System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及转炉炼钢领域,尤其涉及一种预测转炉终点锰含量的方法。
技术介绍
1、目前,我国钢铁生产主要以转炉冶炼长流程为主,随着市场对钢材质量与性能的要求的提高,转炉出钢合金化成为十分重要且不可缺少的工艺环节。受到冶炼终点取样及化学成分分析滞后的影响,在合金加入量计算时,冶炼终点化学成分未知,这在一定程度上制约了钢水合金成分的精度控制,对于钢材性能、生产效率及经济效益存在具有重要影响。锰是钢铁材料中应用最为广泛的合金元素,其含量的精确控制尤其重要。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点和不足,本专利技术提供一种预测转炉终点锰含量的方法,解决了转炉冶炼终点取样及化学成分分析滞后技术问题。
3、(二)技术方案
4、为了达到上述目的,本专利技术主要提供了一种预测转炉终点锰含量的方法,主要技术方案包括:
5、s1、采集待测转炉的当前生产数据,所述当前生产数据包括:铁水碳质量分数、铁水硅质量分数、铁水锰质量分数、铁水磷质量分数、铁水硫质量分数、铁水量、废钢量、铁水脱硫出站温度、副枪过程温度、副枪过程c质量分数、副枪终点温度、副枪终点c质量分数、副枪终点o质量分数、目标出钢温度、目标终点c质量分数、目标终点si质量分数、目标终点mn质量分数、目标终点p质量分数、目标终点s质量分数、轻烧白云石质量、白云石质量、石灰质量、转炉终点残mn含量;
6、s2、将所述当前生产数据输入到训练好的锰含量预测模型,预测
7、所述锰含量预测模型为基于所述转炉的历史生产数据,对预先构建的初始锰含量预测模型进行训练,得到的锰含量预测模型。
8、可选地,在所述s2之后,还包括:
9、基于预测的锰含量,对所述当前生产数据进行调整,直到预测的锰含量能够满足钢种终点控制目标。
10、可选地,所述s1之前还包括:s0、基于所述待测转炉的历史生产数据,对预先构建的初始锰含量预测模型进行训练,得到锰含量预测模型,包括:
11、a1、采集所述待测转炉的历史生产数据,所述历史生产数据为待测转炉每一单次生产的完整生产数据的集;
12、a2、对所述历史生产数据进行数据预处理;
13、a3、基于经过数据预处理的历史生产数据,选取所述转炉的每一单次生产对应的tso检测锰含量为锰含量,查看其输入的每一个连续型特征数据是否符合统计学正态分布;
14、a4、借助于冶金原理,判断所述历史生产数据中影响锰含量的特征数据;
15、a5、筛选所述历史生产数据的特征数据,将每一单次生产的特征数据和当次生产的锰含量输入到预先构建的初始锰含量预测模型进行训练,得到的锰含量预测模型。
16、可选地,步骤a1中,所述每一单次生产的完整生产数据的类别包括:
17、熔炼号、枪号、枪龄、生产日期、钢质代码、铁水碳质量分数、铁水硅质量分数、铁水锰质量分数、铁水磷质量分数、铁水硫质量分数、铁水量、废钢量、铁水脱硫出站温度、副枪过程温度、副枪过程c质量分数、副枪终点温度、副枪终点c质量分数、副枪终点o质量分数、目标出钢温度、目标终点c质量分数、目标终点si质量分数、目标终点mn质量分数、目标终点p质量分数、目标终点s质量分数、轻烧白云石质量、白云石质量、石灰质量。
18、可选地,所述a2,包括:
19、a21、对所述历史生产数据进行清洗,使用冶金机理分析删除明显的无效特征值:
20、所述无效特征值包括;熔炼号、枪号、枪龄、生产日期、钢质代码;
21、a22、对清洗后的历史生产数据进行异常值替换;
22、所述异常值包括:零值、空值、离散值。
23、可选地,所述a22,具体为:
24、将所述历史生产数据中,与所述异常值为同一类别的历史生产数据的平均值作为替换值,对所述异常值进行替换。
25、可选地,步骤a3,包括:
26、a31、基于所述历史生产数据,选取副枪最后一次检测,即tso检测锰质量分数作为转炉终点锰含量;
