一种炼钢后期钢水碳含量与温度值的实时确定方法及系统技术方案

本发明专利技术公开了一种炼钢后期钢水碳含量与温度值的实时确定方法及系统。该方法包括：在炼钢后期实时采集炉口火焰的光谱信息；将光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。本发明专利技术的方法及系统，能够提高无法安装副枪的中小型转炉的钢水碳含量与温度值的预测可靠性和准确率。

A Real-time Method and System for Determining Carbon Content and Temperature Value of Molten Steel in Late Stage of Steelmaking

【技术实现步骤摘要】
一种炼钢后期钢水碳含量与温度值的实时确定方法及系统
本专利技术涉及炼钢
，特别是涉及一种炼钢后期钢水碳含量与温度值的实时确定方法及系统。
技术介绍
钢铁工业是我国国民经济的支柱产业。2017年我国的粗钢产量达到8亿吨，超过发达国家产量的总和。没有强大的钢铁工业，就没有高铁、航母，就没有制造业的优质材料，就没有大规模基本建设的基础钢材。《中国制造2025》国家战略的技术核心是智能制造。钢铁工业作为复杂流程工业的代表，其智能制造有着更复杂的内涵，其智能制造水平更具有行业的引领性与示范性。炼钢厂是大型钢铁联合企业中的关键工序，为提高炼钢厂的自动化水平，国内外先进的大中型钢铁厂在转炉全自动冶炼方面进行了大量研究工作，开发了副枪控制、烟气分析动态控制、副枪+烟气分析动态控制三大类技术。目前，副枪控制技术已经发展成熟，在大中型转炉上广泛应用。中小型转炉(<100t)由于公称容量小，炉口尺寸小限制了副枪的安装而基本处于经验炼钢状态。目前全国仍有100吨及以下转炉500余座，占全国转炉炼钢产能的近50％，在地方骨干钢铁企业中继续发挥着重要作用，如何在无法安装副枪的中小型转炉上实现智能炼钢，已经成为我国钢铁工业实现智能制造的限制性环节。中小型转炉在智能炼钢方面多以烟气分析动态控制为主，但由于其检测精度受烟气分析元件的灵敏性、烟气净化及除尘装置的可靠性等因素影响，数据的可靠性及准确率较副枪控制存在较大差距。
技术实现思路
本专利技术的目的是提供一种炼钢后期钢水碳含量与温度值的实时确定方法及系统，提高无法安装副枪的中小型转炉的钢水碳含量与温度值的预测可靠性和准确率。为实现上述目的，本专利技术提供了如下方案：一种炼钢后期钢水碳含量与温度值的实时确定方法，包括：在炼钢开始前获取原料投入与控制信息；将所述原料投入与控制信息输入预先建立的第一预测模型，得到钢水碳含量与温度值的终点预测值；调整所述原料投入与控制信息使所述终点预测值与预设目标值的差值在预设范围内，并使用调整后的原料投入与控制信息进行炼钢；在炼钢后期实时采集炉口火焰的光谱信息；将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；所述第一预测模型为以预先采集的原料投入与控制信息、终点钢水碳含量以及终点温度值作为样本，并以原料投入与控制信息为输入量，以所述输入量对应的终点钢水碳含量与终点温度值为输出量进行训练所得到的终点预测模型；所述第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；所述光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。可选的，所述第一预测模型的建立过程为：获取历史炼钢过程中的多组具有对应关系的原料投入与控制信息、终点钢水碳含量以及终点温度值作为第一样本数据；所述第一样本数据中的原料投入与控制信息包括但不限于原料成分配比、铁水温度、铁水碳含量、吹氧流量、氧枪枪位；利用主成分分析法对所述第一样本数据中的原料投入与控制信息进行降维，提取所述第一样本数据中的原料投入与控制信息的主特征；以第一样本数据中各个原料投入与控制信息的主特征作为输入量，以所述主特征对应的所述第一样本数据中的终点钢水碳含量以及终点温度值为输出量，应用支持向量回归算法建立终点预测模型；利用蚁群算法对所述终点预测模型的参数进行调整，直到所述终点预测模型的预测精度满足预设条件。