专利名称：一种转炉炼钢石灰加入量计算方法
技术领域：
本发明属于自动化控制技术领域，涉及转炉炼钢生产静态模型的建立，特
rtd vk "rr T丄一^ l,上Am丄、丄Tn 上— s上L 、 I A^V "、,丄
別莎汉一 W符》尸》沐亍W 土广3i々芏^ 。，力U/乂更H'、J 1T异刀7古。
背景技术：
转炉炼钢生产是将铁水降碳、升温、降低磷硫等杂质元素含量，获得合格 钢水的工业过程。通过顶吹氧气将铁水中的杂质元素氧化，加入造渣材料将杂 质从钢水中脱除。造渣制度是转炉炼钢生产中重要的工艺制度之一，炉渣的碱 度是衡量造渣好坏的重要指标，也是影响磷、硫脱除比例的主要因素之一。碱 度通常定义为炉渣中CaO含量和Si02含量的比值7 = w(CaO)/W(Si02)。控制合 适的石灰加入量、保证炉渣终点碱度对于生产出合格的钢水至关重要。
石灰加入量计算模型属于转炉静态模型的一部分。目前，针对石灰加入量 计算的建模方法主要有
基于物料平衡的经验公式法，经验公式法将铁水中硅含量和工艺目标碱度 作为确定石灰加入量的参考(陈忠伟，袁守谦.LD转炉冶炼的静态数学模型及 实现[J].炼钢，2000， 16 (5): 31-34);
基于统计理论的增量回归法，增量回归方法以当前炉次铁水条件与标准炉 次之间的增量值为基础计算当前炉次的石灰加入量(朱光俊，梁本川.转炉炼 钢静态控制优化模型[J].炼钢，1999， 15 (4): 25-28)。
然而，这两种石灰加入量计算方法无法很好地保证炉渣终点碱度满足工艺 要求，有时甚至使炉次间的炉渣碱度波动很大。
发明内容
本发明要解决的技术问题是提供一种转炉炼钢石灰加入量计算方法,该方法 通过碱度偏差估计模型预报输入碱度与炉渣终点碱度之间的偏差，修止石灰加 入量经验计算公式中的碱度参数，以保证炉渣终点碱度满足工艺要求。
本发明的技术方案为
分析转炉吹炼过程中影响石灰溶解的因素，根据分析结果选择合适的输入变量，并建立支持向量机碱度偏差估计模型，预报当前炉次输入碱度与终点炉 渣碱度之间的偏差。之后利用碱度偏差的估计值修正经验公式中的碱度值，得 到改进的石灰加入量计算模型。
支持向量机碱度偏差估计模型建立的步骤如下
步骤l:分析影响炉渣终点碱度的主要因素，包括炉渣成分、熔池温度、石 灰质量以及吹氧量。
步骤2:确定支持向量机碱度偏差估计模型的输入变量，包括铁水硅含量、 铁水锰含量、铁水磷含量、铁水硫含量、白云石加入量、钢水终点温度、石灰 活度以及炉次总耗氧量。
步骤3，构建适用于建模的标准炉次库 (1 )在历史数据库中选择有终点炉渣成分化验的数据记录；
(2) 选择终点碳含量和温度同时命中的数据记录；
(3) 选择铁水硅含量在0.2 0.6%之间，并且炉渣终点碱度在2.8 3.5之 间的数据记录，建立标准炉次库。
步骤4，建立支持向量机碱度偏差估计模型
(1)计算标准炉次库中各炉次的输入碱度/ ,,
l叩Ut
(CaOlime+CaOd0l0mite)
input
(Si02,冊e+Si02d麵,te+KxW[Si]X『鹏+Si02sc啤)
其中，CaO^为石灰带入的氧化钙量；CaO^^为白云石带入的氧化钙量； Si02l_为石灰带入的二氧化硅量；Si0^。^为由白云石带入的二氧化硅量； K=2.14为Si(ySi的分子质量之比；Kxw[Si]x^M为铁水中硅反应生成的二氧化硅 量；SiO^，为由废钢带入的二氧化硅量及其反应生成的二氧化硅量；
(2) 计算输入碱度与炉渣终点碱度之间的偏差Ai ，作为支持向量机碱度偏 差估计模型的输出
其中，i ，t为输入碱度；/^为目标碱度；
