一种基于分段式氧气脱碳效率的转炉供氧量预测方法

技术领域

本发明涉及转炉炼钢技术领域，特别涉及一种基于分段式氧气脱碳效率的转炉供氧量预测方法。

背景技术

氧气是转炉炼钢过程中必不可少的关键因素，吹入的氧气会在熔池中与铁水中的碳、硅、磷、硫等元素发生氧化反应，从而达到降碳去杂质的目的，同时氧化反应释放热量，提供冶炼过程中所需的温度。由于转炉炼钢冶炼生产环境复杂、转炉内反应变化快、影响供氧量的因素较多，供氧量难以控制，不仅影响能源消耗，还会影响生产效率。因此，转炉炼钢供氧量的精确控制为节约成本、提高氧气的利用率、增加冶炼的稳定性提供了重要的指导。目前转炉炼钢内供氧量控制的方法主要是人工经验控制、机理模型控制、统计模型控制和智能模型控制等。由于人工经验依靠人本身判断，受现场人员的操作水平影响，导致稳定性和精度较差，而传统机理模型中存在大量的假设，例如：碳被氧化生成90％的CO和10％的CO

关于转炉炼钢过程中供氧量的预测问题，一些学者们进行了多种方法的研究，提出了一些较为实用的预测方法或计算模型。李桦等通过推导建立转炉炼钢氧气消耗量和相关因素之间的关系方程式，设计炼钢冶炼氧气消耗分析及预测模型控制，实现供氧过程分析和控制，但模型涉及数据量较多，计算效率较慢。朱光俊等采用统计回归分析的方法计算出供氧量与废钢量之间的回归方程，并优化了其中的参数，优化了供氧量静态控制模型，影响供氧的因素不仅只有废钢，还需考虑其他影响因素。李洋等利用氧气脱碳效率预测模型后再进行静态供氧量和动态供氧量预测，提高了氧气计算精度；李爱莲等提出了一种改进深度信念网络的转炉供氧量预测模型，仿真结果表明模型有效提高了供氧量预测精度。以上模型均是统计模型或数据驱动模型直接将供氧量作为输出项，未考虑转炉炼钢过程内的物理化学反应，只考虑系统输入量和输出量之间的关系，缺少中间过程，属于黑箱建模，还可有改进空间以提高预测精度。

发明内容

本发明提供了一种基于分段式氧气脱碳效率的转炉供氧量预测方法，以解决现有的转炉供氧量预测方法对供氧量的预测不够精准的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于分段式氧气脱碳效率的转炉供氧量预测方法，所述基于分段式氧气脱碳效率的转炉供氧量预测方法包括：

利用案例推理算法根据待求解炉次的入炉铁水条件及终点控制目标，在以往案例库内寻找出与待求解炉次相似度最高的以往案例，作为参考案例；

利用转炉吹炼过程中不同阶段氧气脱碳效率的影响因素不同，对参考案例的吹炼过程进行阶段划分，将吹炼过程划分为吹炼前期、吹炼中期和吹炼后期；

基于预设的假设条件，根据参考案例的吹炼阶段划分时间和不同阶段的氧气脱碳效率对待求解炉次的供氧量进行预测，得到待求解炉次的供氧量预测结果。

进一步地，所述吹炼前期到所述吹炼中期的拐点判断依据为吹炼过程的硅含量，所述吹炼中期到所述吹炼后期的拐点判断依据为吹炼过程的碳含量。

进一步地，各阶段拐点的确定方式为：当硅含量氧化至0.03％时，吹炼前期结束，进入吹炼中期；当碳含量氧化至0.4％时，吹炼中期结束，进入吹炼后期。

进一步地，所述对参考案例的吹炼过程进行阶段划分，包括：

根据参考案例入炉铁水碳含量、终点碳含量以及吹炼过程炉气数据，拟合出参考案例吹炼过程的碳含量变化曲线和硅含量变化曲线；

基于碳含量变化曲线和硅含量变化曲线，对参考案例吹炼过程进行阶段划分。

进一步地，根据参考案例的吹炼阶段划分时间和不同阶段的氧气脱碳效率对待求解炉次的供氧量进行预测，得到待求解炉次的供氧量预测结果，包括：

根据参考案例吹炼过程阶段划分结果，确定每个阶段的碳含量、铁水/钢水重量、耗氧量以及炉气中CO与CO

基于参考案例的吹炼过程阶段划分时间，基于参考案例拟合出的各吹炼阶段时间与碳含量的关系，计算待求解炉次的不同吹炼阶段拐点的碳含量，其中，计算时，拟合公式中的常数项替换为待求解炉次的入炉铁水碳含量；

