一种基于5G技术的钢包底吹二氧化碳冶炼方法及系统

技术领域

本发明属于冶金工程领域，尤其涉及一种基于5G技术的钢包底吹二氧化碳冶炼方法及系统。

背景技术

因为我国钢铁企业面对环境和资源两大约束，所以要积极落实钢铁工业低碳发展模式，随着低碳经济发展模式的逐步开展，一部分钢铁企业已经在CO

钢包底吹CO

发明内容

针对上述技术问题，本发明的一个方式的目的之一是提供一种基于5G技术的钢包底吹二氧化碳冶炼方法，在钢包底吹二氧化碳的过程中通过传感器收集相应数据，通过收集的数据建立二氧化碳钢包底吹的BP神经网络模型，在实际生产的过程中，通过BP神经网络可以由二氧化碳参数预测冶炼结果，最终实现二氧化碳参数的调整，达到最佳的钢包底吹二氧化碳冶炼效果。

本发明的一个方式的目的之一是提供一种基于5G技术的钢包底吹二氧化碳冶炼系统，包括汽化装置、数据收集模块、数据预处理模块、模型建立模块、模型优化模块、5G模块和数字管理平台，采用5G数字技术作为信息传递方式，可以极大减少冶炼过程中的信息传递时间，更加方便数字管理平台根据BP神经网络调整钢包底吹二氧化碳的数据，优化钢包底吹二氧化碳冶炼效果。

注意，这些目的的记载并不妨碍其他目的的存在。本发明的一个方式并不需要实现所有上述目的。可以从说明书、附图、权利要求书的记载中抽取上述目的以外的目的。

本发明是通过以下技术手段实现上述技术目的的。

一种基于5G技术的钢包底吹二氧化碳冶炼方法，包括以下步骤：

步骤S1、数据收集：使用汽化装置将二氧化碳液体转化为二氧化碳气体，在钢包底吹二氧化碳，通过传感器收集二氧化碳数据和钢包冶炼工艺数据；

步骤S2、数据预处理：将步骤S1收集到的二氧化碳数据与相应的钢包冶炼工艺数据进行联系标注，并分为训练集和测试集；

步骤S3、模型建立：建立输入为二氧化碳数据、输出为钢包冶炼工艺数据的BP神经网络；

步骤S4、模型优化：使用步骤S2的训练集对步骤S3建立的BP神经网络进行训练，并使用测试集对BP神经网络进行测试，直到BP神经网络结果符合测试集；

步骤S5、冶炼优化：在钢包底吹二氧化碳，通过传感器收集二氧化碳数据并通过5G模块将二氧化碳数据输入至步骤S4优化后的BP神经网络，若BP神经网络输出的钢包冶炼工艺数据不符合冶炼条件，则调整钢包底吹二氧化碳的数据，直到BP神经网络输出的钢包冶炼工艺数据符合冶炼条件，进行钢包冶炼。

