[发明专利]基于深度聚类生成对抗网络的转炉炼钢工艺模式设计方法

说明书

本发明公开了一种基于深度聚类生成对抗网络的转炉炼钢工艺模式设计方法，包括：获取若干历史样本的生产数据并进行预处理，构建历史样本数据集；构建深度聚类生成对抗网络模型，并利用历史样本数据集进行训练；以待设计工艺模式的炉次作为新样本，获取新样本的初始信息，并对初始信息进行预处理，基于预处理后的初始信息对新样本进行聚类；根据新样本的聚类结果，生成新样本对应的工艺随机向量，将新样本对应的工艺随机向量与其对应的预处理后的初始信息一起输入训练好的深度聚类生成对抗网络模型中，生成新样本对应的工艺模式；基于生成的新样本的工艺模式，确定新样本最终的工艺模式。本发明对提高钢铁生产企业的产品质量和经济效益有很大帮助。

技术领域

本发明涉及冶金技术领域，特别涉及一种基于深度聚类生成对抗网络的转炉炼钢工艺模式设计方法。

背景技术

转炉炼钢是钢铁生产过程中的重要组成部分，其目的是获得终点成分和温度均命中目标要求的钢水，因此转炉炼钢的核心是终点控制。静态控制模型是转炉炼钢终点准确控制的基础，良好的静态模型对转炉工艺参数的设定、后期的动态控制和终点命中率的提升起着至关重要的作用。为此，国内外学者对如何建立静态控制模型开展了相应的研究工作。

转炉炼钢静态控制模型通常包括如下模型：机理模型，增量模型，统计模型以及人工智能模型。早在1961年，美国琼斯·劳夫林钢铁公司基于机理模型建立了第一个转炉炼钢静态模型并应用于炼钢生产，根据对冶炼过程中各种参数的分析再加上一系列的假设，通过进行热平衡计算，得到了关于废钢、铁水和石灰的装料模型。然而，由于机理模型是从炉内的化学反应表达式出发，因此，该类模型的开发极为复杂，且容易受到不可测量的干扰因素的影响，往往难以满足实际生产的需要。增量模型是以上一炉次或者参考炉次的工艺模式作为参考，结合本炉次的原料条件来计算氧耗量和冷却剂加入量等。2007年，首钢迁钢炼钢厂建立了自动化炼钢系统计算模型，包括目标温度计算模型、主原料计算模型、熔剂计算模型、氧量和冷却剂计算模型等，采用增量模型，实现对生产数据的修正计算,在控制冶炼终点方面取得了不错的效果。然而，增量模型的通用性不强，无法揭示工艺参数间的内在关系，导致其发展受限。统计模型是通过收集历史数据进行统计分析而得到的模型，比起机理模型建模简单。因此，有学者将机理模型和统计模型结合应用于转炉炼钢生产过程中。2013年，Sun等人为提高转炉终点控制能力，将机理模型和统计模型相结合建立了转炉炼钢静态控制模型，用于指导转炉辅料的加入，优化转炉造渣、保证吹炼过程平稳。应用于沙钢50t转炉实际生产，喷溅发生率由原来的95％降低至20％、终点钢渣成分趋于稳定、终渣全铁含量平均降低了2.2％。然而，由于转炉炼钢生产过程极为复杂，依靠简单的统计建模难以反映复杂的转炉炼钢冶炼过程，因此统计模型的应用受到了限制。