一种基于粒子群优化案例推理的RH终点温度预测方法技术

本发明专利技术提供一种基于粒子群优化案例推理的RH终点温度预测方法，属于封装外壳技术领域。该基于粒子群优化案例推理的RH终点温度预测方法S1：建立第一案例库；S2：计算出第一多元线性回归系数；S3：获取第一预设影响因子；S4：对属性权重进行优化；S5：对RH精炼钢水终点温度进行预测以获取预测温度。本发明专利技术中保证在多次精炼任务中依然能迅速根据当前条件运算出最合理的预测值，提高系统的可靠性和效率。

A prediction method of RH terminal temperature based on particle swarm optimization case-based reasoning

【技术实现步骤摘要】
一种基于粒子群优化案例推理的RH终点温度预测方法
本专利技术属于冶金过程的生产与控制
，涉及一种基于粒子群优化案例推理的RH终点温度预测方法。
技术介绍
钢铁产业作为国民经济的支柱产业，占据着及其重要的地位，发展历程源远流长，然而随着时代的进步，科技的创新，传统炼钢技术与产品已经越来越难以满足如今多元的需求。在07年，宝钢股份有限公司在经过理论上的创新以及实际操作的参考，又在炉外精炼模型部分取得可喜的突破，成功的实现转炉冶炼中的“一键炼钢”部分，只需操作工按下一个开始键即可自动冶炼，近日在取得转炉“一键炼钢”突破的基础上，宝武集团通过不懈的探索与行动终于打破了国外的技术封锁，实现了国内真正意义上的“一键炼钢+全自动出钢”工艺贯通，突破了“智慧炼钢”中极其重要的瓶颈部分。但是，对于炉外精炼这一块国内钢铁厂目前还基本采用人工操作的方式，对操作员工的经验等要求性较强。然而常规的操作方式依然存在着一定的不足之处：1)对操作的工人要求较高，需要在现场进行长期培训和一定程度的实际操作；2)效率较低，温度实时更新程度较差，必须要钢水到达相关工艺点再进行实时测温，若不满足温度需求还要返回上一个工艺点重新处理（加热或降温），达到温度需求后才能进行下一步，占用下一炉钢的处理资源，延长整体精炼周期；3)成本增加，测温次数的增加和精炼周期的延长会导致单位时间产出量下降，设备使用率降低，加速温度测量仪器的损耗，进而导致成本上升；4)每一个工艺点都重新测温容易扩大测量误差的影响程度，长期工作容易产生疲累，导致误操作；5)危险指数较高，增加事故发生率。因此，亟待设计高效自动预测钢水终点温度的方法来部分代替人工操作，减少人力劳动，提高系统的工作效率与安全性能，获得可观的经济效益。在RH冶炼期间，会发生各种物理或化学变化，都会对钢温产生干扰，故需综合考虑多种因素。操作因素和非操作因素影响实际生产过程中钢水终点的温度，操作因素是指精炼过程需要采取的工艺操作，包括氩气消耗、真空室烘烤温度、总处理时间、到站钢水温度、处理开始钢水温度、加脱氧剂量、到站含氧量、吹氧量、加合金量等。非操作因素是指不可控因素，例如钢包状况以及真空室中钢水的导热和散射热等。此外，目前已经有人研究出利用理论模型来预测RH精炼炉钢液温度的方法来代替或减少实际温度测量，但大多还仅仅停留在物理计算或根据热平衡理论建立热传导模型来预测温度变化情况进而预报出RH炉钢水终点温度，但RH处理工艺异常复杂，存在大量不可控因素，该方法对计算过程作出大量假设和简化，同时为了减少非线性因素导致的复杂性，将许多非线性因素线性化，将不稳态因素稳态化处理，导致建立的物理模型越来越偏离实际。也有人在此基础上分析引起RH精炼炉钢水温度变化分量，利用BP神经网络计算自然温降引起的温度变化分量，从处理开始时刻至该时刻的时间间隔、RH精炼炉周围环境温度和钢液重量作为BP神经网络模型输入层，自然温降引起的RH炉钢液温度变化作为输出层，该方法比传统方法精度更高，对处理过程进行了有效控制，提高温度命中率，但预测精度也只能满足小范围小时间段的预报需求。
技术实现思路
本专利技术针对现有的技术存在的上述问题，提供一种基于粒子群优化案例推理的RH终点温度预测方法，本专利技术所要解决的技术问题是：如何提供一种基于粒子群优化案例推理的RH终点温度预测方法。本专利技术的目的可通过下列技术方案来实现：一种基于粒子群优化案例推理的RH终点温度预测方法，包括如下步骤：S1：分析出所有引起当前RH精炼炉数据中的钢液温度变化趋势的第一影响因素并建立第一案例库；S2：利用多元线性回归方法计算出第一案例库中的第一影响因素的第一多元线性回归系数，并对第一影响因素的属性进行约简；S3：获取第一影响因素中第一多元线性回归系数值大于第一预设值的第一预设影响因子；S4：采用粒子群优化方法对第一预设影响因子的属性权重进行优化；S5：基于约简的属性和优化的第一权重系数利用灰色关联相似算法对RH精炼钢水终点温度进行预测以获取预测温度。优选的，所述第一影响因素包括到站钢水温度、处理开始钢水温度、钢水重量、氩气消耗、加入合金量、加入脱氧剂量、真空室烘烤温度、浸渍管寿命、钢包净空、总处理周期。优选的，步骤S3中获取第一影响因素中第一多元线性回归系数值大于0.1的预设影响因子。优选的，所述第一预设影响因子包括到站钢水温度、钢水重量、加入合金量、加入脱氧剂量、总处理周期。优选的，所述预测温度为，，，其中为到站钢水温度/℃，为过程温降/℃，为与时间有关的第一温降/℃，为加入铁合金造成的第二温降/℃，为由于加入脱氧剂造成的第一温升/℃，为其它因素造成的第三温降/℃，为进行吹入氧气造成的第二温升/℃。优选的，，为与吹氩流量有关的自然温降系数/（℃•min-1），为RH处理时间/min，，为合金的加入量/kg，为合金温降系数/（℃•t-1），，，为钢水游离氧含量，为脱氧造成的温度变化/℃，，为钢包温降系数/（℃•min-1），，为吹氧量/m3。优选的，步骤S3通过粒子群优化方法优化第一预设影响因子的属性权重时的学习因子c1=c2=2，粒子群体个数N=40，最大迭代次数maxgeneration=100，获取的权系数为[0.0468，0.2879，0.2839，0.1440，0.2374]。优选的，步骤S1中结合具体工艺条件，收集310组热生产数据，其中200组作为操作指导模型和预处理的第一案例库数据，110组作为测试数据。优选的，还包括历史案例库，所述历史案例库存储有历史终点温度、与历史终点温度相对应、影响历史温度的历史影响因素和历史影响因素的历史权重系数，步骤S5中调用历史案例库并通过灰色关联相似算法计算历史案例库和第一案例库的相似度，筛选出相似度值大于第二预设值时的历史终点温度作为RH精炼钢水终点温度的预测温度。优选的，步骤S5中包括：获取第一预设影响因子中第一权重系数值大于第三预设值的第二预设影响因子；通过灰色关联相似算法计算历史案例库中的历史权重系数和第一权重系数的相似度并获取相似度值大于第四预设值的历史权重系数；获取历史权重系数对应的历史影响因素和历史终点温度并将历史终点温度作为RH精炼钢水终点温度的预测温度；将第一案例库存储在历史案例库中。本专利技术中首先分析出所有引起当前RH精炼炉数据中的钢液温度变化趋势的第一影响因素并建立第一案例库，接着利用多元线性回归方法计算出第一案例库中的第一影响因素的第一多元线性回归系数，并对第一影响因素的属性进行约简，接着获取第一影响因素中第一多元线性回归系数值大于第一预设值的第一预设影响因子，接着采用粒子群优化方法对第一预设影响因子的属性权重进行优化，最后基于约简的属性和优化的第一权重系数利用灰色关联相似算法对RH精炼钢水终点温度进行预测，利用新的优化方法，在更加贴切的模型下进一步提高模型的预测精度，在精炼过程中提供更具可信度的温度参考值，保证在多次精炼任务中依然能迅速根据当前条件运算出最合理的预测值，提高系统本文档来自技高网...