上述方案中，所述步骤S1二氧化碳数据信息包括二氧化碳气体压力、二氧化碳气体流量和汽化装置汽化能力。

进一步的，所述汽化装置汽化能力为：

y=a+bx-w

其中：

y为汽化装置汽化能力，单位为Nm

a为压力影响无量纲因子；

b为液体CO2流量影响无量纲因子；

x为二氧化碳汽化量，单位为NL/min；

w为压力及流量的经验修正系数。范围为0-1050。

上述方案中，步骤S1所述钢包冶炼工艺数据信息包括钢液温度和钢液成分。

上述方案中，所述步骤S3BP神经网络包括输入层、隐含层和输出层；

所述二氧化碳数据输入至输入层，二氧化碳数据通过隐含层作用于输出节点，经过非线性变换，产生钢包冶炼工艺数据由输出层输出。

上述方案中，所述在钢包底吹二氧化碳时需要钢液面产生波动且不能产生管状流或喷溅。

上述方案中，所述步骤S4模型优化时BP神经网络结果与测试集误差小于3%视为符合测试集。

上述方案中，所述步骤S5二氧化碳冶炼时BP神经网络输出的钢包冶炼工艺数据误差小于5%视为符合冶炼条件。

一种基于5G技术的钢包底吹二氧化碳冶炼系统，包括汽化装置、数据收集模块、数据预处理模块、模型建立模块、模型优化模块、5G模块和数字管理平台；

所述汽化装置用于将二氧化碳液体转化为二氧化碳气体；

所述数据收集模块用于使用传感器收集二氧化碳数据和钢包冶炼工艺数据；

所述数据预处理模块用于将数据收集模块收集到的二氧化碳数据与相应的钢包冶炼工艺数据进行联系标注，并分为训练集和测试集；

所述模型建立模块用于建立输入为二氧化碳数据、输出为钢包冶炼工艺数据的BP神经网络；

所述模型优化模块用于使用数据预处理模块划分的训练集对模型建立模块建立的BP神经网络进行训练，并使用测试集对BP神经网络进行测试，直到BP神经网络结果符合测试集；

所述5G模块用于将数据收集模块收集的二氧化碳数据传递给模型优化模块优化后的BP神经网络；

所述数字管理平台用于根据BP神经网络输出的钢包冶炼工艺数据调整钢包底吹二氧化碳的数据，直到BP神经网络输出的钢包冶炼工艺数据符合冶炼条件。

上述方案中，所述汽化装置包括低温变流量控压阀、阀门基座、二氧化碳加入装置、压力表、减压阀、控压放散阀、出口阀门、二氧化碳汽化模块、汽化模块基座和支撑构件；

所述汽化装置基座设于支撑构件顶部；

所述二氧化碳汽化模块设于汽化模块基座顶部；

所述阀门基座设于二氧化碳汽化模块顶部;所述控压放散阀设于阀门基座上；

所述低温变流量控压阀、二氧化碳加入装置、压力表、减压阀、控压放散阀和出口阀门依次连接；

所述低温变流量控压阀通过二氧化碳加入装置与二氧化碳汽化模块连接。

与现有技术相比，本发明的有益效果是：

根据本发明的一个方式，通过建立钢包底吹二氧化碳的BP神经网络，能够实时调整二氧化碳参数，最终优化冶炼效果，使得钢包底吹满足冶炼任务要求。

根据本发明的一个方式，基于5G技术的钢包底吹二氧化碳冶炼系统采用5G数字技术作为信息传递方式，可以极大减少冶炼过程中的信息传递时间，更加方便数字管理平台根据BP神经网络调整钢包底吹二氧化碳的数据，优化钢包底吹二氧化碳冶炼效果。

注意，这些效果的记载不妨碍其他效果的存在。本发明的一个方式并不一定必须具有所有上述效果。可以从说明书、附图、权利要求书等的记载显而易见地看出并抽出上述以外的效果。

附图说明

图1是本发明一实施方式的结构示意图。

图2是本发明一实施方式的汽化装置结构示意图。

图中：1、低温变流量控压阀；2、阀门基座；3、二氧化碳加入装置；4、压力表；5、减压阀；6、控压放散阀；7、出口阀门；8、二氧化碳汽化模块；9、汽化模块基座；10、支撑构件。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“前”、“后”、 “左”、“右”、“上”、“下”、“轴向”、“径向”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

图1所示为所述基于5G技术的钢包底吹二氧化碳冶炼方法的一种较佳实施方式，包括以下步骤：

步骤S1、数据收集：使用汽化装置将二氧化碳液体转化为二氧化碳气体，在钢包底吹二氧化碳，通过传感器收集二氧化碳数据和钢包冶炼工艺数据；

步骤S2、数据预处理：将步骤S1收集到的二氧化碳数据与相应的钢包冶炼工艺数据进行联系标注，并分为训练集和测试集；

步骤S3、模型建立：建立输入为二氧化碳数据、输出为钢包冶炼工艺数据的BP神经网络，BP神经网络通过热力学计算模型和动力学计算模型构建隐含层的初始权值；

步骤S4、模型优化：使用步骤S2的训练集对步骤S3建立的BP神经网络进行训练，并使用测试集对BP神经网络进行测试，直到BP神经网络结果符合测试集；

步骤S5、冶炼优化：在钢包底吹二氧化碳，通过传感器收集二氧化碳数据并通过5G模块将二氧化碳数据输入至步骤S4优化后的BP神经网络，若BP神经网络输出的钢包冶炼工艺数据不符合冶炼条件，则调整钢包底吹二氧化碳的数据，直到BP神经网络输出的钢包冶炼工艺数据符合冶炼条件，进行钢包冶炼。

所述步骤S1二氧化碳数据信息包括二氧化碳气体压力、二氧化碳气体流量和汽化装置汽化能力。

根据本实施例，优选的，所述汽化装置汽化能力为：

y=a+bx-w

其中：

y为汽化装置汽化能力，单位为Nm

a为压力影响无量纲因子，范围为55-72；

b为液体CO2流量影响无量纲因子，范围为0.3-2.1；

x为二氧化碳汽化量，单位为NL/min，范围为50NL/min-1200NL/min；

w为无量纲修正系数，范围为0-1050。

所述步骤S1所述钢包冶炼工艺数据信息包括钢液温度和钢液成分。钢液温度有温度传感器检测，钢液成分在生产过程中，由生产一线职工取试样，试样送到化验室进行检测。

所述步骤S3BP神经网络包括输入层、隐含层和输出层；

所述二氧化碳数据输入至输入层，二氧化碳数据通过隐含层作用于输出节点，经过非线性变换，产生钢包冶炼工艺数据由输出层输出。

所述在钢包底吹二氧化碳时需要钢液面产生波动且不能产生管状流或喷溅。

根据本实施例，优选的，在进行钢包底吹时气体流量可以参考表1：

在进行强搅拌时，目视渣层应≥300mm，参考混吹流量应≥200NL/min，其目的为脱氧合金化、脱硫。在进行弱搅拌时，目视渣层应为100-300mm，参考混吹流量应为20-200NL/min，其目的为钢水静等时间。在进行软吹时，目视渣层应为钢液不裸露，参考混吹流量应为20-200NL/min，其目的为净化钢水。调节底吹气不能只看流量和压力，应根据透气砖的透气情况、视钢液面波动程度而定。