(3) 归一化输入输出变量，并选择支持向量机的核函数和损失函数；
(4) 使用交叉检验方法确定支持向量机碱度偏差估计模型的参数。对当前炉次石灰加入量计算的歩骤如下
步骤1,预报当前炉次输入碱度与炉渣终点碱度的偏差值
(1) 在标准炉次库中搜索与本炉次铁水硅含量、铁水锰含量、铁水磷含量、 铁水硫含量、白云石加入量、石灰活度以及终点目标温度最相近的炉次，以该 炉次的总耗氧量作为当前炉次总耗氧量的参考，同时使用当前炉次钢水的工艺 目标温度代替钢水终点温度，作为本炉次支持向量机碱度偏差估计模型的输入；
(2) 将确定的当前炉次铁水硅含量、铁水锰含量、铁水磷含量、铁水硫含 量、白云石加入量、钢水终点温度、石灰活度以及炉次总耗氧量归一化，将归 一化的各输入变量值带入支持向量机碱度偏差估计模型计算；
(3) 将支持向量机碱度偏差估计模型的计算结果反归-化，得到对当前炉
次碱度偏差的预报值。
步骤2:使用预报的碱度偏差值对经验公式中的碱度参数进行修正，并计算 石灰加入量
x w(C30doIomite_eff)
'皿e w(CaO),腦eff w(Ca0limeeff)^
其中，K^2.14为SiCVSi的分子质量之比；w[Si]为铁水中硅的质量分数；『HM 为铁水质量；i^为目标碱度；M为碱度偏差的估计值；；H<Ca0lime eff)为石灰中 有效氧化钙质量分数；^。,。*为白云石加入量；w(CaOd。^"ff)为白云石中有效氧 化钙的质量分数。
当前炉次吹炼结束后，如果进行炉渣化验，且炉渣碱度和终点碳含量和温 度满足工艺要求，则将本炉次信息加入标准炉次库，为建立支持向量机碱度偏 差估计模型使用。
上述方法的关键技术在于建立了支持向量机碱度偏差估计模型，预报当前 炉次输入碱度与炉渣终点碱度之间的偏差，根据预报的碱度偏差值调整石灰加
本发明的效果和益处是能够较好地弥补输入碱度与终点碱度之间偏差，提 高石灰加入量计算的准确性，使得炉渣终点碱度更接近工艺要求的目标碱度值， 有利于控制炉次间炉渣的性质稳定。
6图1为本发明的计算方法示意图。
其中，A,m为终点目标碱度；A, 12，..^为支持向量机碱度偏差估计模型的 输入；M为输入碱度与炉渣终点碱度预报值；i mput为输入碱度；Wime为石灰加
入量；凡nd为炉渣终点碱度；e,为输入碱度与炉渣终点碱度偏差的实际值；&为
碱度偏差预报值与实际值之差。
图2为支持向量机碱度偏差估计模型结构示意图。
其中，A为铁水硅含量；^为铁水锰含量；^为铁水磷含量；&为铁水硫含
量；^为白云石加入量；^为终点温度；^为石灰活度；^为炉耗氧量； 为碱
度偏差；S为最终的支持向量个数。
图3为参数"和C取不同值时对应的检验样本泛化误差曲线图。
图4为支持向量机碱度偏差估计模型对测试样本的预测结果图。
图5为测试样本石灰加入量的计算值与实际值之间的关系示意图。
其中，点划线表示计算值与实际值相等，两条实线内的点都满足误差绝对
值在1吨的范围内，两条虚线内的点都满足误差绝对值在0.7吨的范围内。
具体实施例方式
以下结合技术方案和附图1详细叙述本发明的具体实施例。 分析产生碱度偏差的影响原因，确定支持向量机碱度偏差估计模型的输入。 在实际生产中，输入碱度与吹炼终点炉渣碱度之间偏差是由石灰的不完全
溶解造成的。吹炼初期，加入转炉的石灰表面生成熔点高达213(TC而且致密坚 硬的硅酸二钙层，阻碍石灰的溶解。石灰的溶解持续整个吹炼过程，甚至吹炼 结束时石灰仍在溶解。通过分析影响石灰溶解速度的主要因素，确定支持向量 机碱度偏差估计模型的输入
