钢水“脱氧合金化”合金配料优化方案
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ 5） 选择适当的权重能很好的区分主影响因素，这样每一个都 对应一个综合的影响权重，记为 S1，S2……Sn。如果这些值是分 散的，那就意味着它们有很好的差别，接下来是它的统计定义。 通过样本观测，设 X1，X2……Xp 表示以 x1，x2……xp 为随机变量， 找到 c1，c2…..cp，如方程（6）所示。
（ 6） 方差反映了数据差异的程度，表明 p 变量的最大变异被掌 控。在此我们还需要求解样本均值 ：
（ 2） 然后根据收得率 Q 定义式，等值于 ，可以求得收得率数值。 其中 Y 代表加入元素的重量。
(1)Y（碳）包括石油焦增碳剂和碳化硅含量。
M 管理及其他 anagement and other 钢水“脱氧合金化”合金配料优化方案
刘天缘，梁钰滢
（南京林业大学，江苏 南京 210037）
摘 要 ：本文根据钢厂样本数据，列出钢水吸收元素收得率计算方程得出 C 元素历史收得率。进而通过 PCA 算法，基于收得率
结果和样本数据，运用 MATLAB 编程，得出影响 C 元素收得率的 4 大因素，并进行了定量分析。基于预测结果及样本数据，为尽
收稿日期 ：2020-04 作者简介 ：刘天缘，男，生于 1996 年，汉族，河南郑州人，本科，研究方向 ：材 料工程、复杂网络建模及数据分析。
（ 9） 利用 MATLAB 对其做标准化处理，创建出初始矩阵。利用 PCA 主成分分析函数，得出核心影响因素有四个。得出主要影 响碳（C）历史收得率的四大因素为 ：转炉终点温度 ；钢水净重 ； 石油焦增碳剂加入量 ；碳化硅（55%）加入量。 （2）碳元素历史收得率影响因素的分析。利用主成分分析法 分析得出了 C 元素历史收得率的主要影响因素 ：钢水净重，石 油焦增碳剂加入量，转炉终点温度，碳化硅 (55%) 加入量。基于 钢厂真实数据样本，运用 MATLAB 编程作出合金收得率与影响
1 基本假设 ①钢炉中钢液混合充分。②合金料称量系统准确。③钢水成
分检验系统准确。④同种钢种精炼渣成分变化范围不大。⑤脱氧 合金化处理过程中空气不会对钢液产生二次氧化，即钢液不在大 气中吸氮和氧。⑥合金、脱氧剂有充分的时间与钢液充分混合。
2 元素收得率 2.1 对 C 元素历史收得率的求解
C、Mn、S、P、Si 五种元素会对钢水脱氧合金化的质量造成 影响。本文以 C 元素为例，基于企业样本数据求解及影响收得率 的主要因素，其余元素原理等同。
样本方差 ： 样本 X 和 Y 的协方差 ：
（ 7） （ 8）
（ 3） 方程（3）中 和 分别表示石油焦增碳剂和碳化硅的质 量， 表示 C 元素在石油焦增碳剂中的占比， 表示 C 元素在 碳化硅中的占比。
（a）将钢水净重控制在 7.2-7.5kg/ 炉次范围时才可把控 C 元素 历史收得率。（b）焦增碳剂加入量在 50，64，83 单位附近区间范围 内，可对碳元素的历史收得率进行把控，最大达到 100%，大部分处 于 0.7-0.99 之间。（c）当转炉终点温度在 1650-1750 摄氏度时才可把 控碳元素的历史收得率。（d）碳化硅 (55%) 加入量在处于 85 和 136 单位区间范围内，才能相应把控碳元素历史收得率。说明碳化硅含 量对碳的历史收得率变化敏感，该影响因素需要严格精准控制。
模型的改进和推广进行分析。
关键词 ：脱氧合金化 ；PCA 算法 ；BP 神经网络 ；单纯形法
