基于DRA-PSO优化的钢水脱氧合金化深度探究
钢水“脱氧合金化”配料方案的优化研究
智者论道
智库时代
钢水“脱氧合金化”配料方案的优化研究
王梦娇
（山东科技大Βιβλιοθήκη ，山东青岛 266590）摘要：炼钢过程中的脱氧合金化是钢铁冶炼的重要工艺环节，随着钢铁行业中高附加值钢种产量的不断提高，在保证钢水质量的同时最大
限度地降低合金钢的生产成本已经成为各大钢铁企业提高竞争力所要解决的重要问题。基于此，本文对钢铁冶炼中的脱氧合金化环节进行
（三）基于单纯形法的合金加料模型 单纯形法主要包括决策变量、目标函数 和约束条件。合金单价及合金中元素的含有 量由附件所给数据可得；钢水中各元素的初 始含有值；各元素的内控区间上、下限及钢 水重量由附件中所给数据可得；求解得到的 元素收得率预测模型计算各元素收得率。 由于添加合金前钢水净重以及转炉终 点钢水中第 j 种元素含量视为恒定量，我 们以炉号 7A06878（添加合金前钢水净重（ kg ）74400，转炉终点钢水中 C、Mn、S、P、 Si 元素含量（重量百分比）分别为 0.00065、 0.0011、0.0003、0.00014、0.004）为实例 讲解模型。在脱氧合金化过程中，为使合金 元素的含量达到目标要求，需要添加钢水中 含量不足的元素。在确定加料方案时，可以 在附件提供的合金种类中进行选择，经过观 察和分析，通过以下几点准则对合金进行筛 选：由于钢水脱氧合金化主要关注 C、Mn、S、 P、Si 五种基本元素的含量，为了简化问题， 在此只考虑以上五种基本元素。因此我们将 这五种基本元素含量等于 0 的合金配料（包 括 [ 氮化钒铁 FeV55N11-A]、[ 钒氮合金 ( 进 口 )]）不纳入考虑。 [ 钒铁 (FeV50-A)] 与 [ 钒铁 (FeV50-B)] 五种基本元素含量相同且价格相等，于是根 据相关资料和附件中加入合金料的重量等相 关数据，对其进行同一化处理来简化
基于钢水“脱氧合金率”配料的优化方案
基于钢水“脱氧合金率”配料的优化方案作者：郝百川王悦申亚芳来源：《经营者》2019年第09期摘要随着高附加值钢的需求日益增加，其对合金料中含量及种类都有特定的要求。
本文建立了基于层次分析法的评价指标体系结构，采用遗传算法，以钢水质量及投入合金料的配比为约束条件，钢水脱氧合金化后合金收得率及合金化成本问题进行了分析。
关键词合金收得率相关性分析层次分析法遗传算法一、引言随着现代炼钢工艺的进步，对钢材性能及质量的要求越来越高。
目前，只有国内部分钢铁企业引进脱氧合金化模型，实现在线预测加入合金料的含量。
然而，其他炼钢工厂则采用某种合金元素的固定收得率或经验值添加相应的合金料，易造成合金元素含量有误或成本过高。
因此，我们急需优化钢水合金料配比，降低经济损失。
二、利用遗传算法优化钢水脱氧合金化成本（一）约束条件有关钢水的脱氧化合金方面因素，需要考虑钢水的质量以及消费总成本两方面的约束，在钢水脱氧合金化的前提下，需保证钢水质量，且后期需要对合金进行脱碳处理，含碳元素的合金料不宜加入过多，否则会为后期脱碳制造麻烦；对于消费总成本，在保证脱氧合金化的同时，不可使所需添加有关的合金料成本过高，应在合理的脱氧合金化条件下，找出优良的成本，从而确定最优合金配料方案。
[1]（二）目标函数的确定钢水脱氧合金化的成本优化问题是一个复杂的非线性问题，设计因素较多。
在钢铁的冶炼过程中，通过脱氧及合金化等手段将装入的合金原料冶炼成合格的钢水，在满足成品钢冶炼要求的情况下，不断调整合金料的含量与种类。
炼钢原料的成本优化包括两方面的内涵，首先必须达到钢铁冶炼的标准，其次是合金料的成本与优化，追求的理念就是单位体积的钢水的成本达到最优。
即在得到相同数量及质量的钢水时，合金料的有效成本最低。
[2]所需的遗传算法中遗传操作是选择个体进行遗传操作，相同等级值选择拥挤大的个体，不同等级值的个体间，选择等级高的个体。
选择这些符合条件的父代个体进行交叉，变异操作，产生过渡子代。
炼钢转炉冶炼低碳钢脱氧合金化工艺优化