A. 炉渣的成分其对石灰溶解速度有很大影响，炉渣中的氧化钙、氧化镁、
氧化锰以及氧化铁等成分的含量都影响着石灰的溶解速度。炉渣主要由铁水中 的硅、磷、锰、铁等元素的氧化以及加入的辅原料溶解而生成。
B. 熔池温度熔池温度高有利于炉渣黏度的降低，加速炉渣向石灰块内渗 透，促使硅酸二钙迅速熔融脱落形成炉渣，从而提高石灰的溶解速度。
C. 石灰的质量表面疏松、气孔率高、反应能力强的活性石灰，有利于炉 渣进入石灰块内，扩大反应面积，加速石灰的溶解过程。石灰的活度是表征石灰水化反应速度的物理量，也是影响石灰溶解速度的一个重要参数。
D.吹氧量石灰的溶解会持续整个过程，而吹氧量的多少主要取决于降碳 量和升温量的要求，增加吹氧量有利于石灰的充分溶解，提高炉渣碱度。
综上，确定支持向量机碱度偏差估计模型的八个输入变量分别为铁水石
含量、铁水锰含量、铁水磷含量、铁水硫含量、白云石加入量、钢水终点温度、 石灰活度以及炉次总耗氧量。
在确定支持向量机碱度偏差估计模型的输入后，需要选择合适的样木进行 建模。在实际生产中，并不是所有炉次的炉渣都会被化验，因此选择有终点炉 渣成分化验的数据；终点碳含量和温度是衡量转炉吹炼好坏的主要指标，因此 选择终点碳含量和温度同时命中炉次的数据记录；为保证吹炼过程中不进行倒 渣操作，选择铁水硅含量在0.2 0.6%之间的数据记录；根据现场工艺的要求， 炉渣终点碱度最好控制在2.8 3.5之间，因而选择炉渣终点碱度在2.8 3.5之 间的数据记录。如此选择数据是为了保证支持向量机碱度偏差估计模型的准确 性。
使用上述挑选的数据建立支持向量机碱度偏差估计模型，模型的输出为输
入碱度和炉渣终点碱度的差值。输入碱度i ,一定义为装入转炉的所有辅原料中 含有的氧化钙量与主辅原料中含有以及可能生成的二氧化硅量之比。计算公式 为
dolomite J_____ f 1 、
——(Si021ime +Si02dd。mite +K x w[Si] x『脂+Si02scrap)
$巾
CaO,^为石灰带入的氧化钙量；
CaOd。^te为白云石带入的氧化钙量；
Si02l，为石灰带入的二氧化硅量；
8102 。为由白云石带入的二氧化硅量；
K=2.14为SiO"Si的分子质量之比；
Kxw[Si]x^M为铁水中硅反应生成的二氧化硅量；
SiO^，为由废钢带入的二氧化硅量及其反应生成的二氧化硅量。支持向量机碱度偏差估计模型的输出为输入碱度与吹炼终点碱度的偏差 AR，有
<formula>formula see original document page 9</formula>(2)
其中
《一为输入碱度； /^为目标碱度。
由于所选的输入输出数据存在不同的量纲，而且不同量纲的数据在数值上 相差较大，有些甚至相差几个数量级。为避免数值上较大的变量湮没较小的变 量，对每个输入和输出变量做归---化处理
<formula>formula see original document page 9</formula> (3)
式(4)中
hl,2,L ，8对应第/个变量；
A",2,L ,"对应每组变量中第/t个样本，"为样本总数； 一为第z'组变量中的最小值；
一为第z'组变量中的最大值；
x,("为第/组变量中第个原始值；
;c^)为第/变量中第A个归一化后的值。
支持向量机的计算过程如下
设样本数据为((^,力),(x2,》),…,(xw,, )}，其中Xi.ElT，》eR，片l,…，见 支持向量机首先通过非线性映射00把样本的输入部分{^, x2，…，xw)映射到高 维特征空间F，然后进行线性回归