中图分类号 ：TF704.2
文件标识码 ：A
文章编号 ：11-5004（2020）08-0246-2
随着工业的发展和现代科技的进步，对钢材的质量以及钢 铁工业智能化生产提出了更高的要求。“脱氧合金化”是钢铁生 产的重要控制环节之一，因此，合理控制合金元素吸收率，是降 低生产成本和劳动强度、保证产品质量的有效手段 [1]。基于此， 开发脱氧合金化模型尤为重要。
可能使投料成本最小，使决策变量为合金配料的投入量，以合金成本为目标函数，根据对钢水目标成，运用改进式单纯形法，建立合金加料成本优化模型。计算合金加入量时调用收得率数据。对三炉钢种
进行了最优计算，得出成本分别为 11212 元，11047 元和 11674 元。根据研究结果，对模型和算法的优缺点给出了客观评价，且对
此处设定被钢水吸收的合金元素的重量与加入该元素重量之
比，即为合金收得率。通过钢企样本数据，设连铸正样为 ，铁 水质量为 G，构建连铸正样方程式 1，可求得吸收元素的重量 x。
转换得出方程（2）：
（ 1）
因元素收得率的定义为元素吸收重量与元素加入重量之比， 联立得方程（4）：
（ 4） 导入样本数据，依据上述收得率计算方程，求解计算分别求 得碳（C）历史收得率样本数据。 2.2 PCA 算法分析影响收得率的主要因素 （1）基本思想和方法。PCA 算法可以通过正交变换，从而将 不同维度间可能存在线性相关关系的数据转化使得各维度之间 线性无关 [2]。利用 PCA 可尽量消除合金成分之间造成的相关影 响。用 x1，x2，x3…..xp 代表 p 个影响因素，c1，c2，c3 表示各个影响 因素的权重，那么加权之和如方程（5）所示。
246
M 管理及其他 anagement and other
因素关系图如图 1 所示。
（a）钢水净重 -C 收得率 （ b）焦增碳剂加入量 - C 收得率
（c）转炉终点温度 -C 收得率 （ d）碳化硅 (55%) 加入量 - C 收得率 图 1 元素碳历史收得率 - 影响因素散点图
（ 6） 方差反映了数据差异的程度，表明 p 变量的最大变异被掌 控。在此我们还需要求解样本均值 ：
（ 2） 然后根据收得率 Q 定义式，等值于 ，可以求得收得率数值。 其中 Y 代表加入元素的重量。
(1)Y（碳）包括石油焦增碳剂和碳化硅含量。
M 管理及其他 anagement and other 钢水“脱氧合金化”合金配料优化方案
刘天缘，梁钰滢
（南京林业大学，江苏 南京 210037）
摘 要 ：本文根据钢厂样本数据，列出钢水吸收元素收得率计算方程得出 C 元素历史收得率。进而通过 PCA 算法，基于收得率
结果和样本数据，运用 MATLAB 编程，得出影响 C 元素收得率的 4 大因素，并进行了定量分析。基于预测结果及样本数据，为尽
收稿日期 ：2020-04 作者简介 ：刘天缘，男，生于 1996 年，汉族，河南郑州人，本科，研究方向 ：材 料工程、复杂网络建模及数据分析。
（ 9） 利用 MATLAB 对其做标准化处理，创建出初始矩阵。利用 PCA 主成分分析函数，得出核心影响因素有四个。得出主要影 响碳（C）历史收得率的四大因素为 ：转炉终点温度 ；钢水净重 ； 石油焦增碳剂加入量 ；碳化硅（55%）加入量。 （2）碳元素历史收得率影响因素的分析。利用主成分分析法 分析得出了 C 元素历史收得率的主要影响因素 ：钢水净重，石 油焦增碳剂加入量，转炉终点温度，碳化硅 (55%) 加入量。基于 钢厂真实数据样本，运用 MATLAB 编程作出合金收得率与影响