炼钢转炉冶炼低碳钢脱氧合金化工艺优化为了优化炼钢转炉冶炼低碳钢脱氧合金化工艺，我们可以采取以下措施：1.合理选择原料：低碳钢脱氧合金化过程需要添加脱氧剂和合金化元素。
在选择原料时，应选择高质量的脱氧剂和合金化元素，以确保产品的质量和性能。
2.减少残留氧含量：残留氧会影响低碳钢的塑性和韧性，因此需要采取措施尽可能减少残留氧的含量。
可以通过增加氧喷吹或氧化剂配比的方式，在冶炼过程中增加氧化反应，将氧与废气中的碳氧化为CO2并排出，从而减少残留氧含量。
3.优化加料方式：合理的加料方式可以提高转炉的冶炼效果。
一种常用的方法是采用分次加料的方式进行冶炼，首先加入适量的废钢，然后加入适量的生铁，在最后阶段再加入合适的脱氧剂和合金化元素。
这种加料方式可以保证合金元素的充分吸收和混合，提高低碳钢的性能。
4.控制炉温和氧化程度：在冶炼过程中，需要控制炉温和氧化程度，以确保合金元素发生合适的反应。
炉温过高会使合金元素的氧化程度过高，导致合金元素的损失量增加，同时还会降低钢液的稳定性。
因此，需要通过合理的调整转炉操作参数，控制炉温和氧化程度。
5.增加合金化元素的投入量：为了提高低碳钢的性能，可以适量增加合金化元素的投入量。
合金化元素可以增加钢的强度、硬度和耐磨性等性能。
但是需要注意的是，过量的合金化元素会导致硬度过高，使钢的塑性和冷加工性能降低，因此需要控制好合金化元素的投入量。
6.优化炉底材料和炉壁保护：炼钢转炉的炉底材料和炉壁保护对冶炼过程的稳定性和寿命有影响。
合理选择炉底材料和采取有效的炉壁保护措施，可以减少炉体的磨损和腐蚀，提高转炉的使用寿命，从而优化工艺效果。
通过以上措施的采取，可以有效地优化炼钢转炉冶炼低碳钢脱氧合金化工艺，提高产品质量和性能，降低生产成本，提高经济效益。
钢水“脱氧合金化”配料优化方案
钢水“脱氧合金化”配料优化方案作者：高峥洲朱永晨陈心怡陶昉昀来源：《科技风》2020年第30期摘要：脱氧合金化是钢铁冶炼中的重要工艺环节，而元素的收得率是衡量脱氧合金化方案优劣的重要指标之一。
本文首先通过建立BP神经网络模型来预测元素的收得率，并以满足国家标准为条件，建立了成本最低的线性规划模型，通过MATLAB求解出结果，并给出了关于钢水脱氧合金化的几点建议。
关键词：脱氧合金化;BP神经网络;线性规划模型;MATLAB一、绪论（一）问题背景在钢铁冶炼过程中，脱氧合金化是不可或缺的，对于不同的钢种以及实际需求，炼钢厂需要添加不同配料的脱氧合金剂，最终使得成品钢能满足炼钢厂的实际需求。
而作为判断脱氧合金剂优劣标准的重要指标——元素的收得率，由于需要在配料前就知道该配料方案的元素收得率，因此如何通过以往的元素收得率数据建立数学模型，预测元素收得率，并给出合适的脱氧合金剂的配料方案，且能使成本尽可能低，已经成为各大钢铁企业亟待解决的重要问题。
（二）问题分析我们认为元素收得率低的主要原因是元素被钢液中的氧化物氧化了，因此想到可以通过分析合金氧化程度对元素收得率的影响来预测元素的收得率，而影响合金氧化程度的因素有很多，通过冶金过程中的热力学与动力学反应条件可以确定，在合金化过程中，影响合金氧化程度的最重要的因素为：钢液氧活度、钢渣中初始不稳定氧化物活度、吹氩搅拌强度、钢液质量、钢渣碱度及钢液温度[1]。
基于此，我们以某炼钢厂的合金配料为例对上述因素进行显著性分析，得出影响Mn元素收得率的主要因素为钢液质量、钢液氧活度和钢渣中初始不稳定氧化物活度。
二、BP神经网络模型（一）BP神经网络介绍BP神经网络是一种应用于模式识别和分类预测评价的人工神经网络。
一般的神经网络结构可能由多个层所构成，本文采用由输入层、隐含层、输出层构成的3层拓扑结构的神经网络[2]。
（二）BP算法推导过程根据BP神经网络的模型，我们假设输入n个训练样本：三、神经网络建模和求解（一）模型建立1.输入输出层的设计神经网络一般以每组数据的决定影响因素的可测变量作为输入层，在本文中，我们的神经网络的输入层为通过显著性分析得到的钢液质量、钢液氧活度和钢渣中初始不稳定氧化物活度这三个因素的可测变量，以Mn元素的收得率作为输出层，因此可以得到输入层和输出层的节点数分别为3和1。
