息； 步骤I. 1. 2 :在主原料入炉前，记录入炉的主原料重量以及不同时刻投入炉内的副原 料加入量； 主原料包括铁水和废钢； 副原料包括块状石灰石、轻烧白云石、菱镁球、si shen块矿、块白云石、镍板和复合碳化 硅球； 步骤I. 1. 3 :获取各时刻炉内状态下测得的顶吹氧枪高度、熔池高度、顶吹氧气流量以 及底吹气体流量、烟气总流量、烟气中一氧化碳含量、烟气中二氧化碳含量； 底吹气体流量包括底吹氮气流量和底吹氩气流量； 步骤I. 1. 4 :将步骤I. 1. 1~步骤I. 1. 3所获得的数据作为历史数据集合，包括：在铁水 入炉到钢水出炉整个吹炼过程期间各个时刻的钢水温度、钢水碳元素含量、钢水硅元素含 量、钢水猛元素含量、钢水硫元素含量、钢水磷元素含量、顶吹氧气流量、顶吹氧枪高度、恪 池高度、底吹气体流量、副原料加入的重量、烟气总流量、烟气中一氧化碳含量、烟气中二氧 化碳含量、入炉铁水重量和入炉废钢重量； 步骤I. 1. 5 :从历史数据集合中选取不同钢种的入炉铁水重量、入炉废钢重量、入炉时 的钢水温度、入炉时的碳元素含量、入炉时的硅元素含量、入炉时的锰元素含量、入炉时的 硫元素含量、入炉时的磷元素含量信息，以及出炉时的钢水温度和出炉时的碳元素含量、出 炉时的娃元素含量、出炉时的猛元素含量、出炉时的硫元素含量、出炉时的磷元素含量信息 作为不同钢种的参考炉次数据集合； 步骤1. 2 :分别以钢水温度以及碳元素含量、硅元素含量、锰元素含量、硫元素含量、磷 元素含量为预测目标，对铁水入炉到钢水出炉整个吹炼过程的各炉次数据进行分类； 步骤1. 2. 1 :将历史数据集合按照不同钢种需求进行预划分； 步骤1. 2. 2 :对历史数据集合中的相同钢种的炉次分别以钢水温度以及碳元素含量、 娃元素含量、猛元素含量、硫元素含量、磷元素含量为预测目标进行聚类，其中钢水温度以 初始钢水入炉温度、钢水出钢温度以及入炉前的炉内温度、主原料重量作为划分条件分别 进行聚类；碳元素含量、娃元素含量、猛元素含量、硫元素含量、磷元素含量均以入炉前的元 素含量、元素出钢含量、入炉铁水重量、入炉废钢重量、副原料投入量作为划分条件分别进 行聚类，得到分类炉次数据集合； 步骤1. 2. 3 :根据钢种的不同对参考炉次数据集合进行预划分，建立属于各自钢种的 参考炉次数据集合； 步骤2 :将钢水温度和碳元素含量分别划分为若干阶段范围，以步骤1. 2. 2中的分类炉 次数据集合作为各转炉炼钢质量实时动态预测模型的输入，以钢水温度和碳元素含量、硅 元素含量、锰元素含量、硫元素含量、磷元素含量作为各转炉炼钢质量实时动态预测模型的 输出；采用最小二乘支持向量机方法分别对不同阶段范围的钢水温度、不同阶段范围的碳 元素含量对应的碳元素含量、娃元素含量、猛元素含量、硫元素含量、磷元素含量建立转炉 炼钢质量实时动态预测模型； 步骤3 :根据转炉炼钢质量实时动态预测模型进行转炉炼钢质量实时动态预测； 步骤3. 1 :采集当前炼钢过程中的钢水温度以及碳元素含量、硅元素含量、锰元素含 量、硫元素含量、磷元素含量、入炉主原料加入量、副原料投入量、顶吹氧气流量、烟气流量、 烟气中一氧化碳含量、烟气中二氧化碳含量、顶吹氧枪高度、底吹气体流量作为输入信息， 选取采集的钢水温度及碳元素含量所属阶段范围对应的转炉炼钢质量实时动态预测模型 进行预测，将输入信息带入到相应的各转炉炼钢质量实时动态预测模型并输出预测值，并 将当前输出的预测值作为下一次转炉炼钢质量实时动态预测模型的输入值； 步骤3. 