27、a32、并将每一个输入特征数据都进行正态性检验,如果不满足正态性特质,则直接删除离散值所在的这一组数据。
28、可选地,步骤a4中,所述预定义的相关性计算公式为:
29、
30、n是历史生产数据中的炉次总量,xi是特征数据的实际值,是特征数据的均值,yi是锰含量的实际值,是锰含量均值。
31、可选地,步骤a4中,所述影响锰含量的特征数据包括:
32、铁水碳质量分数、铁水硅质量分数、铁水锰质量分数、铁水磷质量分数、铁水量、废钢量、副枪过程温度、副枪过程c质量分数、副枪终点温度、副枪终点c质量分数、副枪终点o质量分数、目标出钢温度、目标终点c质量分数、目标终点si质量分数、目标终点mn质量分数、目标终点p质量分数、轻烧白云石质量、白云石质量、石灰质量。
33、可选地,步骤a5,包括:
34、a51、对所述历史生产数据进行筛选并标记,获取每一单次生产的特征数据和与所述特征数据对应的标签;
35、a52、将所述每一单次生产的特征数据和当次生产的锰含量作为样本数据,输入到所述初始锰含量预测模型;所述样本数据包括训练集和测试集;所述测试集用于对所述锰含量预测模型进行测试;
36、a53、优化所述初始锰含量预测模型的超参数;
37、a54、通过所述训练集对所述初始锰含量预测模型进行训练,获取锰含量预测模型。
38、可选地,在所述s5之后,还包括:
39、s6、将所述测试集中的每一单次生产的特征数据输入到所述锰含量预测模型,生成当次生产预测锰含量;
40、基于所述当次生产预测锰含量和所述测试集中的同一单次生产的锰含量,计算所述当次生产预测锰含量的决定系数和均方根误差;基于所述决定系数和均方根误差对所述锰含量预测模型进行测试;
41、所述决定系数r2计算公式为:
42、
43、所述均方根误差rmse计算公式为:
44、
45、n为测试集样本总量,fi为模型输出的预测值,yi为特征数据样本实际值,为特征数据样本均值。
46、(三)有益效果
47、本专利技术提供的一种预测转炉终点锰含量的方法,所述方法通过将待测转炉的当前生产数据输入到训练好的锰含量预测模型预测锰含量,进而,通过所述锰含量,计算合金加入量,实现第合金加料的精准控制,进而实现钢水合金成分精准控制,提高生产效率及经济效益。
本文档来自技高网...【技术保护点】
1.一种预测转炉终点锰含量的方法,用于在转炉炼钢终点时预测锰含量,其特征在于,包括:
2.根据权利要求1所述的转炉终点锰含量预测方法,其特征在于,在所述S2之后,还包括:
3.根据权利要求1所述的转炉终点锰含量预测方法,其特征在于,所述S1之前,还包括:
4.根据权利要求3所述的转炉终点锰含量预测方法,其特征在于,步骤A1中,所述每一单次生产的完整生产数据的类别包括:
5.根据权利要求4所述的转炉终点锰含量预测方法,其特征在于,所述A2,包括:
6.根据权利要求5所述的转炉终点锰含量预测方法,其特征在于,所述A22,具体为:
7.根据权利要求3所述的转炉终点锰含量预测方法,其特征在于,步骤A3,包括:
8.根据权利要求3所述的转炉终点锰含量预测方法,其特征在于,步骤A4中,所述预定义的相关性计算公式为:
9.根据权利要求8所述的转炉终点锰含量预测方法,其特征在于,步骤A5,包括:
10.根据权利要求9所述的转炉终点锰含量预测方法,其特征在于,在所述S5之后,还包括:
【技术特征摘要】
1.一种预测转炉终点锰含量的方法,用于在转炉炼钢终点时预测锰含量,其特征在于,包括:
2.根据权利要求1所述的转炉终点锰含量预测方法,其特征在于,在所述s2之后,还包括:
3.根据权利要求1所述的转炉终点锰含量预测方法,其特征在于,所述s1之前,还包括:
4.根据权利要求3所述的转炉终点锰含量预测方法,其特征在于,步骤a1中,所述每一单次生产的完整生产数据的类别包括:
5.根据权利要求4所述的转炉终点锰含量预测方法,其特征在于,所述a2,包括...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。