钢水“脱氧合金化”最优配料方案研究--中国期刊网

字体：大中小

首页> 原创作品> 正文

钢水“脱氧合金化”最优配料方案研究

发表时间：2020/9/1 来源：《论证与研究》2020年7期作者：刘俊江张国宁王龙涛刘虹雨

[导读] 摘要：本文主要针对我国钢铁产量进行相关生产工艺的研究。矿石、煤炭等资源消耗巨大，因此利用改进生产工艺，对降低能耗、提高效益、提高产业竞争力具有重要意义。首先我们对历史数据进行了预处理，删除了包括转炉终点温度为0的，C、Mn等元素数据均为Null的，其次加入的合金量为0的异常数据，并对九种不同钢号的钢铁进行了分离研究，最后使用MATLAB对正常数据进行了提取，并代入推导出的收得率计算公式，得到了主

                                                                           刘俊江1 张国宁1 王龙涛1 刘虹雨2
                                 （1山东科技大学电子信息工程学院山东青岛 266590 2山东科技大学数学与系统科学学院山东青岛 266590）
        摘要：本文主要针对我国钢铁产量进行相关生产工艺的研究。矿石、煤炭等资源消耗巨大，因此利用改进生产工艺，对降低能耗、提高效益、提高产业竞争力具有重要意义。首先我们对历史数据进行了预处理，删除了包括转炉终点温度为0的，C、Mn等元素数据均为Null的，其次加入的合金量为0的异常数据，并对九种不同钢号的钢铁进行了分离研究，最后使用MATLAB对正常数据进行了提取，并代入推导出的收得率计算公式，得到了主要元素的平均历史收得率。根据结果，利用灰色关联分析法分析了转炉终点温度、加入合金料的量等多个因素，并提出了合金加入方式、钢品种为影响元素收得率的两个主要因素。
        关键词：灰色关联分析法；人工神经网络；卡方检验；模拟退火模型
        引言
        炼钢过程中，脱氧合金化操作对于生产高附加值的优质钢种来说已成为必不可少的内容，可以准确、经济地生产出成分波动小且性能稳定的钢种，是炼钢自动化水平的标志之一。故研究脱氧合金化模型并实现该工序的计算机控制具有明显的社会效益和经济效益。通过分析研究炼钢历史数据及现实因素，计算C、Mn两种元素历史收得率，并着重分析影响元素历史收得率的主要因素。利用元素收得率数据参数，建立数学模型预测C、Mn两种元素的收得率，并根据主要影响因素，进一步优化算法尽可能地提高预测准确率。分析研究元素收得率的预测结果，建立数学模型，实现钢水脱氧合金化成本优化计算，并设计出合金配料方案。
        1、问题分析
        首先我们需要对数据进行清除，保留正常数据后，根据元素收得率计算公式计算出C、Mn两元素的收得率，然后分析其他量化指标，但对于影响收得率的因素除量化指标外还应该与钢的种类有关，因此需要对钢的品种分类再使用灰色关联分析法，最终，我们加入合金料的量、钢品种为影响元素收得率的两个主要因素。预测首先需要找到时间关系，因此我们使用炉号作为时间关系，并使用线性回归方程按照简单时间序列对C、Mn两种元素的收得率进行了预测，然后需要考虑其它影响元素收得率的因子从而进一步优化算法，我们可以利用人工神经网络模型对收得率参数进行处理，并对系统多次练习，从而提高预测准确率。我们首先需要对某些钢号的空白值使用中的优化算法进行预测，然后根据结论降低一些对收得率影响较小合金的含量，由于问题结果与问题的初始值及初始状态无关，因此我们需要使用模拟退火算法根据各类合金价格迭代计算，最终找到最优解。我们需要在保证元素收得率的前提下，给出一份最经济合理的合金配料方案。
        2、模型的建立
        主要对异常数据进行删除，包括转炉终点温度为0的数据，C、Mn等元素数据均为Null的数据，加入的合金量为0的数据。对九种不同钢号的钢铁进行分离，以此研究钢铁种类对元素收得率的影响情况。由于两者均处于动态变化中，因此我们采用了灰色关联分析法，由于系统中各因素的物理意义不同，我们首先对参考数列进行了无量纲化处理，然后我们搜寻了大量数据并整理了主要合金对收得率影响，如下表所示：

表1 合金加入方式对收得率的影响

        根据表中数据可得合金加入方式对收得率影响很大，并且不同的合金需要不同加入方式才可以使收得率达到最优。因此，加入合金的方式是影响收得率的主要因素之一。
        3、模型的求解
        我们根据C、Mn、P等元素的收得率，利用前半部分数据对人工神经网络进行训练以预测出后半部分数据并对其使用卡方检验，除量化指标外，我们怀疑不同的钢品种对元素收得率可能也不相同，因此我们将九种钢号分开研究。
        不同的钢品种对同一元素的元素收得率并不相同且波动较大。因此，我们得出钢品种也是元素收得率主要的影响因素之一。根据历史收得率我们得出了主要元素的历史平均收得率并确定了加入合金的方式、钢品种为影响元素收得率的两个主要因素，随后我们采用了多种方法，考虑了多个因子，对元素的收得率进行了较准确的预测。预测结果显示，随时间进程，C、Mn两元素收得率进本不变，保持在某一数值内上下波动，而且使用简单线性方程对收得率进行简单预测无法准确地得出收得率的预测结果，无法满足工程建设的要求，因此我们下面将对算法进行进一步优化以提高预测准确率。
        为了对C、Mn等主要元素收得率进行了预测，我们首先进行了线性简单预测，其准确率较低，无法保证实际工程生产的要求。因此，我们利用了人工神经网络算法对模型进行了优化，并多次重复练习，使用卡方检验得到了精准度更高的预测数据且对算法进行了灵敏度分析。我们发现某些钢号的元素“连铸正样”未给出，我们使用优化算法对这一部分数据进行了预测，然后根据问题中的结果降低了一些对收得率影响较小合金的含量，由于问题结果与问题的初始值及初始状态无关，因此我们采用了模拟退火模型解决问题，根据各种合金价格进行迭代计算，最终找到了最优解。
        结论
        本模型对元素收得率的预测非常精确，完全满足工程生产的需要，在实际生产中避免了不必要的额外实验，浪费资源。在非线性映射能力很强既适用于一次脱氧合金化也适合于多次合金的量微调情况。是一个相对独立的功能化模块和软件，并且学习与自适应能力较强，其结构和计算方法原则上适合于各种合金化操作，使用时只需针对具体问题做适当修改即可.过于依赖于样本数据，如果实际生产数据来源于生产条件稳定的环境下，则精度较高，反之模型将不再适用。
        参考文献：
         [1]张春霞.脱氧合金化控制模型[j].钢铁，32增刊：590-591.1997
         [2]陈襄武.炼钢过程的脱氧[M].北京：冶金工业出版社，1991.11
         [3]宿永波.转炉冶炼低碳钢脱氧合金化工艺优化[j].山西冶金，056003：71-72.2014