2 :从当前钢种的参考炉次数据集合中选取与当前炉况相近的参考炉次数据， 通过插值方法建立参考曲线，将各预测值与对应参考曲线上相应时刻数据进行对比，若误 差超过允许值时，则对转炉炼钢质量实时动态预测模型进行误差校正，使误差在允许范围 之内；若误差在允许范围内，则进行转炉炼钢过程动态操作优化，即以当前预测的钢水温度 以及碳元素含量、娃元素含量、猛元素含量、硫元素含量、磷元素含量与各自参考曲线的偏 差最小化为目标，确定转炉炼钢过程动态操作优化结果，即当前时刻到下一时刻的顶吹氧 气流量、底吹气体流量、顶吹氧枪高度、各副原料投入量以及投料开关装置状态； 步骤3. 3 :将当前时刻到下一时刻的顶吹氧气流量、底吹气体流量、顶吹氧枪高度、各 副原料投入量以及投料开关装置状态下发到转炉的各控制器中，对其进行控制； 步骤3. 4 :在吹炼后期下副枪取样得到当前时刻钢水温度与钢水中碳元素含量、硅元 素含量、猛元素含量、硫元素含量、磷元素含量； 步骤4 :对钢水出钢成分含量进行检验； 步骤4. 1 :若吹炼后期下副枪取样得到的钢水中碳元素含量、硅元素含量、锰元素含 量、硫元素含量、磷元素含量满足出钢条件，则钢水出钢，执行步骤5 ;否则执行步骤4. 2 ; 步骤4. 2 :判断吹炼后期下副枪时的各转炉炼钢质量实时动态预测模型输出的碳元素 含量、硅元素含量、锰元素含量、硫元素含量、磷元素含量预测值与取样值误差是否在偏差 范围以内：是，则在下一次预测的时候继续用当前的转炉炼钢质量实时动态预测模型，返回 步骤3,继续进行转炉炼钢质量实时动态预测，否则对转炉炼钢质量实时动态预测模型进行 校正，然后返回步骤3,继续进行转炉炼钢质量实时动态预测； 步骤5 :定期对历史数据集合更新。
2.根据权利要求1所述的基于数据解析的转炉炼钢质量实时动态预测方法，其特征在 于，步骤4. 2中所述的对转炉炼钢质量实时动态预测模型进行校正，具体是将吹炼后期下 副枪时与各转炉炼钢质量实时动态预测模型输出的碳元素含量、娃元素含量、猛元素含量、 硫元素含量、磷元素含量预测值的误差超出偏差范围的取样值加入到历史数据集合中，重 新建立转炉炼钢质量离线预测模型数据库，并建立转炉炼钢质量实时动态预测模型，完成 转炉炼钢质量实时动态预测模型校正。
【专利摘要】本发明提供一种基于数据解析的转炉炼钢质量实时动态预测方法，包括：建立转炉炼钢质量离线预测模型数据库；将钢水温度和碳元素含量分别划分为若干阶段范围，建立转炉炼钢质量实时动态预测模型；根据转炉炼钢质量实时动态预测模型进行转炉炼钢质量实时动态预测；对钢水出钢成分含量进行检验；定期对历史数据集合更新。本发明在保证满足转炉炼钢工艺要求的前提下，对转炉炼钢过程中的钢水温度和钢水质量进行实时动态预测，可以实时对炉内的状况进行跟踪，克服了现场延时滞后的缺陷，提高了各成分含量的检测精度，降低了生产成本，同时也降低了设备的需求成本，为操作人员的控制提供了有价值的参考信息。
【IPC分类】C21C5-28
【公开号】CN104630410
【申请号】CN201510070463
【发明人】唐立新, 刘畅
【申请人】东北大学
【公开日】2015年5月20日
【申请日】2015年2月10日