计算出待求解炉次吹炼过程的铁水/钢水重量；

基于每个阶段的氧气脱碳效率，结合待求解炉次的入炉铁水碳含量、吹炼过程的铁水/钢水重量，以及不同吹炼阶段拐点的碳含量，对待求解炉次的供氧量进行预测，得到待求解炉次的供氧量预测结果。

进一步地，对待求解炉次的供氧量进行预测，包括：

通过以下公式计算不同吹炼阶段的供氧量：

将各吹炼阶段的供氧量进行累加，得到总供氧量

Q

其中，Q

进一步地，吹炼过程的铁水/钢水重量计算公式为：

m

m

m

其中，α表示铁水收得率；β表示废钢收得率；γ

进一步地，所述预设的假设条件包括：

在实际转炉吹炼过程中，铁水和废钢的收得率不为100％；假设铁水收得率为95％，废钢收得率为85％；废钢在吹炼前期融化20％，吹炼中期融化剩余80％；

在实际转炉吹炼过程中，碳氧化并非生成100％的CO，而是会生成一定比例的CO

根据案例推理得到的参考案例，假设参考案例与待求解炉次每一吹炼阶段碳氧化生成CO和CO

再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。

又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。

本发明提供的技术方案带来的有益效果至少包括：

本发明提供了一种基于分段式氧气脱碳效率的转炉供氧量预测方法，通过机理分析确定转炉内脱碳三阶段的拐点及不同阶段的氧气脱碳效率，利用案例推理在以往案例库内寻找相似度最高的参考案例数据，并根据参考案例阶段划分时间和不同阶段的氧气脱碳效率对待求解炉次的供氧量进行预测。与传统模型相比，本发明的技术方案可以有效地提高转炉炼钢过程中供氧量的预测精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于分段式氧气脱碳效率的转炉供氧量预测方法的执行流程示意图；

图2是本发明实施例提供的基于分段式氧气脱碳效率的供氧量预测模型求解供氧量的过程示意图；

图3是本发明实施例提供的参考案例吹炼过程阶段划分结果；其中，(a)为E炉次的吹炼过程阶段划分结果，(b)为F炉次的吹炼过程阶段划分结果，(c)为G炉次的吹炼过程阶段划分结果，(d)为H炉次的吹炼过程阶段划分结果；

图4是本发明实施例提供的测试集模型预测结果示意图；

图5是本发明实施例提供的测试炉次各模型的预测结果示意图；其中，(a)为BPNN模型预测结果，(b)为CBR模型预测结果，(c)为MLR模型预测结果，(d)为SVR模型预测结果；

图6是本发明实施例提供的测试炉次各模型误差范围内预测命中率结果对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

第一实施例

本实施例提供了一种基于分段式氧气脱碳效率的转炉供氧量预测方法，该方法可以由电子设备实现，该方法的执行流程如图1所示，包括以下步骤：

S1，利用案例推理算法根据待求解炉次的入炉铁水条件及终点控制目标，在以往案例库内寻找出与待求解炉次相似度最高的以往案例，作为参考案例；

S2，利用转炉吹炼过程中不同阶段氧气脱碳效率的影响因素不同，对参考案例的吹炼过程进行阶段划分，将其划分为吹炼前期、吹炼中期和吹炼后期；

S3，基于预设的假设条件，根据参考案例的吹炼阶段划分时间和不同阶段的氧气脱碳效率对待求解炉次的供氧量进行预测，得到其供氧量预测结果。

下面，对本实施例方法的实现过程进行详细说明。

1模型原理

1.1供氧量预测模型的建立

转炉炼钢过程中氧气的主要相关反应如下：

[Si]+{O

[S]+{O

由于不同元素的反应前提条件不同，因此不同元素氧化存在一定的顺序。据此可将转炉炼钢过程划分为3个阶段：

1)吹炼前期，吹炼开始后Fe、Si、Mn元素很快被大量氧化，在Si、Mn被氧化的同时，C也会被少量氧化，因此在前期吹入的氧气只有部分用于脱碳反应。

2)吹炼中期，当Si和Mn的氧化基本结束后，吹炼进入中期，此时，C开始大量氧化，脱碳速率达到最高，此阶段吹入的氧气大部分消耗于脱碳反应。

3)吹炼后期，随着脱碳反应的进行，当熔池内的钢液的碳含量降低到某一临界值时，吹炼进入后期，脱碳速率开始减小，部分氧气会进入钢液和渣中，该阶段吹入的氧气部分消耗于脱碳反应。

通过以上理论分析可知，吹炼过程中不同阶段吹入的氧气参与脱碳反应的比例不同，因此，有学者引入氧气脱碳效率的概念，定义氧气脱碳效率为用于熔池中的碳氧化所消耗的氧气量与实际供氧量之比，公式如下：

