转炉的喷溅风险预测方法及其装置

技术领域

本发明涉及转炉炼钢领域，特别是涉及一种转炉的喷溅风险预测方法。

背景技术

氧气顶吹转炉由于具有生产效率高、成本低的特点，目前已成为一种主要的炼钢设备。化渣是转炉炼钢中一个关键过程，化渣过程是否平稳直接影响到钢的质量与炼钢效率，且化渣期间若发生喷溅现象，不仅会造成原料的严重浪费，甚至会引发人员伤亡、设备损坏等事故。

因此，为保证化渣能够平稳进行，避免发生喷溅事故，现有技术中一是通过人工观察，但是该方法受制于经验、熟练程度等因素，易导致检测结果的稳定性和准确性，且效率不高且时间滞后；二是通过监测氧枪振幅、声强变化、图像分析、氧枪所受浮力等预测喷溅风险，但是其反映的是转炉的渣厚状态，预测效果不佳，有待改善。

发明内容

为解决上述技术问题之一，本发明提供一种转炉的喷溅风险预测方法，包括：

S1：监测X、Y、Z三轴方位的氧枪振动加速度数据；

S2：根据X、Y、Z三轴方位的氧枪振动加速度数据，确定转炉的喷溅风险概率；

S3：判断喷溅风险概率，是否大于设定阈值；

S4：若是，则预测会发生喷溅风险；

S5：若否，则预测不会发生喷溅风险。

进一步地，步骤S1前，还包括步骤S0：确定监测X、Y、Z三轴方位的氧枪振动加速度数据的采样频率，包括：

1a：获取当前氧枪振动加速度；

1b：根据当前氧枪振动加速度，计算熔渣泡沫的当前振动频率；

1c：根据熔渣泡沫的当前振动频率，设定监测氧枪振动加速度数据的采样频率。

进一步地，采样频率的确定步骤，还包括：

设定采样频率确定周期T，在一个周期T结束后，递归执行步骤1a-1c，以根据当前氧枪振动加速度重新确定采样频率。

进一步地，步骤S2，包括：

根据各时刻X、Y、Z三轴方位的氧枪振动加速度数据，矢量合成确定各时刻的氧枪振动总加速度；

计算各时刻氧枪振动总加速度的当前值与趋势值的比值，以该比值为转炉的喷溅风险概率。

进一步地，步骤S2，包括：

构建并训练预测模型，该预测模型包括X、Y、Z三轴方位的氧枪振动加速度数据与炉内压力、炉渣过泡程度的相关性关系；

将当前监测的X、Y、Z三轴方位的氧枪振动加速度数据，输入预测模型，输出当前炉内压力和当前炉渣过泡程度；

根据炉内压力和当前炉渣过泡程度，确定炉内的喷溅风险概率。

进一步地，预测模型包括：

输入模块，输入X、Y、Z三轴方位的氧枪振动加速度数据；

总提取模块，根据XYZ方位的氧枪振动加速度数据，提取炉内压力和炉渣过泡程度特征；

输出模块，根据炉内压力和炉渣过泡程度特征，输出当前炉内压力及炉渣过泡程度；

根据公式(1)计算喷溅风险概率。

P＝f(at)/f(Ft)(1)

其中，at为当前振动加速度值；Ft为下一时间的炉内压力和炉渣过泡程度预测值；P为喷溅风险概率。

进一步地，预测模型包括：

输入模块，输入X、Y、Z三轴方位的氧枪振动加速度数据；

第一提取模块，根据XY方位的氧枪振动加速度数据，提取炉内压力特征；第二提取模块，根据Z方位的氧枪振动加速度数据，提取炉渣过泡程度特征；

输出模块，根据炉内压力特征，输出当前炉内压力；根据炉渣过泡程度特征，输出炉渣过泡程度；

根据公式(2)计算喷溅风险概率；

P＝K1C1+K2C2(2)

