邯钢西区炼钢厂连铸区段钢水温度预报系统

【高科技产品研发】

蠢■

邯钢西区炼钢厂连铸区段钢水温度预报系统殷宏伟刘宾李丽孔尚振威邯郸 060 ) 5 0 3 (北钢铁集团西区炼钢，一河北河

摘

要：采用神经网络的方法预测炼钢连铸区段钢水温度，并且根据中间包目标温度和计划要求在线预报L,R炉进站出站温度和转炉吹 I温度，提高各区 F H I:‘提高中问包温度命中率。步

段温度命中率，最终达到进

关键词：钢包热状态： B神经网络：温度预测 p

中图分类号： F 2 1文献标识码：A文章编号： 1 7— 7 9 ( 0 )1 2 0 - 0 4 6 3 51 57 21 1 0 0 61 1

温度作为炼钢连铸区段‘非常重要的参数，温度控制的好坏影响着个生产节奏、铸坯质量，乃至整个炼钢厂系统运行平稳性。针对邯钢西区炼钢 E前的温度控制现状，发现 L炉进站温度和 L炉山站温度命中率偏 I F F低，中间包温度命中率偏低。针对实际生产中这种问题，可以从两个方面改善： 面提高提高炼钢连铸区段操作的稳定性；另一 方重要方面要实现炼钢连铸区段钢水温度的在线精确控制。因此，开发了连铸区段钢水温度预报模型。下面以L炉进站温度预报为例重点介绍模型构建过程。 F

O a l数据库组成。 rc e

1 )服务端程序由转炉吹止温度预定模型和炼钢成本实时计算模型构’,在服务器上自动运行，将计算结果保存￣ oc数据库中。2成 J lr l )客户端

程序主要是显示转炉生产计划、转炉吹止温度预定结果和转炉炼钢成本实时计算的数据结果。 2 2精炼连铸区段温度预报系统 .精炼连铸区段温度预报系统整体架构由服务端程序、客户端程序和

1L炉进站沮度网络预测模型构建 F该模型是基于从转炉吹止到L炉进站过程建立的钢水温度预测模型。 F 1 )模型输入变量和输出变量的确定：通过机理分析并结合现场的了 解情况，影响L炉进站钢水温度的因素有钢种、转炉吹止温度、出钢前钢 F水在转炉内的等待时间、出钢时间、运输时间、钢包状态、各种合金加入

O a i数据库组成。1 r ce )服务端计算模型由L开始温度预测模

型、L终点温 F F度预定模型和 R终点温度预定模型组成。2 H )客户端分别是 L#、L#和 F 1 F2 R客户端，当客广端发送计算信号时，客户端将模型的所有数据打包，井 H通过O eJS pn M中间件接受数据传给服务端计算模型，完成计算，最后将结果保存￣ Oa l中。客户端就可以通过数据库共享的方式显示结果。 J lr ce 3软件主要功能说明3 1转炉神经网络预报系统 .

量、钢水净重量、包龄、转炉炉后吹氩时问、钢包内渣厚、转炉炉子状况等。再结合可取得的实际生产数据确定模型输入变量和输出变量。其中输

入变量：转炉吹止温度，出钢前钢水在转炉内的等待时问，出钢时间，运输时间，钢包状态，各种合金加入量，钢水净重量，包龄。本模型以钢包状态 1建模，其他钢包状态通过钢包状态温度补偿制度进行修正。输出变 A量：L炉进站温度 F

1 )转炉吹止温度预定。2转炉服务端自动获取三个转炉的当前炉 )次，并自动获取模型所需数据，自动计算转炉吹止目标温度，并自动将计算结果和其他因素一起存入数据库。3 )转炉客户端主要是用于显示转炉生产计划、模型计算结果、历史记录查询和部分信息维护客户端程序由生产计划、转炉吹止温度预定、转炉炼钢成本实时计算分页组成。3 2精炼连铸区段温度预报系统 .