一种利于改善浇注的钢水复合脱氧的方法[发明专利]
![一种利于改善浇注的钢水复合脱氧的方法[发明专利]](https://img.taocdn.com/s3/m/496fa7f5a21614791611283d.png)
专利名称：一种利于改善浇注的钢水复合脱氧的方法专利类型：发明专利
发明人：刘兴华,钱林涛,赵贤江,周徐
申请号：CN201210346111.9
申请日：20120918
公开号：CN103184312A
公开日：
20130703
专利内容由知识产权出版社提供
摘要：本发明属于冶金炼钢工艺类，具体涉及一种利于改善浇注的钢水复合脱氧的方法，该方法适用于齿轮钢、非调质钢和结构钢及高钛焊丝系列钢种的冶炼，即采用包芯线将硅钡合金喂入钢水深处，完成钢水的复合脱氧，所述包芯线的芯线中的各组分所占重量百分比分别是为：硅48%-58%、钡25%-32%，余量为铁。
本发明的优点是：通过合金元素的调整强化钢水脱氧效果，降低钢水脱氧铝合金的消耗；同时能显著提高钢液纯净度和改善钢液质量，并有效促使钢液中的夹杂物聚集并上浮至渣中，也有利于确保多炉连浇生产的顺利；提高了钢水洁净度、保证连铸工艺的顺行、提高连铸的连浇炉数、防止连铸水口堵塞、节省脱氧铝的消耗。
申请人：上海宝辉冶金熔剂有限公司
地址：200070 上海市宝山区沪太路8784弄8号
国籍：CN
代理机构：上海申蒙商标专利代理有限公司
代理人：徐小蓉
更多信息请下载全文后查看。
钢水“脱氧合金化”配料方案的优化
作者： 苏畅[1];李媛[1];郑鑫浩[1];赵之一[1];李灏[1]
作者机构： [1]河南师范大学计算机与信息工程学院,河南新乡453007
出版物刊名： 科技创新与应用
页码： 88-90页
年卷期： 2020年 第20期
主题词： 合金收得率;多元线性回归分析模型;支持向量机;线性规划
摘要：转炉炼钢过程中,出钢时的脱氧合金化是相对独立而又十分重要的部分。
建立数学模型分析合金收得率并提高元素收得率预测准确率,进而实现脱氧合金化成本优化对实际钢铁冶炼具有十分重要的意义。
利用元素收得率为脱氧合金化时被钢水吸收的元素重量与加入该元素的总重量之比计算得到了碳、锰元素历史收得率,在元素收得率预测提高准确率的基础上,建议安装支持向量机[1]的元素收得率系统,建立良好的人机交互界面;最后介绍了成本的优化和合金配料方案。
钢水“脱氧合金化”最优配料方案研究
钢水“脱氧合金化”最优配料方案研究摘要：本文主要针对我国钢铁产量进行相关生产工艺的研究。
矿石、煤炭等资源消耗巨大，因此利用改进生产工艺，对降低能耗、提高效益、提高产业竞争力具有重要意义。
首先我们对历史数据进行了预处理，删除了包括转炉终点温度为0的，C、Mn等元素数据均为Null的，其次加入的合金量为0的异常数据，并对九种不同钢号的钢铁进行了分离研究，最后使用MATLAB对正常数据进行了提取，并代入推导出的收得率计算公式，得到了主要元素的平均历史收得率。
根据结果，利用灰色关联分析法分析了转炉终点温度、加入合金料的量等多个因素，并提出了合金加入方式、钢品种为影响元素收得率的两个主要因素。
关键词：灰色关联分析法；人工神经网络；卡方检验；模拟退火模型引言炼钢过程中，脱氧合金化操作对于生产高附加值的优质钢种来说已成为必不可少的内容，可以准确、经济地生产出成分波动小且性能稳定的钢种，是炼钢自动化水平的标志之一。
故研究脱氧合金化模型并实现该工序的计算机控制具有明显的社会效益和经济效益。
通过分析研究炼钢历史数据及现实因素，计算C、Mn两种元素历史收得率，并着重分析影响元素历史收得率的主要因素。
利用元素收得率数据参数，建立数学模型预测C、Mn两种元素的收得率，并根据主要影响因素，进一步优化算法尽可能地提高预测准确率。
分析研究元素收得率的预测结果，建立数学模型，实现钢水脱氧合金化成本优化计算，并设计出合金配料方案。