可选的，所述第二预测模型的建立过程为：获取历史炼钢后期过程中连续的炉口火焰辐射的光谱信息及与光谱信息对应的炼钢后期过程中实时钢水碳含量和温度值作为第二样本数据，所述第二样本数据中的光谱信息为每0.5s生成的一组2048个波长下的光强值；应用多尺度卷积神经网络算法提取所述第二样本数据中的光谱信息的结构特征值，并基于脱碳速率对所述结构特征值进行分段预处理；以分段预处理的结构特征值为输入量，以所述第二样本数据中与所述结构特征值对应的钢水碳含量和温度值为输出量，应用双向递归神经网络算法建立炼钢后期过程碳温连续预测模型。可选的，在所述将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值之后，还包括：根据所述钢水碳含量与温度值的实时值调整氧气吹入量。本专利技术还公开一种炼钢后期钢水碳含量与温度值的实时确定系统，包括：第一获取模块，用于在炼钢开始前获取原料投入与控制信息；第一预测模块，用于将所述原料投入与控制信息输入预先建立的第一预测模型，得到钢水碳含量与温度值的终点预测值；参数调整模块，用于调整所述原料投入与控制信息使所述终点预测值与预设目标值的差值在预设范围内，并使用调整后的原料投入与控制信息进行炼钢；第二获取模块，用于在炼钢后期实时采集炉口火焰的光谱信息；第二预测模块，用于将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；所述第一预测模型为以预先采集的原料投入与控制信息、终点钢水碳含量以及终点温度值作为样本，并以原料投入与控制信息为输入量，以所述输入量对应的终点钢水碳含量与终点温度值为输出量进行训练所得到的终点预测模型；所述第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；所述光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。可选的，该实时确定系统还包括第一模型建立模块，用于建立所述第一预测模型；所述第一模型建立模块包括：第一样本数据获取单元，用于获取历史炼钢过程中的多组具有对应关系的原料投入与控制信息、终点钢水碳含量以及终点温度值作为第一样本数据；所述第一样本数据中的原料投入与控制信息包括但不限于原料成分配比、铁水温度、铁水碳含量、吹氧流量、氧枪枪位；降维单元，用于利用主成分分析法对所述第一样本数据中的原料投入与控制信息进行降维，提取所述第一样本数据中的原料投入与控制信息的主特征；终点预测模型建立单元，用于以所述第一样本数据中各个原料投入与控制信息的主特征作为输入量，以所述主特征对应的所述第一样本数据中的终点钢水碳含量以及终点温度值为输出量，应用支持向量回归算法建立终点预测模型；模型优化单元，用于利用蚁群算法对所述终点预测模型的参数进行调整，直到所述终点预测模型的预测精度满足预设条件。可选的，该实时确定系统还包括第二模型建立模块，用于建立第二预测模型；所述第二模型建立模块包括：第二样本数据获取单元，用于获取历史炼钢后期过程中连续的炉口火焰辐射的光谱信息及与光谱信息对应的炼钢后期过程中实时钢水碳含量和温度值作为第二样本数据，所述第二样本数据中的光谱信息为每0.5s生成的一组2048个波长下的光强值；特征提取单元，用于应用多尺度卷积神经网络算法提取所述第二样本数据中的光谱信息的结构特征值，并基于脱碳速率对所述结构特征值进行分段预处理；碳温连续预测模型建立单元，用于以分段预处理的结构特征值为输入量，以所述第二样本数据中与所述结构特征值对应的钢水碳含量和温度值为输出量，应用双向递归神经网络算法本文档来自技高网...

