[发明专利]利用LSTM系统的顶底复合吹炼转炉生产工艺控制方法

说明书

本发明公开了一种利用LSTM系统的顶底复合吹炼转炉生产工艺控制方法，步骤如下：对确认吹炼方式阶段、主吹阶段和补吹阶段三个阶段进行数据收集；对收集到的数据进行过滤和预处理并作为训练集；利用训练集对定义的基于LSTM的顶底复合吹炼转炉生产工艺控制模型进行训练；在实际炼钢生产的确认吹炼方式阶段，利用训练好的模型确定主吹方式，利用训练好的模型预测主吹终点，利用训练好的模型预测补吹终点。本发明方法能够对顶底复合吹炼转炉炼钢生产的三个阶段进行联合建模，有效解决了顶底复合吹炼转炉炼钢生产中各阶段之间数据的关联耦合性问题，直观实用，通用性好，能显著提高吹炼终点的命中率和出钢的合格率。

技术领域

本发明涉及一种顶底复合吹炼转炉生产工艺控制方法，特别是涉及一种利用神经网络模型进行顶底复合吹炼转炉生产工艺控制方法，应用于钢铁冶金转炉生产人工智能控制技术领域。

背景技术

顶底复合吹炼转炉生产工艺开始于20世纪70年代中期开发成功的。所谓复合吹炼，就是底部吹炼和顶部吹炼的结合，它既具备顶吹转炉炼钢生产化渣好、废钢用量多的长处，同时又兼备氧气底吹转炉炼钢生产熔池搅拌好、铁和锰氧化损失少、金属喷溅少等优点，因而目前世界上较大容量的转炉绝大多数都采用了顶底复吹转炉生产工艺。由于炼钢生产工艺机理复杂和生产过程不确定性严重，使得传统人工控制对钢种纯净度等指标带来的误差比较大。

当前，顶底复合吹炼转炉生产工艺控制方法有专家系统、基于模糊逻辑的方法和基于神经网络的方法。专家系统利用大量炼钢领域的专家有关炼钢相关的经验和知识构成知识库，设计人类专家决策过程的推理机，在输入相关钢种含碳量等指标输出对应的转炉炼钢终点时间等信息，但是其精确度不高、自学习能力差，不具有可拓展能力。基于模糊逻辑的方法在专家系统的基础上采用了模糊规则来进行推理，由于不依赖精确的数学模型，因而克服了专家系统推理的不确定性问题，尽管模糊建模具有一定自学习性，但是模糊建模过程中缺少有效的规则数、模糊隶属度等关键参数的实际数据，故而难以支撑。基于神经网络的方法不依赖于专家经验和反应机理，利用大量多层连接的神经元能够模拟出任何非线性函数的特性，只根据实际可见的输入和输出就能够训练出满足需求的模型，能够很好地解决炼钢的复杂性问题。

目前针对顶底复合吹炼转炉生产工艺控制的主流方法是传统的BP神经网络模型。在炼钢的某一个阶段中，BP神经网络根据该阶段对应的可用输入和预测输出进行建模，利用反向传播算法进行模型训练，进而进行实际预测。例如，在确认吹炼方式阶段中，BP神经网络将铁水指标、废钢指标和目标钢水指标等作为特征输入，由大量神经元多层连接构建的复杂网络来确定包括吹氧量、造渣量等的主吹方式，以此作为主吹阶段的工艺标准。

上述BP神经网络模型用于顶底复合吹炼转炉生产工艺控制时，存在以下不足：

(1)对于炼钢生产的每个阶段，BP神经网络都需要独立建模，无论在在建模还是训练方面都更加耗时耗力；

(2)每个阶段对应的模型都只考虑当前输入和输出的关系，没有考虑与前后阶段参数间的相互影响，即无法有效解决前后阶段之间的数据关联耦合性问题；

(3)只能对某一个阶段进行优化，无法对所有阶段进行整体优化。

发明内容

为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种利用LSTM系统的顶底复合吹炼转炉生产工艺控制方法，针对顶底复合吹炼转炉生产的确认吹炼方式阶段、主吹阶段和补吹阶段这三个阶段联合建立基于LSTM的工艺控制模型，并根据收集到的炼钢数据训练模型，然后将训练好的模型用在实际的炼钢生产中，针对每个阶段确定工艺方式或预测终点。本发明方法能够对顶底复合吹炼转炉炼钢生产的三个阶段进行联合建模，有效解决了顶底复合吹炼转炉炼钢生产中各阶段之间数据的关联耦合性问题，本发明方法直观实用，通用性好，能显著提高吹炼终点的命中率和出钢的合格率。

为了达到上述的目的，本发明的构思如下：