一种预测合金推荐率和收得率的方法技术

本申请公开了一种预测合金推荐率和收得率的方法

【技术实现步骤摘要】
一种预测合金推荐率和收得率的方法、设备及介质


[0001]本申请涉及冶金的
，尤其涉及一种预测合金推荐率和收得率的方法
、
设备及介质
。

技术介绍

[0002]目前国内炼钢生产流程主要以转炉炼钢生产工艺为主要流程，而其中脱氧合金化过程在转炉炼钢生产中占着重要地位
。
[0003]转炉炼钢过程中生产的铁水成分复杂，含有多种元素，如碳
、
硅
、
锰
、
磷
、
硫等，最终元素的含量和脱氧合金化过程有直接关系，也对最终成品钢材的成分有着至关重要的作用
。
如果脱氧合金化过程中硅锰合金
、
硅碳合金或硅铁合金用量过多，则会影响最后出钢连铸的过程，从而造成原料浪费和资金损失，同时增大合金用量也提高了生产成本
。
如果加入合金量过低，则达不到用合金调节钢材成分的目的，终点钢水中的杂质元素超过目标值也会增加生产成本
。
[0004]因此如何提高转炉炼钢的生产效益，降低成本，同时控制出钢的质量成为一个亟待解决的问题
。

技术实现思路

[0005]本申请实施例提供了一种预测合金推荐率和收得率的方法
、
设备及存储介质，用以解决如下技术问题：如何提高转炉炼钢的生产效益，降低成本，同时控制出钢的质量
。
[0006]第一方面，本申请实施例提供了一种预测合金推荐率和收得率的方法，其特征在于，所述方法包括：获取待转炉的炉次数据，所述炉次数据包括最新炉次数据和历史炉次数据；通过预设的合金推荐数据模型中的集成学习算法处理所述最新炉次数据，以获取合金推荐值；基于预设的终点预测模型处理所述最新炉次数据，以获取终点温度和终点碳，其中，所述终点预测模型包括终点温度预测模型和终点碳预测模型；基于预设的合金推荐收得率模型处理所述终点温度和终点碳，以获取所述合金元素的收得率；基于预设的成本最小算法处理所述合金推荐值和合金元素收得率，以获取所述合金推荐值的成本
。
[0007]在本申请的一种实现方式中，通过预设的合金推荐数据模型中的集成学习算法处理所述最新炉次数据，以获取合金推荐值，具体包括：基于所述最新炉次数据选择所述待转炉炼钢需要的合金种类，其中，合金种类包括硅锰合金和硅碳合金；获取炉次数据中的铁水信息，其中，所述铁水信息包括铁水重量
、
铁水硅含量
、
铁水磷含量
、
铁水锰含量
、
铁水硫含量和轻薄料；判断所述铁水信息是否符合预设的范围；在铁水信息符合预设的范围时，基于预设的集成学习算法处理铁水信息，以获取合金推荐值，其中，合金推荐值包括硅锰合金推荐值和硅碳合金推荐值
。
[0008]在本申请的一种实现方式中，在所述铁水信息符合预设的范围时，基于预设的集成学习算法处理所述最铁水信息，以获取合金推荐值，具体包括：获取合金推荐值的实际值；将所述合金推荐值的实际值与所述铁水重量
、
铁水硅含量
、
铁水磷含量
、
铁水锰含量
、
铁
水硫含量和轻薄料关联；将所述合金推荐值的实际值与所述铁水重量
、
铁水硅含量
、
铁水磷含量
、
铁水锰含量
、
铁水硫含量和轻薄料关联均分为五份，将其中四份作为训练集，并将剩余的一份作为测试集；基于所述训练集训练所述合金推荐数据模型，并基于所述测试集验证所述合金推荐数据模型的准确度，直至获取所述四份训练集的准确度；计算四份训练集的准确度的平均准确度，以获取合金推荐数据模型的最终准确度；基于合金推荐数据模型预测所述合金推荐值
。
[0009]在本申请的一种实现方式中，基于预设的终点预测模型处理所述最新炉次数据，以获取终点温度，具体包括：获取预设的合金推荐数据模型，所述合金推荐数据模型为训练过的完善的合金推荐数据模型；将合金推荐数据模型的合金推荐值的实际值替换为终点温度的实际值，以获取待训练终点温度预测模型；基于集成学习算法训练所述待训练终点温度预测模型，以获取终点温度预测模型；基于终点温度预测模型处理所述最新炉次数据，以获取终点温度
。
[0010]在本申请的一种实现方式中，基于预设的终点碳预测模块处理所述最新炉次数据，以获取终点碳，具体包括：获取预设的合金推荐数据模型，所述合金推荐数据模型为训练过的完善的合金推荐数据模型；将合金推荐数据模型的合金推荐值的实际值替换为终点碳的实际值，以获取待训练终点碳预测模型；基于集成学习算法训练所述待训练终点碳预测模型，以获取终点碳预测模型；基于终点碳预测模型处理所述最新炉次数据，以获取终点碳
。
[0011]在本申请的一种实现方式中，基于预设的合金推荐收得率模型处理所述终点温度和终点碳，以获取所述合金元素的收得率，具体包括：获取预设的合金推荐机理模型；基于所述合金历史数据获取历史合金品味
、
历史合金元素含量以及历史钢水收得率；通过终点温度预测模型基于历史合金品味
、
历史合金元素含量以及历史钢水收得率获取历史终点温度预测值；通过终点碳预测模型基于历史合金品味
、