其中，K1、K2分别为当前炉内压力和当前炉渣过泡程度的加权系数，C1、C2分别为当前炉内压力和当前炉渣过泡程度，P为喷溅风险概率。

进一步地，还包括：S6：屏蔽步骤，在预测会发生喷溅风险时，判断是否发生加料、氧枪升降等事件，若是则屏蔽该喷溅风险判定结果。

进一步地，还包括：S7自动控制步骤：根据喷溅风险预测结果，若预测会发生喷溅风险时，采取加压喷料、降低氧枪吹氧流量、降低氧枪高度操作的任意一个或多个。

另一方面，本发明还提供一种转炉的喷溅风险预测装置，用于执行上述任意的喷溅风险预测方法，包括：监测模块，用于监测X、Y、Z三轴方位的氧枪振动加速度数据；确定模块，用于根据X、Y、Z三轴方位的氧枪振动加速度数据，确定转炉的喷溅风险概率；判断模块，用于判断喷溅风险概率，是否大于设定阈值和预测模块，用于预测是否发生喷溅风险。

本发明提供一种转炉的喷溅风险预测方法及其装置，给出了一种全新的喷溅风险预测模式，以X、Y、Z三轴方位的氧枪振动加速度数据为监测对象，确定转炉的喷溅风险概率这个预测结果；该X、Y、Z三轴方位的氧枪振动加速度，相较于单方向的氧枪振幅、声强变化、转炉表面图像等参数，能够全方位的反映炉内的真实情况，尤其是氧枪振动加速度这个特征，能更真实的反映炉内压力，能进一步提高喷溅风险概率的预测精度和及时性。

附图说明

图1为本发明转炉的喷溅风险预测方法的一个实施例的流程图；

图2为本发明转炉的正视图；

图3为本发明转炉的俯视图；

图4为本发明转炉的传感器安装放大图；

图5为本发明转炉的喷溅风险预测方法的一个实施例的试验图；

图6为本发明转炉的喷溅风险预测方法的自动控制步骤的一个实施例的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，若本发明实施例中有涉及方向性指示，诸如上、下、左、右、前、后……，则该方向性指示仅用于解释在某一特定姿态下，各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。另外，若本发明实施例中有涉及“第一、第二”、“S1、S2”、“步骤一、步骤二”等的描述，则该类描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量或者表明方法的执行顺序等，本领域技术人员可以理解的凡是在发明技术构思下，不违背其发明要点的，都应该列入本发明的保护范围。

如图1所示，本发明提供一种转炉的喷溅风险预测方法，其特征在于，包括：

S1：监测X、Y、Z三轴方位的氧枪振动加速度数据；

S2：根据X、Y、Z三轴方位的氧枪振动加速度数据，确定转炉的喷溅风险概率；

S3：判断喷溅风险概率，是否大于设定阈值；

S4：若是，则预测会发生喷溅风险；

S5：若否，则预测不会发生喷溅风险。

在该实施例中，给出了本发明的一种转炉的喷溅风险预测方法，其给出了一种全新的喷溅风险预测模式，以X、Y、Z三轴方位的氧枪振动加速度数据为监测对象，确定转炉的喷溅风险概率这个预测结果；可选但不仅限于将晶体式震荡加速度计等传感器安装在氧枪托架之上，检测氧枪的三维振动加速度。该X、Y、Z三轴方位的氧枪振动加速度，相较于单方向的氧枪振幅、声强变化、转炉表面图像等参数，能够全方位的反映炉内的真实情况，尤其是氧枪振动加速度这个特征，能更真实的反映炉内压力，研究表明该氧枪振动加速度与炉内压力正相关，能进一步提高喷溅风险概率的预测精度和及时性。

具体的：

步骤S1中，优选的，如图2所示，为避免由于氧枪更换、设备维护等生产操作对氧枪振动加速度数据检测的影响，可选但不仅限于将一个或多个加速度传感器安装在氧枪升降小车上，这样就保证了能够连续稳定地检测到X、Y、Z三轴方位的氧枪振动加速度数据。具体的，如图2-4所示，氧枪振动加速度，可选但不仅限于采用在线振动测试传感器1检测，可选但不仅限于通过保护罩2、焊接板3，安装在氧枪升降小车平台4上。更为优选的，数据采集后，还可选但不仅限于包括滤波等数据预处理步骤。

更为优选的，为确保氧枪振动加速度数据的真实准确，避免杂波的干扰，从而实时分析出转炉内情况，进一步提高后续对冶炼过程可能发生喷溅的提前预警功能的准确性和及时性，该监测氧枪振动加速度数据，还可选但不仅限于设定恰当的采样频率，即在步骤S1前，还包括步骤S0：确定监测X、Y、Z三轴方位的氧枪振动加速度数据的采样频率。具体的，该采样频率的确定步骤，可选但不仅限于包括：

