基于深度学习指纹算法的炼炉一键炼钢模型制造技术

本发明专利技术公开了一种基于深度学习指纹算法的炼炉一键炼钢模型，具体运行步骤包括：冶炼开始，产生过程数据；冶炼过程数据放入PLCDB模块；以钢种为指纹，过程信息为纹理，采集归类；归类结果存入冶炼任务数据库并实时更新冶炼任务数据库；向冶炼任务数据库请求钢种拟和数据；接收请求信号后，冶炼任务数据库输出被请求钢种拟和数据；下发执行命令，启动炼炉一键炼钢。本发明专利技术的有益之处在于：采用深度学习的指纹算法来实现模型控制，将炼钢的纷繁复杂样本采用指纹算法进行采集并归类并写入数据库，且在样本库重复性达到100次条件下，实现初炼炉或精炼炉高水平一键炼钢炼钢，且温度命中差小于3℃，合金及成分命中率100％。合金及成分命中率100％。合金及成分命中率100％。

【技术实现步骤摘要】
基于深度学习指纹算法的炼炉一键炼钢模型


[0001]本专利技术涉及冶金行业初炼炉(电弧炉、转炉)和精炼炉智能控制领域，具体是一种基于深度学习指纹算法的炼炉一键炼钢模型。

技术介绍

[0002]随着我国智能制造战略的推进，以及炼钢厂新老交替及人员健康安全和成本的压力，初炼炉和精炼炉一键炼钢成为未来趋势，其核心算法模型是实现一件炼钢的技术核心。
[0003]当前国内外一键炼钢系统均基于冶金学原理编制控制模型，即使是价格高昂的进口控制模型，也同样远远没有达到预期，主要原因是冶炼钢种太过庞大，并且冶炼过程中多种变量因素耦合，导致冶金原理模型这种基于纯理论的公式常常出现偏差，多种偏差累积结果导致命中率过低，如温度命中差大于5℃，合金及成分命中率不足80％。因此，针对上述问题提出一种基于深度学习指纹算法的炼炉一键炼钢模型。

技术实现思路

[0004]本专利技术的目的就在于为了解决上述问题而提供一种基于深度学习指纹算法的炼炉一键炼钢模型。
[0005]本专利技术通过以下技术方案来实现上述目的，一种基于深度学习指纹算法的炼炉一键本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习指纹算法的炼炉一键炼钢模型，具体运行步骤包括：S1、冶炼开始，产生过程数据；S2、冶炼过程数据放入PLC DB模块；S3、以钢种为指纹，过程信息为纹理，采集归类；S4、归类结果存入冶炼任务数据库并实时更新冶炼任务数据库；S5、向冶炼任务数据库请求钢种拟和数据；S6、接收请求信号后，冶炼任务数据库输出被请求钢种拟和数据；S7、下发执行命令，启动炼炉一键炼钢。2.根据权利要求1所述的一种基于深度学习指纹算法的炼炉一键炼钢模型，其特征在于：所述S1中，冶炼开始的冶炼参数如下：氧枪设定流量为1500，变压器档位3，冶炼曲线1；出钢时间预计36分钟；出钢温度1610℃；钢水中各种合金如铬含量为10.5％，镍含量12％等。3.根据权利要求1所述的一种基于深度学习指纹算法的炼炉一键炼钢模型，其特征在于：所述S2中，PLC DB模块收录每种钢种冶炼的氧枪流量、变压器档位、冶炼曲线和出钢时间，各种合金加入时机及加入量，以氧气流量与时间流为正比作为横坐标和以变压器档位、曲线和出钢时间以及各种合金加入量为纵坐标建立钢种生产过程数据动态图，设置横、纵坐标上的某一处参数并经PLC DB模块对电炉设备运行控制发出信号指令，调整对应钢种所...

【专利技术属性】
技术研发人员：巴明扬，
申请(专利权)人：北京中联杰能科技有限公司，
类型：发明
国别省市：