【技术保护点】
1.一种炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，包括：在炼钢开始前获取原料投入与控制信息；将所述原料投入与控制信息输入预先建立的第一预测模型，得到钢水碳含量与温度值的终点预测值；调整所述原料投入与控制信息使所述终点预测值与预设目标值的差值在预设范围内，并使用调整后的原料投入与控制信息进行炼钢；在炼钢后期实时采集炉口火焰的光谱信息；将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；所述第一预测模型为以预先采集的原料投入与控制信息、终点钢水碳含量以及终点温度值作为样本，并以原料投入与控制信息为输入量，以所述输入量对应的终点钢水碳含量与终点温度值为输出量进行训练所得到的终点预测模型；所述第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；所述光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。

【技术特征摘要】
1.一种炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，包括：在炼钢开始前获取原料投入与控制信息；将所述原料投入与控制信息输入预先建立的第一预测模型，得到钢水碳含量与温度值的终点预测值；调整所述原料投入与控制信息使所述终点预测值与预设目标值的差值在预设范围内，并使用调整后的原料投入与控制信息进行炼钢；在炼钢后期实时采集炉口火焰的光谱信息；将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值；所述第一预测模型为以预先采集的原料投入与控制信息、终点钢水碳含量以及终点温度值作为样本，并以原料投入与控制信息为输入量，以所述输入量对应的终点钢水碳含量与终点温度值为输出量进行训练所得到的终点预测模型；所述第二预测模型为以预先采集的光谱信息以及光谱信息对应的实时钢水碳含量和温度值为样本，并以光谱信息为输入量，以光谱信息对应的实时钢水碳含量和温度值为输出量进行训练所得到的实时预测模型；所述光谱信息对应的实时钢水碳含量和温度值是在得到终点钢水碳含量与终点温度值后，利用物料平衡与化学平衡原理推导得到的。2.根据权利要求1所述的炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，所述第一预测模型的建立过程为：获取历史炼钢过程中的多组具有对应关系的原料投入与控制信息、终点钢水碳含量以及终点温度值作为第一样本数据；所述第一样本数据中的原料投入与控制信息包括但不限于原料成分配比、铁水温度、铁水碳含量、吹氧流量、氧枪枪位；利用主成分分析法对所述第一样本数据中的原料投入与控制信息进行降维，提取所述第一样本数据中的原料投入与控制信息的主特征；以所述第一样本数据中各个原料投入与控制信息的主特征作为输入量，以所述主特征对应的所述第一样本数据中的终点钢水碳含量以及终点温度值为输出量，应用支持向量回归算法建立终点预测模型；利用蚁群算法对所述终点预测模型的参数进行调整，直到所述终点预测模型的预测精度满足预设条件。3.根据权利要求1所述的炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，所述第二预测模型的建立过程为：获取历史炼钢后期过程中连续的炉口火焰辐射的光谱信息及与光谱信息对应的炼钢后期过程中实时钢水碳含量和温度值作为第二样本数据，所述第二样本数据中的光谱信息为每0.5s生成的一组2048个波长下的光强值；应用多尺度卷积神经网络算法提取所述第二样本数据中的光谱信息的结构特征值，并基于脱碳速率对所述结构特征值进行分段预处理；以分段预处理的结构特征值为输入量，以所述第二样本数据中与所述结构特征值对应的钢水碳含量和温度值为输出量，应用双向递归神经网络算法建立炼钢后期过程碳温连续预测模型。4.根据权利要求1所述的炼钢后期钢水碳含量与温度值的实时确定方法，其特征在于，在所述将所述光谱信息输入预先建立的第二预测模型，得到钢水碳含量与温度值的实时值之后，还包括：根据所述钢水碳含量与温度值的实时值调整氧气吹入量。5.一种炼钢后期钢水碳含量与温度值的实时确定系统，其特征在于，包括：第一获取模块，用于在炼钢开始前获取原料投入与控制信息；第一预测模块，...

【专利技术属性】
技术研发人员：韩阳，张彩军，张燕超，王璐，张欣，薄汇丰，常春蕊，李康康，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：河北,13