1 基本假设 ①钢炉中钢液混合充分。②合金料称量系统准确。③钢水成
分检验系统准确。④同种钢种精炼渣成分变化范围不大。⑤脱氧 合金化处理过程中空气不会对钢液产生二次氧化，即钢液不在大 气中吸氮和氧。⑥合金、脱氧剂有充分的时间与钢液充分混合。
2 元素收得率 2.1 对 C 元素历史收得率的求解
C、Mn、S、P、Si 五种元素会对钢水脱氧合金化的质量造成 影响。本文以 C 元素为例，基于企业样本数据求解及影响收得率 的主要因素，其余元素原理等同。
样本方差 ： 样本 X 和 Y 的协方差 ：
（ 7） （ 8）
（ 3） 方程（3）中 和 分别表示石油焦增碳剂和碳化硅的质 量， 表示 C 元素在石油焦增碳剂中的占比， 表示 C 元素在 碳化硅中的占比。
（a）将钢水净重控制在 7.2-7.5kg/ 炉次范围时才可把控 C 元素 历史收得率。（b）焦增碳剂加入量在 50，64，83 单位附近区间范围 内，可对碳元素的历史收得率进行把控，最大达到 100%，大部分处 于 0.7-0.99 之间。（c）当转炉终点温度在 1650-1750 摄氏度时才可把 控碳元素的历史收得率。（d）碳化硅 (55%) 加入量在处于 85 和 136 单位区间范围内，才能相应把控碳元素历史收得率。说明碳化硅含 量对碳的历史收得率变化敏感，该影响因素需要严格精准控制。
模型的改进和推广进行分析。
关键词 ：脱氧合金化 ；PCA 算法 ；BP 神经网络 ；单纯形法
中图分类号 ：TF704.2
文件标识码 ：A
文章编号 ：11-5004（2020）08-0246-2
随着工业的发展和现代科技的进步，对钢材的质量以及钢 铁工业智能化生产提出了更高的要求。“脱氧合金化”是钢铁生 产的重要控制环节之一，因此，合理控制合金元素吸收率，是降 低生产成本和劳动强度、保证产品质量的有效手段 [1]。基于此， 开发脱氧合金化模型尤为重要。
可能使投料成本最小，使决策变量为合金配料的投入量，以合金成本为目标函数，根据对钢水目标成，运用改进式单纯形法，建立合金加料成本优化模型。计算合金加入量时调用收得率数据。对三炉钢种
进行了最优计算，得出成本分别为 11212 元，11047 元和 11674 元。根据研究结果，对模型和算法的优缺点给出了客观评价，且对
此处设定被钢水吸收的合金元素的重量与加入该元素重量之
比，即为合金收得率。通过钢企样本数据，设连铸正样为 ，铁 水质量为 G，构建连铸正样方程式 1，可求得吸收元素的重量 x。
转换得出方程（2）：
（ 1）
因元素收得率的定义为元素吸收重量与元素加入重量之比， 联立得方程（4）：
（ 4） 导入样本数据，依据上述收得率计算方程，求解计算分别求 得碳（C）历史收得率样本数据。 2.2 PCA 算法分析影响收得率的主要因素 （1）基本思想和方法。PCA 算法可以通过正交变换，从而将 不同维度间可能存在线性相关关系的数据转化使得各维度之间 线性无关 [2]。利用 PCA 可尽量消除合金成分之间造成的相关影 响。用 x1，x2，x3…..xp 代表 p 个影响因素，c1，c2，c3 表示各个影响 因素的权重，那么加权之和如方程（5）所示。
246
M 管理及其他 anagement and other
因素关系图如图 1 所示。
（a）钢水净重 -C 收得率 （ b）焦增碳剂加入量 - C 收得率
（c）转炉终点温度 -C 收得率 （ d）碳化硅 (55%) 加入量 - C 收得率 图 1 元素碳历史收得率 - 影响因素散点图