/(x) = wrO(x) + 6 (4)
其中，WEF， 6表示偏置，w^(x)表示w和①(x)向量的点积。未知量(W， 6)的求取可通过对下式的优化得出
min C|^(/(xJ —力+ >||2 (5) 其中11.II为欧式距离，C为正则化系数，A(自为损失函数。为了得到稀疏解，提高对测试样本的计算速度，本发明中误差损失函数选择为带有e不敏感的一次 损失函数
W(x)l)=1/y、' 4袖1 (6)
U/(x)-別-f,其他
为每个样本点引入两个松驰因子么和之，将优化问题转化为下式所示的凸二
次规划
min咱(")+会HI2
x - wtO(x, (7) wT0>0,) + 6 - 《"，+《 《》0,^0
为解此优化问题，引入拉格朗日乘子并将此优化问题转化为拉格朗日对偶 问题
m"x{ W(a, % = — ^ Z J]— 5 —夂)*(x , xw)
^ "=i ,"=i
".$(") = 0 (8) 0 S C
其中，0 和5 为Lagrange乘子，A:(、,、)为核函数方程，本发明中核函数选 择为径向基核函数
(、-0T(x。-0
A:(x",x》 ^ (9) 其中，"为径向基函数宽度。
径向基函数宽度;6和正则项系数C使用交叉检验方法确定。 由于一次不敏感损失函数的应用，仅有少数(""-5")值不为0，其所对应的向 量为支持向量。偏置6的值可以通过Karush-Kuhn-Tucker (KKT)条件计算得到。 最终建立支持向量机碱度偏差估计模型，其结构图如图2所示
y(x) = |> —5,(x,x ) + 6 (10)为了得到实际的碱度偏差值，需要对支持向量机碱度偏差估计模型的输出 结果作如下的反归一化变换
<formula>formula see original document page 11</formula> (11)
其屮
M为碱度偏差的估计值；
;/W为模型输出的归一化的值；
>U为训练样本中的最大偏差值； 凡,。为训练样本中的最小偏差值。
建立支持向量机碱度偏差估计模型吋使用的是历史数据中吹炼结果符合工 艺要求的数据记录。在对当前炉次进行预测时， 一些输入变量无法直接获得， 需要对这些变量进行确定。确定的方法如下
对于钢水终点温度，只有在吹炼结束后才能获得，而转炉吹炼对终点温度 要求比较严格，终点温度与工艺要求的目标温度比较接近，因此，选择当前炉 次工艺要求的目标温度代替钢水终点温度作为支持向量机碱度偏差估计模型的 输入。
对于白云石加入量和炉次总耗氧量，搜索与当前炉次各冶炼条件最相似以 及目标要求相同的成功历史炉次(终点碳温命中且碱度满足工艺要求)，以该历 史炉次的白云石加入量和炉次总耗氧量作为当前炉次支持向量机碱度偏差估计 模型的输入。
将确定的当前炉次的铁水硅含量、铁水锰含量、铁水磷含量、铁水硫含量、 白云石加入量、钢水终点温度、石灰活度以及炉次总耗氧量与建立支持向量机 碱度偏差估计模型所使用的数据一起进行归-化。
将归一化后的当前炉次各输入变量值带入支持向量机碱度偏差估计模型进 行计算，再对支持向量机碱度偏差估计模型的输出值反归一化，得到对当前炉 次碱度偏差的预报值Ai 。
石灰加入量的经验公式与炉渣的工艺碱度要求相关，表示为
<formula>formula see original document page 11</formula>其中 ' ^,为炉渣的目标碱度；
"'(CaOhiMeff)为石灰中有效氧化钙质量分数，且 w(CaOhme eff) = ,OJ-l x w(Si02hme);
K=2.14为Si(ySi的分子质量之比；
