转炉炼钢终点预测方法和系统.pdf

(19)中华人民共和国国家知识产权局*CN102392095A*(12)发明专利申请(10)申请公布号CN102392095A(43)申请公布日2012.03.28(21)申请号201110324038.0(22)申请日2011.10.21(71)申请人湖南镭目科技有限公司地址410000湖南省长沙市经济技术开发区漓湘东路以南中轴路以西(72)发明人田陆何涛焘文华北刘东(74)专利代理机构北京集佳知识产权代理有限公司11227代理人逯长明(51)Int.Cl.C21C5/30(2006.01)C21C5/46(2006.01)权利要求书3页说明书8页附图6页(54)发明名称转炉炼钢终点预测方法和系统(57)摘要本发明实施例公开了转炉炼钢终点预测方法和系统，其方法包括：采集转炉炼钢中的当前生产参数信息及转炉炉口当前的火焰信息作为自变量；创建神经网络，利用所述自变量构成的训练样本对创建的神经网络进行训练；利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测得到终点时间预测结果、碳含量预测结果和钢水温度预测结果。可见，采用本发明实施例提供的技术方案，通过实时获取转炉生产信息及转炉炉口的火焰信息，可以在线实时精确的分析炼钢终点的时间、钢水的温度和碳含量，来实现对过程的精确控制，从而提高转炉炼钢的自动化水平、生产效率，降低成本。CN102395ACCNN110239209502392103A权利要求书1/3页1.一种转炉炼钢终点预测方法，其特征在于，包括：采集转炉炼钢中的当前生产参数信息及转炉炉口当前的火焰信息，所述生产参数信息包括铁水的重量、铁水的温度、碳含量、氧枪吹氧时间和吹氧量，所述炉口火焰信息包括光强特征值、火焰温度和火焰图像特征值；将所述铁水的重量、铁水的温度、碳含量、氧枪吹氧时间、吹氧量、光强特征值和火焰图像特征值作为自变量；利用所述自变量构成训练样本；创建神经网络，利用所述训练样本对创建的神经网络进行训练；利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测得到预测结果，所述转炉炼钢终点包括终点时间、碳含量和钢水温度，所述预测结果包括终点时间预测结果、碳含量预测结果和钢水温度预测结果。2.根据权利要求1所述的方法，其特征在于，所述利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测，得到预测结果的具体实施方式包括：利用所述训练终止后得到的神经网络对所有的所述自变量进行筛选，筛选出对所述预测结果的影响程度达到预设标准的自变量；所述训练终止后得到的神经网络将筛选出的、将对所述预测结果的影响程度达到预设标准的自变量作为输入参数，预测出预测结果；所述对所述预测结果的影响程度达到预设标准的自变量包括对所述终点时间预测结果的影响程度达到预设标准的自变量，对所述碳含量预测结果的影响程度达到预设标准的自变量，以及对所述钢水温度预测结果的影响程度达到预设标准的自变量。3.根据权利要求2所述的方法，其特征在于，所述对所有的所述自变量进行筛选，筛选出对所述预测结果的影响程度达到预设标准的自变量的具体实施方式包括：对所述训练样本中的每一自变量进行MIV值计算；根据MIV值的绝对值的大小对自变量进行排序，选取绝对值达到预设标准的自变量作为对所述预测结果的影响程度达到预设标准的自变量；所述MIV值计算包括：将待计算MIV值的自变量对应的原值S分别加/减a％S，构成新的训练样本P1和P2；将P1和P2分别作为仿真样本利用所述训练终止后得到的神经网络进行仿真预测，得到两个仿真预测结果A1和A2；求出A1和A2的差值，作为变动自变量后对输出产生的影响变化值IV；将IV按观测例数平均得出待计算MIV值的自变量对应的MIV值。4.根据权利要求3所述的方法，其特征在于：所述神经网络为BP神经网络；所述创建神经网络，利用所述训练样本对创建的神经网络进行训练，得到训练终止后得到的神经网络的具体实施方式包括：确定BP神经网络的拓扑结构，所述拓扑结构包括一个输入层，一个输出层，以及至少一个隐含层；初始所述BP神经网络的权值及阈值的长度；利用所述训练样本对所述BP神经网络的初始权值及初始阈值进行优化；2CCNN110239209502392103A权利要求书2/3页利用所述训练样本对经优化的BP神经网络进行训练，在经训练的BP神经网络输出的预测结果达到预设要求或达到预先设定的训练次数时，训练终止。5.根据权利要求4所述的方法，其特征在于，所述利用所述训练样本对所述BP神经网络的初始权值及初始阈值进行优化的具体实施方式为利用所述训练样本和遗传算法对所述BP神经网络的初始权值及初始阈值进行优化。6.根据权利要求5所述的方法，其特征在于，所述利用所述训练样本和遗传算法对所述BP神经网络的初始权值及初始阈值进行优化具体包括：A、设定种群的