1a：获取当前氧枪振动加速度；示例的，在t时刻，通过振动加速度传感器，采集当前氧枪振动加速度；更为具体的，为便于计算，该当前氧枪振动加速度，可为某个方位的氧枪振动加速度数据，也可为X、Y、Z三轴方位氧枪振动加速度数据的矢量和。

1b：根据当前氧枪振动加速度，计算熔渣泡沫的当前振动频率；示例的，对当前氧枪振动加速度，运用傅里叶变换对振动加速度信号进行频率分析，根据频谱图确定与炉内压力和炉渣过泡程度相关的振动频率，并经逆变换做出时频图，得到熔渣泡沫的当前振动频率；

1c：根据熔渣泡沫的当前振动频率，设定监测氧枪振动加速度数据的采样频率；示例的，为避免杂波干扰，该氧枪振动加速度数据的采样频率，可选但不仅限于设定为熔渣泡沫的当前振动频率的4-5倍。

步骤S2中，下面给出了两个优选实施例，但是并不以此为限，本发明在氧枪振动加速度，与转炉的喷溅风险概率正相关的理论研究基础上做出，该技术思想指导下的技术方案都应当列入本发明的保护范围。

在第一实施例中，可选但不仅限于包括：

2a、根据各时刻X、Y、Z三轴方位的氧枪振动加速度数据，矢量合成确定各时刻的氧枪振动总加速度；

2b、计算各时刻氧枪振动总加速度的当前值与趋势值的比值，以该比值为转炉的喷溅风险概率；具体的，对于当前值，在任意时刻t，以监测到的该时刻XYZ三轴方位氧枪振动加速度数据，矢量求和得到当前值；对于趋势值，可选但不仅限于采用扩大时距法、移动平均法或最小二乘法中的任意一种方法确定一段时间内的趋势值，示例的为了表征喷溅事件的严重程度和振动加速度相关，定义每采样10个点，计算一次趋势值，如图5所示，得到氧枪振动总加速度当前值曲线(实时线)和趋势值曲线(趋势线)，进而计算时刻t的二者之比，以其反映喷溅风险指数，确定转炉的喷溅风险概率。示例的，通过各时刻氧枪振动加速度的当前值与趋势值的比值，度量偏离正常范围，可选但不仅限于为趋势值的上线和下线内的振动，设定为二者比值越大，即喷溅风险指数越大，发生喷溅的概率就越大，建立喷溅风险概率模型。示例的，可选但不仅限于设定为偏离正常范围40％时，则预测会发生喷溅风险。

在第二个实施例中，可选但不仅限于包括：

2a’、构建并训练预测模型，该预测模型包括X、Y、Z三轴方位的氧枪振动加速度数据与炉内压力、炉渣过泡程度的相关性关系；更为具体的，该预测模型，包括XY方位的氧枪振动加速度与炉内压力的相关性关系，以及Z方位的氧枪振动加速度数据与炉内炉渣过炮程度的相关性关系；该方式，将XYZ三轴方位的氧枪振动加速度数据解耦处理，将XY两方位的水平氧枪振动加速度反映水平方向的炉内压力，将Z方位的垂直氧枪振动加速度反映垂直方向的炉渣过泡程度，能更精准的反映转炉真实情况，进一步提高喷溅风险的预测精度和及时性。

具体的，该预测模型中各数据的相关性关系，可选但不仅限于基于100炉次的冶炼数据而拟合确定，优选的基于任意形式的神经网络模型而确定。

示例的，首先构建预测模型，该预测模型的具体形式可选但不仅限于采用现有技术的神经网络模型的任意一种，结构包括：

输入模块，输入X、Y、Z三轴方位的氧枪振动加速度数据；

提取模块，根据XYZ三轴方位的氧枪振动加速度，提取炉内压力特征和炉渣过泡程度特征。具体的，可选但不仅限于优选轻量级骨干网络，如ResNet、MobileNet、ShuffleNet等，以一个ResNet18(0.5)为例，使用一个较小的18层的ResNet网络。更为具体的，还可选但不仅限于包括：具体的，可选但不仅限于包括：第一提取模块，根据XY方位的氧枪振动加速度数据，提取炉内压力特征；第二提取模块，根据Z方位的氧枪振动加速度数据，提取炉渣过泡程度特征；

