专利名称：转炉炼钢终点预测方法和系统的制作方法
技术领域：
本发明涉及炼钢自动化控制领域，更具体地说，涉及一种转炉炼钢终点预测方法和系统。
背景技术：
转炉炼钢中炼钢终点控制是转炉炼钢的关键技术之一，而转炉炼钢产钢量占总产钢量的80%以上。在大中型重点钢铁企业转炉钢产量占主导地位，因此提高完善转炉炼钢的生产能力与控制水平一直受到人们的重视。转炉炼钢是十分复杂的冶金反应过程，影响因素很多。为了实现转炉冶炼过程的自动控制，国内外开发了许多检测技术，常用的方法主要有人工经验法、化学分析法、静态终点控制、副枪法、炉气分析法等。在实际生产和理论研究中发现人工经验控制炼钢终点，这和现场工人的经验及工作状态有着密切的关系，具有终点命中率低，工人劳动强度大，喷溅率高，生产稳定性差等问题；采用静态终点控制系统，其命中率仍达不到自动化炼钢需求，且控制过程不能进行在线跟踪实时修正；虽然炉气分析仪和副枪等装置较之人工经验控制和静态控制方法有更好的终点预测精度，但是由于这些设备存在着造价昂贵，维护困难，尺寸大等一些问题，日前仅在一些大型钢厂所使用；化学分析法，其测量时间远远不能满足冶炼过程控制的实时性要求，且在取样时存在喷溅的事故；因此，建立以提高转炉一次倒炉的合格率为目标的转炉终点控制模型，研究一种低成本、简单可靠、能够适应炼钢现场恶劣环境的转炉炼钢终点预测方法，是国内外炼钢领域技术人员亟待解决的难题。
发明内容
有鉴于此，本发明提供一种转炉炼钢终点预测方法和系统，以实现提高控制精度和命中率，提高转炉生产效率、产品质量的目的。为实现上述目的，本发明提供如下技术方案—种转炉炼钢终点预测方法，包括采集转炉炼钢中的当前生产参数信息及转炉炉口当前的火焰信息，所述生产参数信息包括铁水的重量、铁水的温度、碳含量、氧枪吹氧时间和吹氧量，所述炉口火焰信息包括光强特征值、火焰温度和火焰图像特征值；将所述铁水的重量、铁水的温度、碳含量、氧枪吹氧时间、吹氧量、光强特征值和火焰图像特征值作为自变量；利用所述自变量构成训练样本；创建神经网络，利用所述训练样本对创建的神经网络进行训练；利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测得到预测结果，所述转炉炼钢终点包括终点时间、碳含量和钢水温度，所述预测结果包括终点时间预测结果、碳含量预测结果和钢水温度预测结果。
5
一种转炉炼钢终点预测系统，包括采集单元和神经网络创建及训练单元，其中所述采集单元，用于采集转炉炼钢中的当前生产参数信息及当前炉口火焰信息， 所述生产参数信息包括铁水的重量、铁水的温度、碳含量、氧枪吹氧时间和吹氧量，所述炉口火焰信息包括光强特征值、火焰温度和火焰图像特征值，将所述铁水的重量、铁水的温度、碳含量、氧枪吹氧时间、吹氧量、光强特征值和火焰图像特征值作为自变量；所述神经网络创建及训练单元，创建神经网络，利用所述自变量构成的训练样本对创建的神经网络进行训练，得到训练终止后得到的神经网络；所述训练终止后得到的神经网络，用于根据所述自变量对转炉炼钢终点进行预测得到预测结果，所述转炉炼钢终点包括终点时间、碳含量和钢水温度，所述预测结果包括终点时间预测结果、碳含量预测结果和钢水温度预测结果。可见，采用本发明实施例提供的技术方案，通过实时获取转炉生产信息及转炉炉口的火焰信息，来实时预测转炉炼钢的终点。本发明实施例提供的技术方案是建立在对人脑神经网络的基本认识基础之上的，可以在线实时精确的分析炼钢终点的时间、钢水的温度和碳含量，因此可以避开过去那对炼钢过程深层规律无止境的探求，转而模拟人脑等因素来处理实际吹炼过程，以事实和数据作根据，来实现对过程的精确控制，从而提高转炉炼钢的自动化水平、生产效率，降低成本。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例提供的转炉炼钢终点预测方法流程图；图2为本发明实施例提供的转炉炼钢终点预测方法另一流程图；图3为本发明实施例提供优化流程图；图4为本发明实施例提供的转炉炼钢终点预测方法又一流程图；图5为本发明实施例提供的转炉炼钢终点预测方法又一流程图；图6为本发明实施例提供的转炉炼钢终点预测系统结构示意图。
具体实施例方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例提供了一种转炉炼钢终点预测方法，参见图1，该方法至少包括Si、采集转炉炼钢中的当前生产参数信息及转炉炉口当前的火焰信息；上述生产参数信息包括铁水的重量、铁水的温度、碳含量、氧枪吹氧时间和吹氧量，上述炉口火焰信息包括光强特征值、火焰温度和火焰图像特征值；需要注意的是