历史合金元素含量以及历史钢水收得率获取历史终点碳预测值；基于合金种类匹配预设的优化算法数据库，以获取优化算法；基于所述优化算法获取所述合金元素的历史收得率；将合金中合金元素的历史收得率替换所述合金推荐机理模型的合金元素的收得率，以获取合金推荐收得率模型；基于所述合金推荐收得率模型获取所述合金种类对应的合金元素推荐收得率
。
[0012]在本申请的一种实现方式中，获取合金推荐机理模型，具体包括：获取待转炉的最新炉次数据；选择所述待转炉炼钢需要的合金种类；基于所述合金种类获取合金品味
、
合金收得率
、
合金价格以及合金元素含量；基于合金种类匹配预设的优化算法数据库，以获取优化算法；基于所述优化算法处理所述合金价格
、
合金元素含量
、
合金品味以及合金收得率，以获取所述合金收得率
。
[0013]在本申请的一种实现方式中，基于预设的成本最小算法处理所述合金推荐值和合金元素收得率，以获取所述合金推荐值的成本，具体包括：基于预设的
scipy
优化器处理所述合金推荐值，以求解所述合金的加入量的最小值；获取合金对应的增碳剂的重量
、
增碳剂的价格；基于所述合金加入量的最小值
、
合金的价格计算
、
增碳剂的重量和增碳剂的价格所述合金推荐值的成本
。
[0014]第二方面，本申请实施例还提供了一种预测合金推荐率和收得率的设备，其特征在于，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储
器存储有可被至少一个处理器执本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种预测合金推荐率和收得率的方法，其特征在于，所述方法包括：获取待转炉的炉次数据，所述炉次数据包括最新炉次数据和历史炉次数据；通过预设的合金推荐数据模型中的集成学习算法处理所述最新炉次数据，以获取合金推荐值；基于预设的终点预测模型处理所述最新炉次数据，以获取终点温度和终点碳，其中，所述终点预测模型包括终点温度预测模型和终点碳预测模型；基于预设的合金推荐收得率模型处理所述终点温度和终点碳，以获取所述合金元素的收得率；基于预设的成本最小算法处理所述合金推荐值和合金元素收得率，以获取所述合金推荐值的成本
。2.
根据权利要求1所述的一种预测合金推荐率和收得率的方法，其特征在于，通过预设的合金推荐数据模型中的集成学习算法处理所述最新炉次数据，以获取合金推荐值，具体包括：基于所述最新炉次数据选择所述待转炉炼钢需要的合金种类，其中，合金种类包括硅锰合金和硅碳合金；获取炉次数据中的铁水信息，其中，所述铁水信息包括铁水重量
、
铁水硅含量
、
铁水磷含量
、
铁水锰含量
、
铁水硫含量和轻薄料；判断所述铁水信息是否符合预设的范围；在铁水信息符合预设的范围时，基于预设的集成学习算法处理铁水信息，以获取合金推荐值，其中，合金推荐值包括硅锰合金推荐值和硅碳合金推荐值
。3.
根据权利要求2所述的一种预测合金推荐率和收得率的方法，其特征在于，在所述铁水信息符合预设的范围时，基于预设的集成学习算法处理所述最铁水信息，以获取合金推荐值，具体包括：获取合金推荐值的实际值；将所述合金推荐值的实际值与所述铁水重量
、
铁水硅含量
、
铁水磷含量
、
铁水锰含量
、
铁水硫含量和轻薄料关联；将所述合金推荐值的实际值与所述铁水重量
、
铁水硅含量
、
铁水磷含量
、
铁水锰含量
、
铁水硫含量和轻薄料关联均分为五份，将其中四份作为训练集，并将剩余的一份作为测试集；基于所述训练集训练所述合金推荐数据模型，并基于所述测试集验证所述合金推荐数据模型的准确度，直至获取所述四份训练集的准确度；计算四份训练集的准确度的平均准确度，以获取合金推荐数据模型的最终准确度；基于合金推荐数据模型预测所述合金推荐值
。4.
根据权利要求3所述的一种预测合金推荐率和收得率的方法，其特征在于，基于预设的终点预测模型处理所述最新炉次数据，以获取终点温度，具体包括：获取预设的合金推荐数据模型，所述合金推荐数据模型为训练过的完善的合金推荐数据模型；将合金推荐数据模型的合金推荐值的实际值替换为终点温度的实际值，以获取待训练终点温度预测模型；
基于集成学习算法训练所述待训练终点温度预测模型，以获取终点温度预测模型；基于终点温度预测模型处理所述最新炉次数据，以获取终点温度
。5.
根据权利要求4所述的一种预测合金推荐率和收得率的方法，其特征在于，基于预设的终点碳预测模块处理所述最新炉次数据，以获取终点碳，具体包括：获取预设的合金推荐数据模型，所述合金推荐数据模型为训练过的完善的合金推荐数据模型；将合金推荐数据模型的合金推荐值的实际值替换为终点碳的实际值，以获取待训练终点碳预测模型；基于集成学习算法训练所述待训练终点碳预测模型，以获取终点碳预测模型；基于终点碳预测模型处理所述最新炉次数据，以获取终点碳
。6.
根据权利要求1所述的一种预测合金...

【专利技术属性】
技术研发人员：田铭，朱勇，肖雪，崔汝伟，孔维强，
申请(专利权)人：浪潮云洲工业互联网有限公司，
类型：发明
国别省市：