w[Si]为铁水中硅的质量分数；
^M为铁水质量。
由于白云石中也含有CaO和Si02，可以对终点的碱度值产生影响，为消除 白云石对石灰加入量的影响，将经验公式修改为
^^olomite ef〃 / 1 ，、
—CaO)limeeff w(CaOhmeeff)
其中
K=2.14为Si02/Si的分子质量之比；
l旨为白云石加入量；
w(CaOd。,。mite_rff)为白云石中有效氧化钙的质量分数； 且w(CaOddOTite—eff )=W(CaOd。lomite) — / 謹x ^(8丄0^10111^)。
进一步，使用支持向量机碱度偏差估计模型预报的碱度偏差值对经验公式 中的碱度参数进行修正，最终得到石灰加入量的计算公式为
^ _ K x 、v[Si] x『服x 『d。lomite x w(CaOd。,咖加祖)
' e w(CaO)lime—eff w'(Ca0limc cff)
使用上式计算的石灰加入量充分考虑了影响碱度产生偏差的原因，并对其 进行补偿，最大程度保证炉渣终点碱度满足工艺要求。
当前炉次吹炼结束后，如果进行炉渣化验，且炉渣碱度和终点碳温满足工 艺要求，则将本炉次信息加入标准炉次库，对以后的炉次建立支持向量机碱度 偏差估计模型时使用。
示例为验证本发明所提方法的有效性，采用某钢厂150吨转炉的实际生 产数据进行了实验。按照建立支持向量机碱度偏差估计模型步骤3的要求挑选 230组数据，前150组用作建模，后80组用作测试。在使用交叉检验方法确定
12径向基宽度参数A和正则项系数C时，使用150组建模数据中的前100组进行 建模，后50进行检验，参数的确定过程使用网格搜索法，其搜索结果如图3所 不，选择最优的一组参数为;^=0.62， C=24000。
使用建立的支持向量机碱度偏差估计模型对80组测试数据进行碱度偏差估 计，预报值与计算值之间的关系如图4所示。碱度偏差估计模型的准确建立为 石灰加入量的准确计算提供了有力保证。将碱度偏差的预报值代入公式(14)，得 到的石灰加入量与实际加入量之间的关系如图5所示。可以看出，以计算值和 实际值为坐标的数据点均匀分布在点划线的两侧，计算值与实际值之间的误差 的绝对值大部分都在0.7吨的范围内。
使用同样的数据，将本发明的方法与经验公式法和增量回归方法进行比较， 结果如表1所示。
基于支持向量机碱度偏差估计的石灰加入量模型计算值与实际值之间的均 方误差为0.2042吨，误差绝对值小于1吨的测试样本点所占的比例为％.34%， 误差绝对值小于0.7吨的测试样本点所占的比例为S9.02%。在各项指标上本文 的方法都优于己有方法，而且当误差精度由1吨提高到0.7吨时，准确率下降的 程度明显小于已有方法。
表l与传统方法的比较
均方误差 (吨)准确率(±1吨)准确率(±0.7吨)
经验公式0.424087.80%73.17%
增量回归0.349390.15%76.52%
本文方法0.204296.34%89.02%
1权利要求
1. 一种转炉炼钢石灰加入量计算方法，建立支持向量机碱度偏差估计模型，利用碱度偏差估计模型预报当前炉次输入碱度与炉渣终点碱度间的偏差，使用此偏差值补偿经验公式中的碱度参数，进而计算石灰加入量；其特征在于支持向量机碱度偏差估计模型建立的步骤如下(1)分析影响炉渣终点碱度的主要因素，包括炉渣成分、熔池温度、石灰质量以及吹氧量；(2)确定支持向量机碱度偏差估计模型的输入变量，包括铁水硅含量、铁水锰含量、铁水磷含量、铁水硫含量、白云石加入量、钢水终点温度、石灰活度以及炉次总耗氧量；(3)构建适用于建模的标准炉次库；(4)建立支持向量机碱度偏差估计模型；对当前炉次石灰加入量计算的步骤如下(1)预报当前炉次输入碱度与炉渣终点碱度的偏差值；(2)使用预报的碱度偏差值对经验公式中的碱度参数进行修正；(3)计算当前炉次石灰加入量；当前炉次吹炼结束后，如果炉渣碱度、终点碳含量和温度满足工艺要求，则将本炉次信息加入标准炉次库，为建立支持向量机碱度偏差估计模型使用。