铁水的温度是厂方提供的；光强特征值在转炉炼钢过程中，炉内主要进行脱碳反应，通过碳和氧枪提供的氧反应，生成CO和C02，碳含量经过反应是逐渐减小的，而生成的CO与氧气在转炉炉口燃烧， 火焰光强值随着碳含量的变化是不同的，故光强特征值表征了火焰光强的变化；火焰温度的单位为摄氏度；火焰图像特征值是指，通过火焰图像采集设备采集转炉炉口的火焰，将其转换为数字信号，经实验发现炉口火焰中黄色像素、红色像素等与转炉终点存在紧密的关联，故图像特征值至少表征了火焰中黄色像素和红色像素的变化。S2、将上述铁水的重量、铁水的温度、碳含量、氧枪吹氧时间、吹氧量、光强特征值和火焰图像特征值作为自变量；S3、利用上述自变量构成训练样本；S4、创建神经网络，利用上述训练样本对创建的神经网络进行训练；S5、利用训练终止后得到的神经网络，根据上述自变量对转炉炼钢终点进行预测得到预测结果，上述转炉炼钢终点包括终点时间、碳含量和钢水温度，上述预测结果包括终点时间预测结果、碳含量预测结果和钢水温度预测结果。在具体实施时，上述步骤Sl中对火焰温度的采集可通过如下方式根据普朗克辐射传热的论点物体在每个温度下都有一个最大辐射强度的波长， 而且随着温度的升高，最大辐射强度的波长变短，物体的颜色由红变白。所以火焰的颜色可以反映火焰的温度高低。转炉炉口喷射出来的火焰温度是由两部分混合组成的。一部分是从钢水中逸出的 CO气体所具有的温度，此温度实际反映了钢水温度。另一部分是CO气体在炉口与氧进行完全燃烧后放出的化学热，使火焰温度升高。在高频低温的情况下，普朗克黑体辐射定理可以由维恩定理近似，黑体的辐射功率为
C2ΜΒλ - C1X-5^rr⑴其中C1 = 3. 7418X10-16W · m2，为第一辐射常数，C2 = 1. 4388X 10-2 · m 为第二
辐射常数。在某特定波长下，单色辐照度为Ελ(Τ) =〔 &4〔Τ)(2)其中ε λ为单色发射率。黑体在不同波长下单色发射率都相同，如果在波长λ工和入2下测得同一点的辐射强度，则根据辐射强度之比可以求出物体温度
_5] 丁 = in CEAi+Bin (A1A2)⑶通过CXD可采集到火焰图像的彩色图片，按照红色(R)绿色(G)和蓝色(B)三个颜色通道存贮。单个颜色通道采集值正比例于单色副照度，有R - KrEak(T)G - KgEaq(T)
权利要求
1.一种转炉炼钢终点预测方法，其特征在于，包括采集转炉炼钢中的当前生产参数信息及转炉炉口当前的火焰信息，所述生产参数信息包括铁水的重量、铁水的温度、碳含量、氧枪吹氧时间和吹氧量，所述炉口火焰信息包括光强特征值、火焰温度和火焰图像特征值；将所述铁水的重量、铁水的温度、碳含量、氧枪吹氧时间、吹氧量、光强特征值和火焰图像特征值作为自变量；利用所述自变量构成训练样本；创建神经网络，利用所述训练样本对创建的神经网络进行训练； 利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测得到预测结果，所述转炉炼钢终点包括终点时间、碳含量和钢水温度，所述预测结果包括终点时间预测结果、碳含量预测结果和钢水温度预测结果。
2.根据权利要求1所述的方法，其特征在于，所述利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测，得到预测结果的具体实施方式
包括利用所述训练终止后得到的神经网络对所有的所述自变量进行筛选，筛选出对所述预测结果的影响程度达到预设标准的自变量；所述训练终止后得到的神经网络将筛选出的、将对所述预测结果的影响程度达到预设标准的自变量作为输入参数，预测出预测结果；所述对所述预测结果的影响程度达到预设标准的自变量包括对所述终点时间预测结果的影响程度达到预设标准的自变量，对所述碳含量预测结果的影响程度达到预设标准的自变量，以及对所述钢水温度预测结果的影响程度达到预设标准的自变量。
3.根据权利要求2所述的方法，其特征在于，所述对所有的所述自变量进行筛选，筛选出对所述预测结果的影响程度达到预设标准的自变量的具体实施方式
包括对所述训练样本中的每一自变量进行MIV值计算；根据MIV值的绝对值的大小对自变量进行排序，选取绝对值达到预设标准的自变量作为对所述预测结果的影响程度达到预设标准的自变量； 所述MIV值计算包括将待计算MIV值的自变量对应的原值S分别加/减S，构成新的训练样本Pl和P2 ； 将Pl和P2分别作为仿真样本利用所述训练终止后得到的神经网络进行仿真预测，得到两个仿真预测结果Al和A2 ；求出Al和A2的差值，作为变动自变量后对输出产生的影响变化值IV ； 将IV按观测例数平均得出待计算MIV值的自变量对应的MIV值。