输出模块，根据炉内压力特征和炉渣过泡程度特征，输出当前炉内压力及炉渣过泡程度值。

然后，将100炉次的冶炼数据，选取80炉次作为训练样本集，20炉次作为验证样本集，依次输入上述基于神经网络的预测模型，迭代减少损失函数，以优化修正预测模型的各项参数，得到训练后的神经网络模型，即预测模型，反映X、Y、Z三轴方位的氧枪振动加速度数据与炉内压力、炉渣过泡程度的相关性关系。

2b’、将当前监测的X、Y、Z三轴方位的氧枪振动加速度数据，输入预测模型，输出当前炉内压力和当前炉渣过泡程度；

2c’、根据炉内压力和当前炉渣过泡程度，确定炉内的喷溅风险概率。

具体的，若根据XYZ三轴方位的氧枪振动加速度，整体提取炉内压力特征和炉渣过泡程度特征时，根据公式(1)计算喷溅风险概率。

P＝f(at)/f(Ft)(1)

其中，at为当前振动加速度值；Ft为下一时间的炉内压力和炉渣过泡程度预测值；P为喷溅风险概率。

若根据XY方位的氧枪振动加速度数据，提取炉内压力特征；根据Z方位的氧枪振动加速度数据，提取炉渣过泡程度特征时，可选但不仅限于采用加权系数求和的方式，根据公式(2)计算喷溅风险概率。

P＝K1C1+K2C2(2)

其中，K1、K2为加权系数，C1、C2为当前炉内压力和当前炉渣过泡程度，P为喷溅风险概率。具体的，该加权系数K1、K2，可由本领域技术人员根据实际转炉实际情况而任意设定。

在上述优选实施例中，给出了本发明转炉的喷溅风险预测方法的具体实施方式，其以X、Y、Z三轴方位的氧枪振动加速度数据为整体，矢量合成其总的氧枪振动加速度径向矢量，全方位反映炉内的三维空间状态，并以各时刻的氧枪振动加速度的当前值与趋势值的比值为评测标准，即喷溅风险概率，而不是简单的以氧枪振动加速度的当前值为直接评测标准，能够充分反映炉内状态的极速变化过程，如炉内压力、炉渣过泡程度的变化过程，在此基础上判断该喷溅风险概率是否大于设定阈值，若是则预测会发生喷溅风险，若不是则预测不会发生喷溅风险，能够对喷溅现象提前预测，做到提前预警，而且预测精确度更高。

更为优选的，其在若干次的冶炼数据中，发现氧枪振动加速度信号和炉内压力及炉渣过泡程度正相关，可选但不仅限于构建二者之间的相关性关系模型，以真实反映炉内压力和炉渣过泡程度，相较于通过氧枪振幅、转炉表面图像等方式，能更充分的反映喷溅现象发生的根源。具体的，喷溅产生的根本原因是炉内气体膨胀速度过泡大于排出速度，炉内压力持续升高，推动炉渣上涨，现象就是：炉渣迅速上涨，高度超过炉口高度，喷溅产生。如果炉内气体膨胀速度和排出速度相等，炉内压力和炉渣高度就会处于一个平衡状态，即便炉渣高度升高也不会发生喷溅，所以现有技术中认为炉渣高度升高导致喷溅(炉渣厚阻尼大，所以声强小，振幅小，浮力大)，用检测声强、振幅、浮力的方法，把炉渣厚度也就是炉渣高度当做检测对象，预测喷溅，实际是有偏差的。实际上，炉渣厚也不一定喷溅，就像家里煮面，锅开后产生气体，泡沫上涨。如果煤气火焰合适的话，锅内产生气泡速度和排气速度相等，开锅后泡沫即使高达锅沿，也不会瀑出来，炉渣薄也不一定不喷，同样就像家里煮面，如果火焰控制不好，锅开后产生大量气泡，开锅瞬间就瀑出来。因此，把炉渣高度作为检测对象，只能做到报警，做不到提前预报，也就无法及时采取控制措施，遏制喷溅。而本发明的创新性就在于，以氧枪振动加速度为监测对象，侧面反映炉内压力、炉渣过泡，针对喷溅产生的根本原因，反映喷溅风险概率，优选方案中，把氧枪振动加速度的实际值与趋势值比较，更为优选的以喷溅风险概率作为评价指标，构建振动加速度和炉内压力及炉渣过泡程度正相关的规律，通过检测和计算振动加速度的方法，预测炉内压力和炉渣过泡变化趋势，能够提前15秒到60秒预报喷溅风险，使用户有足够的时间采取措施，遏制喷溅。

