[发明专利]基于数据挖掘的炼钢生产过程钢水质量诊断方法

权利要求书

1.一种基于数据挖掘的炼钢生产过程钢水质量诊断方法，其特征在于：包括步骤如下：

(1)数据收集与筛选：

利用炼钢厂二级系统，收集炼钢厂生产工艺数据，利用炉次号，串联铁水预处理、转炉炼钢、LF炉精炼、RH炉精炼四个工序的生产数据，并生成联合表，筛选出其中的有效数据；

(2)数据的标准化：

对步骤(1)中筛选出的有效数据进行标准化处理；

采用Min-Max标准化处理方法，设minA和maxA分别为属性A的最大值和最小值，将A的一个原始值x通过Min-Max标准化映射在区间[0,1]中的值x`,其公式为：

(3)基于聚类的各工序钢水或铁水成分及温度控制目标的确定：

从步骤(2)标准化处理后的数据中分别筛选出不同工序处理的炉次集合，并进一步分别筛选出各个工序出站成分及温度满足操作规程的所有炉次集合；分析钢水或铁水温度和成分参数对不同工序处理的影响规律，选取对钢水或铁水质量有重要影响的钢水或铁水温度和成分参数作为聚类因素，对筛选出的各个工序出站成分及温度满足操作规程的所有炉次集合内的炉次数据利用K-Means聚类算法来聚类处理，确定各工序钢水或铁水成分及温度控制的目标；

具体为：

将某一炉钢水的成分及温度信息变量以矩阵的方式进行储存，用矩阵的行表示每一个炉次的钢水，列表示该炉次钢水的信息，则n个炉次钢水p个信息的集合可以用一个n×p维的矩阵来表示，第i炉次钢水的第j个信息在矩阵中表示为x_ij，数据矩阵如下：

然后用相异度矩阵来储存这些同一钢种不同炉次之间的差异性，n个炉次钢水的相异度矩阵表示为n×n维的矩阵，用d(A,B)来表示A与B的相异性，则含有n个炉次的集合X＝{x₁,x₂,…,x_n}的相异度矩阵表示如下：

d(x_i,x_j)为某种相似性度量函数，当x_i相似或相近时d(x_i,x_j)的值接近0，而当d(x_i,x_j)值较大时，代表了炉次x_i和x_j有很大差异；最常用的相似性度量函数为欧式距离，定义为：

x_i和x_j代表任意两个炉次钢水，p为钢水的信息数，n为炉次数；

根据历史样本数据确定数据集X＝{x₁,x₂,…,x_n}以及聚类数目：

①初始化：随机指定k个聚类中心(m₁,m₂,…,m_k)；

②分配x_i：对每一个样本x_i，找到离它最近的聚类中心，并将其分配到该类；

③重新计算各簇中心：

④计算偏差：

⑤判断收敛：如果J值收敛，则算法终止；否则，返回第②步；

⑥获得模态：通过反复的运算直至收敛即可得到k个模态；

这k个模态对应k个聚类中心，以这k个中心作为所有数据集合S的聚类中心再进行一次聚类，把所有生产数据分为了k类，针对每一类数据挖掘其工序结束后的合格率，认为命中率高的类的集合即为该工序进站时刻的操作规程，该类钢水的聚类中心的钢水温度值m和各成分值n_i为控制最优值，根据冶炼钢种的要求，决定终点目标范围ΔT`，再结合工序间钢水温降值ΔT，则上一工序终点的目标温度为m+ΔT±ΔT`；根据冶炼钢种的要求，决定终点目标范围Δn，则上一工序终点的目标成分为n_i+Δn；

(4)钢水或铁水类别划分及工序操作工艺合理模式提取：

步骤(3)中筛选出的各个工序出站成分及温度满足操作规程的所有炉次集合为命中炉次，其余炉次为非命中炉次，利用决策树方法分析比较命中炉次与非命中炉次的不同工序处理工艺，总结命中炉次的处理工艺特征和非命中炉次的处理工艺特征，命中炉次的处理工艺即为该类钢水的合理的相应工序工艺模式，对不同工序的工艺模式分析、收集，并录入数据库管理；

(5)工序钢水质量预测：

通过二级系统收集到某个炉次的进站钢水或铁水温度和成分，如果超出相应工序进站控制目标，但是在可控范围之内，则根据钢水或铁水的温度和成分取值，将其划入步骤(3)中的处理后的相应类别中，然后根据该类别的命中率预测该炉次钢水或铁水经过相应工序处理后的钢水温度和成分达到终点控制目标的概率，数值等于命中率；

(6)工艺操作方案提供：

根据步骤(5)中对钢水质量的预测，为相应工序的相应炉次提供工艺操作模式方案，保证最终达到控制目标要求；

(7)预警：

若某炉次的进站钢水温度和成分超出可控范围，则系统报警；

所述步骤(1)中有效数据为在整个炼钢过程中某炉次的数据从KR预处理到精炼结束的完整的温度、成分、各种工艺操作及参数信息；

所述步骤(2)中标准化处理具体为利用Min-Max标准化方法将所有聚类因素化为标量且都映射在区间[0,1]中。

2.根据权利要求1所述的基于数据挖掘的炼钢生产过程钢水质量诊断方法，其特征在于：所述步骤(5)中可控范围为所有命中炉次往前追溯到进站时刻的成分温度信息的集合。