一种基于BiLSTM-CNN的电炉终点温度预测方法技术

本发明专利技术涉及一种基于BiLSTM‑CNN的电炉终点温度预测方法，针对电炉短流程生产并结合电炉炼钢工艺原理，收集24种电炉炼钢工业生产中的参数历史数据，建立电炉炼钢时空序列数据库；利用CNN‑BiLSTM建立时空训练模型，其中通过CNN卷积操作和池化操作提取数据序列种的空间特征，通过BiLSTM捕捉数据中的时间特征信息，将空间与时间特征结合得到训练模型，生产状态中24种电炉炼钢参数作为训练模型的输入，预测出电炉炼钢终点温度。本发明专利技术在面对较为复杂的电炉炼钢生产，对电炉炼钢终点温度的进行实时预测，可有效地为炼钢厂提供高准确性和效率的决策支持和技术指导。

【技术实现步骤摘要】

本专利申请属于冶金行业电炉炼钢自动化，更具体地说，是涉及一种基于bilstm-cnn的电炉终点温度预测方法。

技术介绍

1、电炉炼钢是在一段时间内物质转化和化学反应的生产过程，其加料、造渣、出渣、熔化、氧化期和脱碳期等操作反应出炼钢工艺的时间因果性，而炼钢原料在炉内的不同位置上经历加热、熔化、混合等物质状态和温度变化的过程反应出炼钢工艺的空间因果性，因此，电弧炉炼钢的过程可以看作是一个时空序列，需要同时考虑时间和空间两个维度的变化。过对这些数据的分析和建模，我们可以揭示电弧炉炼钢过程的动态变化、趋势和模式，以及时间和空间上的因果关系。这些分析有助于优化炼钢过程、提高生产效率和质量，并为预测和控制炼钢过程提供支持。

2、为了确保产品的质量和生产的效率，钢铁行业对电炉炼钢终点温度检测结果要求越来越高。然而，传统的检测方法，受炉门口粘渣、冶炼后期放渣、预热废钢掉落、冶炼后期炉内喷碳导致表面降温、测温偶头受钢水冲击导致接触不良等因素影响不能实时检测出所需数据，并且在预测方面，如统计学和经验公式，存在着精度低、实时性差以及易受干扰等。然而，现今我们可以通本文档来自技高网...

【技术保护点】

1.一种基于BiLSTM-CNN的电炉终点温度预测方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于BiLSTM-CNN的电炉终点温度预测方法，其特征在于：S1中，以电炉炼钢时每一炉的24种生产参数的历史数据作为输入x，所述24种电炉炼钢参数为钢水量、钢水温度、钢水碳含量、废钢量、加废钢次数、吹氧量、供电量、冶炼周期、石灰、白云石、合金元素、钢水中C质量分数、钢水中Si质量分数、钢水中P质量分数、钢水中Al质量分数、钢水中Ti质量分数、钢水中B质量分数、通电时间、氧枪吹氧耗量、碳枪喷吹碳粉耗量、上次温度值、吹氩量、天然气量、放渣量。

<p>3.根据权利要求...

【技术特征摘要】

1.一种基于bilstm-cnn的电炉终点温度预测方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于bilstm-cnn的电炉终点温度预测方法，其特征在于：s1中，以电炉炼钢时每一炉的24种生产参数的历史数据作为输入x，所述24种电炉炼钢参数为钢水量、钢水温度、钢水碳含量、废钢量、加废钢次数、吹氧量、供电量、冶炼周期、石灰、白云石、合金元素、钢水中c质量分数、钢水中si质量分数、钢水中p质量分数、钢水中al质量分数、钢水中ti质量分数、钢水中b质量分数、通电时间、氧枪吹氧耗量、碳枪喷吹碳粉耗量、上次温度值、吹氩量、天然气量、放渣量。

3.根据权利要求2所述的一种基于bilstm-cnn的电炉终点温度预测方法，其特征在于：s2中，所述数据预处理为通过填充的方法保持数据的一致性，由于每一炉数据长度相差在3%~6%，以历史数据中序列长度最长的炉次作为每次输入数据长度的标准，并对其余长度不匹配的炉次数据进行边缘填充，填充数据为0。

4.根据权利要求2所述的一种基于bilstm-cnn的电炉终点温度预测方法，其特征在于：s3中，搭建的环境框架为pytorch框架；所述cnn-bilstm网络的算法流程依次由cnn部分和bilstm部分构成，cnn部分结构包括依次信息连接的卷积层1、卷积层2、卷积层3、池化层、全连接层1，bilstm部分结构包括正向lstm层、反向lstm层、concat层、全连接层2，正向lstm层、concat层、全连接层2依次信息连接，正向lstm层...

【专利技术属性】
技术研发人员：张庆宇，张彩东，张雲飞，王立辉，彭飞，李志昂，赵禹栋，薛仁杰，陈屹松，王荣荣，
申请(专利权)人：河北河钢材料技术研究院有限公司，
类型：发明
国别省市：