[发明专利]基于深度神经网络的钙处理过程中钙的收得率的预测方法

说明书

本发明公开了一种基于深度神经网络的钙处理过程中钙的收得率的预测方法，涉及到钢铁冶金领域的钢液精炼钙处理过程，其包括以下步骤：预先获取每一炉次的生产及操作数据信息，构建数据集；基于构建的数据集训练并测试深度神经网络，建立预测模型；基于预测模型将实际每一炉次的生产及操作数据信息作为输入，预测计算当前钙的收得率。本发明可以对钙处理过程中钙的收得率进行预测，有利于精准控制钢中钙含量，稳定控制钙处理过程，提升钙处理效果，提高产品质量，保证生产的稳定性。

技术领域

本发明属于钢铁冶金钢液精炼领域，具体涉及一种基于深度神经网络的钙处理过程中钙的收得率的预测方法。

背景技术

在钢液的冶炼过程中，为了有效的将钢液中的氧含量降低至较低水平，作为一种强脱氧剂，铝被广泛的应用于炼钢过程。但铝的加入会生成大量的氧化铝夹杂物，容易导致水口结瘤，影响连铸过程的顺行以及导致产品性能的下降。因此，将金属钙加入到钢液中以将钢液中的氧化铝夹杂物改性为液态的钙铝酸盐，减少水口结瘤，保证连铸顺行，提高产品质量。同时，钢中钙的存在也可以控制钢中MnS夹杂物的形貌及数量。然而，钢中的需钙量存在一个合理的范围，钙的加入量较低，达不到钙处理的效果，加入量过高，则容易生成高熔点的CaS类夹杂物，同样容易导致水口结瘤。

近年来，受益于计算机及大数据等技术的迅速发展，神经网络被广泛应用到各个行业中。神经网络具有自学习及自适应性，当环境发生变化时，即给神经网络新的训练样本时，其可以自动调整相互连接的权值，从而在一定的输入条件下给出合理的期望输出。并且，神经网络具有较好的容错性，局部的错误不会使神经网络产生较为严重的错误。神经网络可以通过不断地调整各个神经元节点之间的权值，最终具备解决实际问题的能力。

与铝、硅、锰等合金相比，钙的熔沸点较低，在钢中溶解度较低，且蒸气压较大。因此，钙合金很难加入到钢液中，钙处理过程很难将钢液中钙含量控制在一定范围。对于大多数钢铁企业，钙处理过程都是凭借经验进行喂钙，无法对钙处理过程收得率进行预测，因此钙含量控制不稳定。因此，基于深度神经网络计算实现对钙处理过程钙的收得率的预测，对于精准控制钢中的钙含量，稳定钙处理操作，进而降低企业生产及运行成本，提高产品质量及合金利用效率，具有重要的研究价值及意义。

发明内容

为了解决上述现有技术的不足，本发明提供一种基于深度神经网络的钙处理过程中钙的收得率的预测方法，最终实现对钙处理操作的稳定控制。

具体地，本发明提供一种基于深度神经网络的钙处理过程中钙的收得率的预测方法，其包括以下步骤：

S1：获取生产及操作数据信息中影响钙处理过程钙的收得率的参数并构建数据集；步骤S1具体包括如下步骤：

S11、采集每一生产炉次精炼过程中生产及操作数据信息并计算每一炉次的钙的收得率，作为一条记录单元；每一炉次的钙的收得率分别包括精炼过程钙的收得率η₁、中间包钙的收得率η₂以及连铸坯钙的收得率η₃；

精炼过程钙的收得率的计算方式为：

中间包钙的收得率的计算方式为：

连铸坯钙的收得率的计算方式为：

式中：W代表钢液质量，单位为t；ω[Ca]_O代表钢液钙处理前钙含量，单位为ppm；χ代表喂钙线长度，单位为m；β代表钙线中钙含量，单位为％；μ代表钙线米重，单位为kg/m，ω[Ca]_R代表精炼结束后钢液钙含量，单位为ppm；ω[Ca]_T代表连铸过程中间包中钢液钙含量，单位为ppm；ω[Ca]_B代表连铸坯中钙含量，单位为ppm；