更为优选的，步骤S3-S5中，判断喷溅风险概率，是否大于设定阈值；具体的，该设定阈值，可根据转炉的大小、型号、其内炉渣数量等而确定，若是，则预测会发生喷溅风险；若否，则预测不会发生喷溅风险。

更为优选的，本发明转炉的喷溅风险预测方法，还可选但不仅限于包括步骤S6：屏蔽步骤，在预测会发生喷溅风险时，判断是否发生加料、氧枪升降等事件，若是则屏蔽该喷溅风险判定结果。

在该实施例中，给出了本发明转炉的喷溅风险预测方法，考虑到钢水钢水渣量的变化、氧枪升降、加料等事件会对氧枪的振动加速度数据的检测结果造成影响，在此基础上监测对的氧枪振动及速度数据并不准确，所以在此基础上得到的喷溅风险预测结果可能并不准确，因此增设该屏蔽步骤，在发生加料、氧枪升降等事件时，即便预测会发生喷溅风险，也对此屏蔽，避免错误预警，导致后续错误操作，进一步提高该喷溅风险预测方法的准确性，实现提前15～50秒对喷溅进行预警。

更为优选的，本发明转炉的喷溅风险预测方法，还可选但不仅限于包括：S7自动控制步骤：根据喷溅风险预测结果，若预测会发生喷溅风险时，采取加压喷料、降低氧枪吹氧流量、降低氧枪高度等操作的任意一个或多个。

具体的，可选但不仅限于进一步根据喷溅风险概率，设定控制等级，对氧枪、加料等过程进行动态调整，以过程氧枪和加料进行动态调整，缓解喷溅风险，避免转炉发生喷溅。示例的，如图6所示，给出了自动控制的一种优选实施例，判断是否发生喷溅预警，若不是发生喷溅风险预警，则一切照常进行，并继续监测判断；若是发生喷溅预警，则可选但不仅限于低风险预警时，氧枪下降xx mm，中风险预警时，氧枪下降xx mm同时添加物料xx kg，高风险预警时，流量下降xx％，该具体数值可由本领域技术人员根据转炉实际情况而任意设定；并持续监测判断，预警值是否正常，若否则继续调整，若是则枪位调回原始位置。

另一方面，本发明还提供一种转炉的喷溅风险预测装置，以执行上述喷溅预测方法，包括：监测模块，用于监测X、Y、Z三轴方位的氧枪振动加速度数据；确定模块，用于根据X、Y、Z三轴方位的氧枪振动加速度数据，确定转炉的喷溅风险概率；判断模块，用于判断喷溅风险概率，是否大于设定阈值和预测模块，用于预测是否发生喷溅风险。优选的，该监测模块，可选但不仅限于为振动加速度传感器，优选设置在氧枪升降小车上，相较于将传感器设置在氧枪或者托架下方，其使用寿命更长，不受更换氧枪的影响，其监测精度也更高。

具体的，该预测装置基于上述预测方法而创造，其技术效果和技术特征的组合，在此不再赘述。

另一方面，本发明还提供一种转炉，采用上述任意的喷溅风险控制方法，或包括上述任意的喷溅风险控制装置。

另一方面，本发明还提供一种计算机存储介质，存储有可执行程序代码；所述可执行程序代码，用于执行上述任意的喷溅风险控制方法。

另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行上述任意的喷溅风险控制方法。

示例性的，所述程序代码可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述程序代码在终端设备中的执行过程。

所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，终端设备还可以包括输入输出设备、网络接入设备、总线等。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器可以是终端设备的内部存储单元，例如硬盘或内存。所述存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述程序代码以及终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。

上述喷溅风险预测装置、计算机存储介质和终端设备基于上述喷溅风险预测方法而创造，其技术作用和有益效果在此不再赘述，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。