4.根据权利要求3所述的方法，其特征在于 所述神经网络为BP神经网络；所述创建神经网络，利用所述训练样本对创建的神经网络进行训练，得到训练终止后得到的神经网络的具体实施方式
包括确定BP神经网络的拓扑结构，所述拓扑结构包括一个输入层，一个输出层，以及至少一个隐含层；初始所述BP神经网络的权值及阈值的长度；利用所述训练样本对所述BP神经网络的初始权值及初始阈值进行优化；利用所述训练样本对经优化的BP神经网络进行训练，在经训练的BP神经网络输出的预测结果达到预设要求或达到预先设定的训练次数时，训练终止。
5.根据权利要求4所述的方法，其特征在于，所述利用所述训练样本对所述BP神经网络的初始权值及初始阈值进行优化的具体实施方式
为利用所述训练样本和遗传算法对所述BP神经网络的初始权值及初始阈值进行优化。
6.根据权利要求5所述的方法，其特征在于，所述利用所述训练样本和遗传算法对所述BP神经网络的初始权值及初始阈值进行优化具体包括A、设定种群的种群规模、迭代次数、遗传策略，所述遗传策略包括选择操作、交叉操作、 变异操作、交叉概率和变异概率，种群中的每一个个体都包含了所述BP神经网络的所有权值和阈值；B、对所述种群进行初始化，使种群中的每个个体都具有相应的赋值；C、对种群进行适应度计算，得到种群中每一个体的个体适应度值，所述个体适应度值用于表征个体的适应度；D、利用所述遗传策略对步骤C中的种群进行遗传，形成下一代种群；E、判断所述下一代群体的性能是否满足预设指标和/或已完成所述设定的迭代次数， 如果否，则返回步骤C，否则，进入步骤F ；F 将步骤D中形成的所述下一代种群中的最优个体对所述BP神经网络的初始权值及初始阈值进行赋值，完成对所述BP神经网络的初始权值及初始阈值的优化。
7.根据权利要求6所述的方法，其特征在于，所述步骤D的具体实施方式
包括从步骤C中的种群中选择适应度好的个体组成新种群；对所述新种群进行交叉操作和变异操作，形成下一代种群；所述交叉操作的具体实现方式包括选择两个个体作为两个父代个体，对所述两个父代个体按所述交叉概率进行交叉得到两个新个体，用所述两个新个体取代所述两个父代个体；所述变异操作的具体实现方式包括随机选择一个个体，按所述变异概率变异得到新个体，用所述新个体取代所述随机选择的个体。
8.根据权利要求7所述方法，其特征在于，还包括根据所述预测结果对所述氧枪进行控制。
9.根据权利要求8所述的方法，其特征在于，所述BP神经网络包括用于终点时间预测的BP神经子网络、用于碳含量预测的BP神经子网络，以及用于钢水温度预测的BP神经子网络。
10.一种转炉炼钢终点预测系统，其特征在于，包括采集单元和神经网络创建及训练单元，其中所述采集单元，用于采集转炉炼钢中的当前生产参数信息及当前炉口火焰信息，所述生产参数信息包括铁水的重量、铁水的温度、碳含量、氧枪吹氧时间和吹氧量，所述炉口火焰信息包括光强特征值、火焰温度和火焰图像特征值，将所述铁水的重量、铁水的温度、碳含量、氧枪吹氧时间、吹氧量、光强特征值和火焰图像特征值作为自变量；所述神经网络创建及训练单元，创建神经网络，利用所述自变量构成的训练样本对创建的神经网络进行训练，得到训练终止后得到的神经网络；所述训练终止后得到的神经网络，用于根据所述自变量对转炉炼钢终点进行预测得到预测结果，所述转炉炼钢终点包括终点时间、碳含量和钢水温度，所述预测结果包括终点时间预测结果、碳含量预测结果和钢水温度预测结果。
全文摘要
本发明实施例公开了转炉炼钢终点预测方法和系统，其方法包括采集转炉炼钢中的当前生产参数信息及转炉炉口当前的火焰信息作为自变量；创建神经网络，利用所述自变量构成的训练样本对创建的神经网络进行训练；利用训练终止后得到的神经网络，根据所述自变量对转炉炼钢终点进行预测得到终点时间预测结果、碳含量预测结果和钢水温度预测结果。可见，采用本发明实施例提供的技术方案，通过实时获取转炉生产信息及转炉炉口的火焰信息，可以在线实时精确的分析炼钢终点的时间、钢水的温度和碳含量，来实现对过程的精确控制，从而提高转炉炼钢的自动化水平、生产效率，降低成本。
文档编号C21C5/46GK102392095SQ201110324038
公开日2012年3月28日 申请日期2011年10月21日 优先权日2011年10月21日
发明者何涛焘, 刘 东, 文华北, 田陆 申请人:湖南镭目科技有限公司