1、问题分析首先我们需要对数据进行清除，保留正常数据后，根据元素收得率计算公式计算出C、Mn两元素的收得率，然后分析其他量化指标，但对于影响收得率的因素除量化指标外还应该与钢的种类有关，因此需要对钢的品种分类再使用灰色关联分析法，最终，我们加入合金料的量、钢品种为影响元素收得率的两个主要因素。
预测首先需要找到时间关系，因此我们使用炉号作为时间关系，并使用线性回归方程按照简单时间序列对C、Mn两种元素的收得率进行了预测，然后需要考虑其它影响元素收得率的因子从而进一步优化算法，我们可以利用人工神经网络模型对收得率参数进行处理，并对系统多次练习，从而提高预测准确率。
- 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)。
9 . 3 模型的推广 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
十、参考文献
26
十一、附录
27
附录 A 相关性分析
27
附录 B RBF 神经网络
27
附录 C 粒子群优化的多目标规划
29
一、 问题重述
1 . 3 需解决的问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
二、问题分析
1
2 . 1 问题一的分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
6 . 1 . 1 多元线性回归预测模型的建立 . . . . . . . . . . . . . . . . . . . . . 12
6 . 1 . 2 模型的检验 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6 . 2 模型与算法的改进 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 . 2 问题二的分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 . 3 问题三的分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1
2 . 1 问题一的分析 本问要求根据附件 1 中的信息，计算出 C、M n 两种元素的历史收得率. 由合金收
问题 (2)：根据问题 1 所构建的模型，对 C、M n 两种元素的收得率进行预测，并对 目前的预测模型和算法进行进一步的完善与改进，以提高对 C、M n 两种元素收得率的 预测准确率.
问题 (3)：附件 2 中给出了不同合金配料每吨的价格，并且价格各不相同，这些合 金料的选择对钢水脱氧合金化的成本有着直接的影响，利用问题 2 中对合金收得率的预 测结果，以及附件 2 中的信息，建立钢水脱氧合金化成本优化模型，以达到成本的最优 的目的，最后给出合金配料方案.
9 . 1 . 2 模型缺点 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
9 . 2 模型的改进 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4 . 2 名词解释 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
五、问题一模型建立与求解
4
5 . 1 历史收得率的计算与求解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1 . 2 问题相关信息
附件 1 给出 1716 个炼钢炉所炼制出的低合金钢的信息，其中钢号为 HRB400B 的有 1291 个，钢号为 HRB400D 的有 275 个，钢号为 HRB500B 的有 17 个，钢号为 HRB500D 的有 66 个，钢号为 20MnKA 的有 33 个，钢号为 20MnKB 的有 13 个，钢号为 Q235 的 有 4 个，钢号为 Q235A 的有 7 个，钢号为 Q345B 有 10 个.