所述步骤S4模型优化时BP神经网络结果与测试集误差小于3%视为符合测试集。

上述方案中，所述步骤S5二氧化碳冶炼时BP神经网络输出的钢包冶炼工艺数据误差小于5%视为符合冶炼条件。

根据本实施例，优选的，钢包应采用周转钢包，确保钢包透气性良好、钢包清洁无残钢、残渣。选择钢包时，确保渣线处厚度满足耐材规定要求。

本发明通过建立钢包底吹二氧化碳的BP神经网络，能够实时调整二氧化碳参数，最终优化冶炼效果，使得钢包底吹满足冶炼任务要求。同时采用5G数字技术作为信息传递方式，可以极大减少冶炼过程中的信息传递时间，更加方便数字管理平台根据BP神经网络调整钢包底吹二氧化碳的数据，优化钢包底吹二氧化碳冶炼效果。

实施例2

一种基于5G技术的钢包底吹二氧化碳冶炼系统，包括汽化装置、数据收集模块、数据预处理模块、模型建立模块、模型优化模块、5G模块和数字管理平台；

所述汽化装置用于将二氧化碳液体转化为二氧化碳气体；

所述数据收集模块用于使用传感器收集二氧化碳数据和钢包冶炼工艺数据；

所述数据预处理模块用于将数据收集模块收集到的二氧化碳数据与相应的钢包冶炼工艺数据进行联系标注，并分为训练集和测试集；

所述模型建立模块用于建立输入为二氧化碳数据、输出为钢包冶炼工艺数据的BP神经网络；

所述模型优化模块用于使用数据预处理模块划分的训练集对模型建立模块建立的BP神经网络进行训练，并使用测试集对BP神经网络进行测试，直到BP神经网络结果符合测试集；

所述5G模块用于将数据收集模块收集的二氧化碳数据传递给模型优化模块优化后的BP神经网络。

根据本实施例，优选的，所述5G模块将数据收集模块收集的二氧化碳数据传递给模型优化模块优化后的BP神经网络的过程为：

接收终端发送的呼叫指令，所述呼叫指令携带待处理服务标识；

根据所述待处理服务标识，获得目标5G服务执行指令；

根据所述目标5G服务执行指令，确定目标5G服务提供模块；

向所述目标5G服务提供模块发送服务指令，所述服务指令携带所述目标5G服务执行指令和所述终端对应的接入信息，所述服务指令用于指示所述目标5G服务提供模块根据所述目标5G服务执行指令确定目标5G信息，并基于所述接入信息，将所述目标5G信息发送至所述接收终端。

所述数字管理平台用于根据BP神经网络输出的钢包冶炼工艺数据调整钢包底吹二氧化碳的数据，直到BP神经网络输出的钢包冶炼工艺数据符合冶炼条件。

如图2所示，上述方案中，所述汽化装置包括低温变流量控压阀1、阀门基座2、二氧化碳加入装置3、压力表4、减压阀5、控压放散阀6、出口阀门7、二氧化碳汽化模块8、汽化模块基座9和支撑构件10；

所述汽化装置基座9设于支撑构件10顶部；

所述二氧化碳汽化模块8设于汽化模块基座9顶部；

所述阀门基座2设于二氧化碳汽化模块8顶部;

所述低温变流量控压阀1、二氧化碳加入装置3、压力表4、减压阀5、控压放散阀6和出口阀门7设于阀门基座2上；

所述二氧化碳加入装置3与低温变流量控压阀1一端连接，低温变流量控压阀1另一端与二氧化碳汽化模块8输入端连接；

所述二氧化碳汽化模块8输出端与压力表4一端连接，所述压力表4另一端与减压阀5一端连接，所述减压阀5另一端与控压放散阀6一端连接，所述控压放散阀6另一端与出口阀门7连接；所述出口阀门7连接钢包底吹管路。

液体二氧化碳通过低温变流量控压阀1进入二氧化碳汽化装置，由于液体二氧化碳压力波动较大，在二氧化碳汽化装置需要调节压力。压力如果逐步增加，超过压力范围上限，应当打开控压放散阀6减压。

根据本实施例，优选的，汽化装置的底吹气操作控制可以在操作室内或室外调节，最大吹气压力为2.4Mpa，最小压力为0.2Mpa，汽化量应在50-200Nm

应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。