2 )数据准备和预处理：根据确定的模型输入输出变量从2 1年卜6 00月

份的转炉和L炉生产数据中提取所需数据，剔除掉一些有明显错误的炉次 F

数据，再采用基于总体参数的稳健估计量五数总括值法找出样本中的离群值将其剔除，同时确定了输入输出主要变量的范围。最后获得18组样 97本，在e c l rn ( xe中用 ad )函数随机打乱，然后取 10组用于训练，3 0 60 8组用于预测。由于输入数据和输出数据各变量值往往都不是在同一个数量级，所以要做归一化处理，全部归一化到[ I]一，i区间。

D F始温度预测、L终点温度预定 (中问包第一包和连浇 )和 L开 F分

R终点温度预定 ( H分中间包第一包和连浇 )。2 )精炼服务端计算模型通过接受客户端数据信号计算。服

务端程序运行后显示在进程中 3 )精炼客户端自动获取双工位精炼当前三级计划号，通过接管按钮可以选择某一工位三级计划号及其炉次信息，由计算按钮可以向服务端发送数据进行计算。4 )精炼客户端主要用于显示当前炉次模型所需信息和计算结果、历史记录查询和部分信息维护。其中，信息维护包括中间包目标温度维护和精炼连铸过程标准参数维护。 4结论

3 )神经网络预测模型参数的确定：本模型采用B神经网络建立，由 P于输入变量是 1个，输出变量是 1,所以输入层节点数为 1,输出层节 3个 3点数为 l。采用 1隐含层，经过反复实验确定隐含层节点数为6个。 4 )模型预测结果与讨论：神经网络预测模型是在m ta2 Oa调用 a 1bO 8上

神经网络工具箱函数编写程序进行仿真，得出如下结果。后文所有模型都是在m t a上进行仿真的。± 1℃之内的炉次占9% a ib 0 0,可以看出，预测温

本课题基于炼钢连铸区段的工艺过程特点和历史牛产数据，利用m t a数学软件巾的B神经网络工具箱建立了钢水温度预报模型、转炉终 a lb P点P量预测模型。利用有效的历史数据对各神经网络模型进行了训练和含测试，得到了最优的神经网络结构，并保存下来，用J V语言开发了神经 AA网络预报模型的程序界面，通过m t a n i e术利用 J V调用 M a lb eg n技 AA语言的

度与实际温度基本接近。 除I进站温度预报模型外，还建立了类似的模型如 L— c中间包温 F F c段度预测：该模型是基于从L炉山站到中间包过程建立的中间包钢水温度预 F

测模型。R—c中间包温度预测：该模型是基于从R山站到中间包过程 Hc段 H建立的钢水温度预测模型 L炉山站温度预定：该模型是利用中间包要求 F的}标温度和计划要求预测 L炉 f j F n站温度。R炉 i站温度预定：该模型利 H l I用中间包要求的目标制水温度和计划要求预测 R炉出站铡水温度。B F H O— l段转炉吹止温度预定：该模型利用L炉进站要求的 H标温度和计划要求』 F F预测转炉吹止温度。 2炼钢连铸区段

钢水沮度预报软件设计本项目B神经网络预报软件是基于e 1 p e台的 J v语言开发，其 P c is平 aa中，B神经网络预报程序是用 m t a语言编写，通过m t a n i e P a lb a l b e g n的方

最优神经网络结构，用于预测。将转炉和精炼客户端程序在现场进行了运行，正常情况下，程序较稳定，操作简单。参考文献：

[] I吴晓东，炼钢一精炼一连铸过程钢包热状态测试研究，《中阐冶金》,2 0￣" 2 . 071,0期

[]拥军、姜周华、姜茂发， L炉精炼过程钢水温度预报技术[]东北 2武 F J.大学学报 (自然科学版 ),2 0￣ 0 2V,0期 . 3

[] 3曹永国、杨守礼、李顶宜，炼钢厂连铸钢水温度预报模型[]北京科 J.技大学学报，19年，O期. 97 2 []鹏飞，新钢包热状态对钢水温度的影响，《铁研究学报》, 4吴 钢2 1年，0期 . 01 8

式实现Jv和m ta的交互，用J v调用 B神经网络预报程序。 aa a lb aa P2 1转炉神经网络预报系统 .

转炉神经网络预报系统整体架构由服务端程序、客户端程序和