6 . 2 . 1 径向基函数神经网络拓扑结构 . . . . . . . . . . . . . . . . . . . . . 16
6 . 2 . 2 减法聚类算法求 RBF 神经网络聚类中心 . . . . . . . . . . . . . . . 16
6 . 2 . 3 粒子群优化的 RBF 神经网络模型 . . . . . . . . . . . . . . . . . . . 17
针对问题二，结合问题一得到的主要影响因素，本文在排除了多重共线性的影响下， 建立了多元线性回归预测模型，对 C、Mn 收得率进行初步预测，为进一步提高预测率， 本文又建立了基于粒子群优化的 RBF 神经网络预测模型，达到了较为精准的 C、Mn 收 得率预测，最后对模型进行了检验，模型的拟合程度很高。
针对问题三，考虑到脱氧合金化成本优化的复杂性，本文建立了基于粒子群优化的 多目标规划模型，得到了不同钢种的合金配料方案，并随机抽取了 25 组完整数据对模 型进行检验，结果显示模型可在保证钢材质量的前提下，有效降低配料成本。
针对问题四，本文根据前三问探究所得的结果，为厂长写了一封建议信，在如何合 理化投入合金配料，保证钢水质量前提下如何最大限度降低生产成本，以及钢铁企业竞 争力的提高等方面做出了建议。
5 . 1 . 1 辩思与数据的预先处理 . . . . . . . . . . . . . . . . . . . . . . . . . 4
5 . 1 . 2 C、M n 历史收得率的求解 . . . . . . . . . . . . . . . . . . . . . . . 5
5 . 1 . 3 合金收得率分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
队伍编号 题号
903462 D
基于 DRA-PSO 优化的
钢水脱氧合金化深度探究
摘要 本文采用了双变量相关和偏相关相结合的方法得到了影响 C、Mn 收得率的主要的 影响因素，在此基础上，利用多元回归预测模型对 C、Mn 的收得率进行预测，为提高 预测准确率，本文又建立了基于粒子群优化的 RBF 神经网络预测模型，经检验拟合程度 很高。而后通过建立基于粒子群优化的多目标优化模型，得到了合金配料方案及相应价 格，实现了质量与价格的双重保障，并为炼钢厂领导写了一封建议信。
问题 (4)：根据前三问对钢水脱氧合金化的研究结果，为炼钢厂领导写一封建议信.
二、 问题分析
此题主要研究的是钢水脱氧合金化时得元素收得率预测与所需配料成分问题，首先 通过建立双重相关模型，求解得影响 C、Mn 收得率的主要因素，其次建立粒子群优化 得 RBF 神经网络模型，预测出 C、Mn 元素的收得率，最后利用粒子群优化的多目标优 化模型 1 得出不同钢种所需的配料，计算出成本. 现对本题的三个问题分析如下：
1 . 1 问题背景及研究意义
随着社会科技的迅猛发展，各行业对钢材质量、性能的要求不断提高，钢铁根据添 加元素的不同，并采取适当的加工工艺，可获得高强度、高韧性、耐磨、耐腐蚀、耐低 温、耐高温、无磁性等特殊性能.
炼钢过程中的脱氧合金化是钢铁冶炼中的重要环节，而我国目前大多数的钢铁企 业，均按照不同元素的固定收得率或者是经验值，来计算各合金的加入量，效率差、准 确率低. 因此对脱氧合金化过程中，当前炉次的合金配料进行自动优化，以及成本的精 准把控尤为重要.
七、问题三模型的建立与求解
19
7 . 1 目标优化模型的构建 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
7 . 2 基于粒子群优化的多目标优化模型 . . . . . . . . . . . . . . . . . . . . . . 21
附件 2 给出了 16 种合金配料中所含元素的的重量百分比，以及各合金配料每吨的 价格.
1 . 3 需解决的问题
问题 (1)：通过附件 1 给出的低合金钢种前期的真实冶炼数据，利用合金收得率公 式求解出 C、M n 两种元素的历史收得率，并借助相应的分析方法，得到影响 C、M n 收得率的主要因素.
5 . 2 . 3 双重相关对主要因素的确定 . . . . . . . . . . . . . . . . . . . . . . 11
六、问题二模型的建立与求解
12
6 . 1 收得率预测模型的建立与求解 . . . . . . . . . . . . . . . . . . . . . . . . . 12
6 . 2 . 4 模型结果及模型的检验 . . . . . . . . . . . . . . . . . . . . . . . . . 17
6 . 3 改进前后对比 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
针对问题一，本文首先对数据进行了清洗，通过合金收得率的定义求得出 C、 Mn 的历史收得率。而后本文运用双变量相关和偏相关相结合的方法求得影响 C 的收得率的 主要因素为：钢水净重、连铸正样 C、 碳化硅 (55%)，影响 Mn 的收得率的主要因素为： 钢水净重，连铸正样 Mn，连铸正样 Si，连铸正样 Ceq_val，连铸正样 V_val，连铸正 样 Ti_val，低铝硅铁，钒氮合金 (进口)，钒铁 (FeV50-B)，碳化硅 (55%)。
2 . 4 问题四的分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
三、基本假设
3
四、符号说明与名词解释
3
4 . 1 符号说明 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
本文在对数据进行清洗的基础上，计算了 C、Mn 的历史收得率，通过双重相关分 析得到了影响 C、Mn 收得率的主要影响因素，运用粒子群的优化性能，建立了基于粒 子群优化的 RBF 神经网络预测模型，使得预测的准确性达到了 93.4%。而后通过建立基 于粒子群优化的多目标优化模型，实现了对当前炉次合金配料的自动优化和成本控制。