【技术保护点】
1.一种基于粒子群优化案例推理的 RH 终点温度预测方法，其特征在于，包括如下步骤：/nS1：分析出所有引起当前RH精炼炉数据中的钢液温度变化趋势的第一影响因素并建立第一案例库；/nS2：利用多元线性回归方法计算出第一案例库中的第一影响因素的第一多元线性回归系数，并对第一影响因素的属性进行约简；/nS3：获取第一影响因素中第一多元线性回归系数值大于第一预设值的第一预设影响因子；/nS4：采用粒子群优化方法对第一预设影响因子的属性权重进行优化；/nS5：基于约简的属性和优化的第一权重系数利用灰色关联相似算法对RH精炼钢水终点温度进行预测以获取预测温度。/n

【技术特征摘要】
1.一种基于粒子群优化案例推理的RH终点温度预测方法，其特征在于，包括如下步骤：
S1：分析出所有引起当前RH精炼炉数据中的钢液温度变化趋势的第一影响因素并建立第一案例库；
S2：利用多元线性回归方法计算出第一案例库中的第一影响因素的第一多元线性回归系数，并对第一影响因素的属性进行约简；
S3：获取第一影响因素中第一多元线性回归系数值大于第一预设值的第一预设影响因子；
S4：采用粒子群优化方法对第一预设影响因子的属性权重进行优化；
S5：基于约简的属性和优化的第一权重系数利用灰色关联相似算法对RH精炼钢水终点温度进行预测以获取预测温度。


2.如权利要求1所述的一种基于粒子群优化案例推理的RH终点温度预测方法，其特征在于：所述第一影响因素包括到站钢水温度、处理开始钢水温度、钢水重量、氩气消耗、加入合金量、加入脱氧剂量、真空室烘烤温度、浸渍管寿命、钢包净空、总处理周期。


3.如权利要求1或2所述的一种基于粒子群优化案例推理的RH终点温度预测方法，其特征在于：步骤S3中获取第一影响因素中第一多元线性回归系数值大于0.1的预设影响因子。


4.如权利要求3所述的一种基于粒子群优化案例推理的RH终点温度预测方法，其特征在于：所述第一预设影响因子包括到站钢水温度、钢水重量、加入合金量、加入脱氧剂量、总处理周期。


5.如权利要求4所述的一种基于粒子群优化案例推理的RH终点温度预测方法，其特征在于：所述预测温度为，，，其中为到站钢水温度/℃，为过程温降/℃，为与时间有关的第一温降/℃，为加入铁合金造成的第二温降/℃，为由于加入脱氧剂造成的第一温升/℃，为其它因素造成的第三温降/℃，为进行吹入氧气造成的第二温升/℃。


6.如权利要求5所述的一种基于粒子群优化案例推理的RH终点温度预测方法，其特征在于：，为与吹氩流量...

【专利技术属性】
技术研发人员：刘惠康，江典蔚，鲍考明，杨贤昭，曹宇轩，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42