式中：Q

但上述模型中存在如下问题：

1)模型中假设转炉终点钢水量为总装入量(铁水量和废钢量)，而实际转炉吹炼过程中，铁水和废钢的收得率不为100％。

2)模型假设氧化1kg碳时需消耗约0.933m

因此，本实施例针对以上存在的问题修正模型，利用炉气数据分析不同阶段碳的氧化比例，并根据转炉脱碳过程不同阶段的特点，分阶段计算所需吹氧量，不同阶段供氧量计算公式为：

式中：Q

转炉吹炼过程中铁水/钢水重量变化如公式(13)-(16)所示：

m

m

m

式中：α：铁水收得率；β：废钢收得率；γ

累加三个阶段的供氧量得到总供氧量，如公式(17)：

Q

1.2氧气脱碳效率阶段划分规则

氧气脱碳效率的阶段划分规则主要是利用转炉吹炼过程中不同阶段氧气脱碳效率的影响因素不同，对吹炼过程进行划分。一般认为，转炉的脱碳过程可分为三个阶段。其中吹炼前期到吹炼中期的拐点判断为硅含量，吹炼中期到吹炼后期的拐点判断为碳含量。本实施例设定硅含量氧化至0.03％时，吹炼进入中期；碳含量氧化至0.4％时，吹炼进入后期。转炉内脱硅反应主要发生在气体-金属反应区和渣-金属反应区，脱硅反应速率可表示为脱硅速率如公式(18)所示：

式中：

气体-金属反应的界面面积可以表示为：

式中：n

式中：d

渣-金属反应区的面积可以表示为：

根据上述分析，转炉吹炼过程中硅含量的变化可用公式(18)计算得到。当硅含量降低至0.03％时，认为吹炼前期结束，进入吹炼中期。

在吹炼中期和后期，随着脱碳反应的进行，脱碳反应受到碳传质的限制，脱碳速率受到碳含量的影响，存在临界碳含量。当碳含量达到临界碳含量时，意味着吹炼进入后期。具体地，在本实施例中，临界碳含量选择为0.4％，当碳含量降低至0.4％时，认为吹炼中期结束，进入吹炼后期。

1.3模型假设和求解过程

基于分段式氧气脱碳效率的供氧量预测模型是利用炉气数据计算每个阶段不同的碳氧化比例，得到每个阶段的脱碳效率，之后根据公式(10)-公式(12)计算得到每个阶段的供氧量，再相加即总预测供氧量。计算过程涉及一些假设条件：

(1)在实际转炉吹炼过程中，铁水和废钢的收得率不为100％。因此假设铁水收得率为95％，废钢收得率为85％；废钢在吹炼前期融化20％，吹炼中期融化剩余80％；

(2)一般情况下氧化1kg碳时需消耗约0.933m

(3)由于待求解炉次炉气数据未知，碳氧化生成CO和CO

基于上述，本实施例的基于分段式氧气脱碳效率的供氧量预测模型求解供氧量的过程如图2所示，具体步骤如下：

(1)案例推理检索参考案例

利用案例推理算法根据待求解炉次的入炉铁水条件及终点控制目标，检索出相似炉次作为参考案例。

(2)拟合参考案例吹炼过程碳含量变化曲线

根据参考案例入炉铁水碳含量、终点碳含量以及吹炼过程炉气数据，拟合出参考案例吹炼过程的碳含量变化曲线，并进行吹炼过程阶段划分。

(3)参考案例不同阶段的氧气脱碳效率划分

根据参考案例吹炼过程的划分结果，确定每个阶段的碳含量、铁水/钢水重量、耗氧量、炉气中CO与CO

(4)待求解炉次吹炼前中期拐点碳含量

根据脱硅速率公式(18)计算出硅氧化至0.03％时所需的时间，代入参考案例拟合的吹炼前期时间与碳含量的关系，计算待求解炉次的吹炼前中期拐点的碳含量，其中拟合公式中的常数项替换为待求解炉次的入炉铁水碳含量。

根据公式(13)-(15)计算出待求解炉次吹炼过程的铁水/钢水重量。

(5)待求解炉次供氧量计算

在完成步骤(1)-(4)后，根据公式(10)-(12)计算得到待求解炉次吹炼不同阶段供氧量及总供氧量。

2数据集统计

本模型所用数据为J钢厂842炉的SPHC系列钢种数据，其中随机选取692炉的数据作为训练集，剩余150炉次数据作为测试集。模型的输入包括：铁水各成分的质量分数(C、Si、Mn、P)、铁水温度、铁水重量、废钢量、终点钢水温度和终点钢水C含量，输出结果为炉次总的供氧量。数据分布统计如下表：

