行预处理；S2)将S1)得到的所述数据进行拟合，转化为函数型数据，选取响应变量和协变量均为函数型数据的模型，将所述转化为函数型数据对模型进行训练，获得函数型熔池温度预测模型和函数型熔池碳含量预测模型；S3)将吹炼实时的数据传入函数型熔池温度预测模型和函数型熔池碳含量预测模型，实时计算并输出吹炼开始至当前的熔池温度和熔池碳含量的预测值。2.所述根据权利要求1所述的预测方法，其特征在于，所述S1)中：所述的原料数据包括：入炉铁水温度、铁水重量、铁水C含量、铁水Si含量、铁水Mn含量、铁水P含量、铁水S含量、废钢加入量、生铁加入量；所述冶炼过程数据包括：烟气CO累积量、烟气CO2累积量、累积吹氧量、底吹气体速率轻烧添加量、白云石添加量、小粒添加量、铁碳球添加量、矿石添加量、原石添加量、焦炭添加量、溅渣剂添加量。3.根据权利要求2所述的预测方法，其特征在于，所述S1)中预处理为将数据按照吹炼进程作时间长度归一处理，基于以下公式进行：式中：tk为每一炉次第k个采样点时间、Tk为归一化后第k个采样点时间、L为每一炉次吹炼总时间。4.根据权利要求3所述的预测方法，其特征在于，所述预处理中还包括：剔除异常数据，将历史数据中缺失的炉次和存在工艺过程异常的炉次的数据进作为异常数据行剔除。5.根据权利要求4所述的方法，其特征在于，所述S1)的具体步骤为：S1.1)以生产计算机网络监控每一炉次的吹氧和辅料添加数据；在转炉上升烟道插入安装气体取样探头对烟气进行取样和过滤烟气，以红外气体分析仪采集烟气成分数据，数据用xi表示，i代表变量名称，其中，辅料添加数据为冶炼中相应辅料各时刻的累计添加量，各冶炼过程数据为xi＝[xi1,xi2,xi3,…,xin]，n＝(1,2,3,...,N)，其中，i代表变量名称，n代表时刻；S1.2)以副枪检测冶炼过程中熔池碳含量和熔池温度数据，获取对应冶炼过程碳含量数据yC＝[yC1,yC2,yC3,...,yCn]及yT＝[yT1,yT2,yT3,...,yTn]，n＝(1,2,3,...,N)，n代表时刻；S1.3)采集原料数据，将得到上述数据进行预处理。6.根据权利要求5所述的方法，其特征在于，所述S2)的具体步骤为：S2.1)将经S1.3)预处理后的数据中的冶炼过程数据xi、熔池碳含量数据yC与熔池温度数据yT用M个基函数的线性组合，即得到函数型数据xi(t),yC(t),yT(t)；原料数据作为常函数处理；2CN111893237A权利要求书2/2页S2.2)选取响应变量和协变量均为函数型数据的回归模型为训练模型；S2.3)选取B样条基函数将S2.1)的训练模型中的βj(t)函数化为ΒΦ(t)；S2.4)将S2.1)获得的函数型熔池温度数据作为训练模型输出，原料数据与冶炼过程数据作为S2.2)训练模型输入，通过最小二乘法获得系数矩阵Β的估计把作为B代进ΒΦ(t)，确定训练模型中的βj(t)，其中j代表变量名称，即得到函数型熔池温度预测模型，将S1)获得的函数型熔池碳含