2. 根据权利要求1所述的一种转炉炼钢石灰加入量计算方法，其特征在于 支持向量机碱度偏差估计模型建立包括.-(1) 在历史数据库中选择有终点炉渣成分化验的数据记录；(2) 选择终点碳含量和温度同时命中的数据记录；(3) 选择铁水硅含量在0.2 0.6%之间，并且炉渣终点碱度在2.8 3.5之间的 数据记录，建立标准炉次库。
3. 根据权利要求1所述的一种转炉炼钢石灰加入量计算方法，其特征在于 支持向量机碱度偏差估计模型建立包括(1)计算标准炉次库中各炉次的输入碱度&put :尺=_(Ca0lime+CaOd。lQmite)叩"(Si02"me +Si02dQl。mite +K x w[Si] x『腹+Si02scrap)其中，CaO,^为石灰带入的氧化钙量；CaOd。,。^为白云石带入的氧化钙量；Si02lime为石灰带入的二氧化硅量；Si02d。,。mite为由白云石带入的二氧化硅量； K=2.14为Si(VSi的分子质量之比；Kxw[Si]x^M为铁水中硅反应生成的二氧化硅 量；SiC^，为由废钢带入的二氧化硅量及其反应生成的二氧化硅量；(2) 计算输入碱度与炉渣终点碱度之间的偏差Ai ，作为支持向量机碱度偏差估计模型的输出其中，《，,为输入碱度；i^为目标碱度；(3) 归一化输入输出变量，并选择支持向量机的核函数和损失函数；(4) 使用交叉检验方法确定支持向量机碱度偏差估计模型的参数。
4.根据权利要求1所述的一种转炉炼钢石灰加入量计算方法，其特征在于对当前炉次石灰加入量计算的步骤1中包括(1) 在标准炉次库中搜索与本炉次铁水硅含量、铁水锰含量、铁水磷含量、 铁水硫含量、白云石加入量、石灰活度以及终点目标温度最相近的炉次，以该 炉次的总耗氧量作为当前炉次总耗氧量的参考，同时使用当前炉次钢水的工艺目标温度代替钢水终点温度，作为本炉次支持向量机碱度偏差估计模型的输入；(2) 将确定的当前炉次铁水硅含量、铁水锰含量、铁水磷含量、铁水硫含量、 白云石加入量、钢水终点温度、石灰活度以及炉次总耗氧量归一化，将归^ -化 的各输入变量值带入支持向量机碱度偏差估计模型计算；(3) 将支持向量机碱度偏差估计模型的计算结果反归一化，得到对当前炉次 碱度偏差的预报值。
全文摘要
本发明属于自动化控制技术领域，涉及转炉炼钢生产静态模型的建立，特别涉及一种转炉炼钢生产过程中石灰加入量的计算方法。在碱度偏差估计模型的建立方面，通过分析造成输入碱度与炉渣终点碱度之间偏差的原因，选择合适的变量作为碱度偏差估计模型的输入，然后利用历史数据库中的合格炉次数据建立支持向量机碱度偏差估计模型，预报当前炉次输入碱度与炉渣终点碱度间的偏差。在石灰加入量计算方面，使用碱度偏差估计模型的预报值修正经验公式中的碱度参数，并消除白云石加入量对石灰加入量的影响，最终得到石灰加入量的计算公式。本发明的效果和益处在于能够有效提高石灰加入量计算的准确性，同时保证炉渣终点碱度满足工艺要求。
文档编号C21C5/28GK101463407SQ20081022901
公开日2009年6月24日 申请日期2008年11月22日 优先权日2008年11月22日
发明者王心哲, 敏 韩 申请人:大连理工大学