表1模型数据分布统计结果

3仿真实验

3.1相似度验证

本文以测试集中4个待求解炉次为例，验证与案例推理得到的参考案例之间的相似度，其中待求解炉次的数据见表2：

表2待求解炉次的工艺数据

根据案例推理算法在案例库中检索到的参考案例如表3所示：

表3参考案例的工艺数据

表4待求解炉次与参考案例工艺参数差值

待求解炉次与参考案例的相似度越趋近于1，工艺参数越相似，从表3的检索结果可以看出，4个待求解炉次与参考案例的相似度均大于0.97，且工艺参数差值很小，表明参考案例可以被有效的检索得到。

3.2不同阶段划分过程

参考案例根据入炉铁水碳含量、终点碳含量和炉气数据，按照硅含量氧化至0.03％，吹炼进入中期；碳含量为0.4％时，吹炼进入后期；进行阶段划分，参考案例吹炼过程阶段划分结果如图3所示。

根据参考案例吹炼过程的划分结果，可确定每个阶段的碳含量、铁水/钢水重量、供氧量、炉气中CO与CO

表5参考案例吹炼过程不同阶段的碳含量

表6参考案例吹炼过程不同阶段铁水/钢水重量

表7参考案例吹炼过程不同阶段的供氧量

表8参考案例吹炼过程不同阶段炉气CO和CO

表9参考案例吹炼过程不同阶段氧气脱碳效率

在确定参考案例不同阶段的氧气脱碳效率后，认为参考案例与待求解炉次每一阶段碳氧化生成CO和CO

表10待求解炉次吹炼不同阶段的耗氧量

3.3预测结果

测试集全部150炉次按上述方法进行供氧量的预测，结果如图4所示。

模型的预测误差分析见表11：

表11测试集预测供氧量与实际值之间误差分析

从上表可知，本实施例的模型预测相对误差集中在[-5％,5％]之内，命中率达到98％，其中误差范围在[-3％,3％]之内命中率达到79.3％，误差范围若是[-8％,8％]和[-10％,10％]则模型的预测命中率分别为99.3％和100％。

3.4方法比较

为了验证本实施例模型的预测精度，本实施例分别建立了神经网络模型、案例推理模型、多元线性回归模型和支持向量机模型使用相同的数据进行对比实验。其中，神经网络模型网络结构为3层，输入层节点为11，隐含层节点数为10，输出层节点数为1，激活函数为Sigmoid。案例推理模型参数：相似度计算方法采用欧氏距离相似度，影响因素权重为均权法，重用案例个数为4。多元线性回归模型采用机器学习中回归原理算法。支持向量机模型参数：核函数选择poly核，poly核的阶数为1。使用各模型对测试炉次的预测结果如图5所示。不同模型的预测命中率对比如图6所示。

从图6可以看出，在传统数据驱动模型当中，相对较于其他模型，多元线性回归模型的预测命中率最高，预测相对误差在[-3％,3％][-5％,5％][-8％,8％]和[-10％,10％]的命中率分别为46.7％、65.3％、93.3％和98％。而本实施例所建立的模型在[-3％,3％][-5％,5％][-8％,8％]和[-10％,10％]误差范围内的预测命中率比多元线性回归模型分别高了32.6％、32.7％、6％和2％。与神经网络模型、案例推理模型、多元线性回归模型和支持向量机模型相比，本实施例的技术方案在小误差范围内有较高的命中率，由此证明了本实施例方法的预测精度。

综上，本实施例提供了一种基于分段式氧气脱碳效率的转炉供氧量预测方法，分析了转炉炼钢过程中不同时刻的脱碳效率特性，将吹氧脱碳过程划分为三个阶段，并确定每阶段的拐点时刻。建立了基于分段式氧气脱碳效率的转炉供氧量预测模型。利用案例推理算法找到待求解炉次的参考案例，对参考案例进行阶段划分，并将拐点时刻应用于待求解炉次中，从而计算待求解炉次不同阶段的耗氧量。通过将某钢厂的实际生产数据应用于本实施例的分段式氧气脱碳效率的转炉供氧量预测模型，得出本实施例模型预测相对误差在[-3％,3％]、[-5％,5％]、[-8％,8％]和[-10％,10％]的命中率分别为79.3％、98％、99.3％和100％，并与神经网络模型、案例推理模型、多元线性回归模型和支持向量机模型进行了对比试验，得出本模型的预测误差在[-3％,3％]、[-5％,5％]、[-8％,8％]和[-10％,10％]范围内的命中率分别提升了32.6％、32.7％、6％和2％，表明了本实施例提出的基于分段式氧气脱碳效率的转炉供氧量预测模型的预测精度更高。

第二实施例

本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。

该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。

第三实施例

本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法，

此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。