[发明专利]一种电弧炉终点碳含量预测方法

权利要求书

1.一种电弧炉终点碳含量预测方法，其特征在于，方法包括：

S1：由精炼炉倒推每一炉次电弧炉内钢水重量，利用多元线性回归和损失函数测算电弧炉中各钢铁料的收得率；

每一炉次电弧炉包括n种钢种，n维钢水重量x＝[x₁,x₂,···,x_n]^T，n维收得率权重w＝[w₁,w₂,···,w_n]^T，多元线性回归的线性模型为：每一炉次电弧炉内钢水终点重量

利用损失函数作为优化目标训练线性模型、获得学习参数w作为电弧炉中各钢铁料的收得率，损失函数中的实际值为由精炼炉倒推每一炉次电弧炉内钢水重量，损失函数中的预估值为多元线性回归的拟合值；

S2：利用步骤S1中收得率测算每一炉次电弧炉内的钢水重量和余钢量；

S3：利用包括步骤S2中余钢量的电弧炉消耗数据作为输入量、由精炼炉倒推电弧炉终点碳含量作为输出量，训练基于神经网络的电弧炉终点碳含量预测模型；

S4：输入每一炉次包括步骤S2中余钢量的电弧炉消耗数据，计算步骤S3中电弧炉终点碳含量预测模型，输出电弧炉终点碳含量预测值。

2.根据权利要求1所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S1中依据精炼炉的称重重量减去钢包重量、电弧炉至精炼炉中间过程加入的原辅料重量倒推每一炉次电弧炉内钢水重量y。

3.根据权利要求1所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S1中利用平方损失函数作为优化目标训练线性模型、获得学习参数w作为电弧炉中各钢铁料的收得率，平方损失函数中y为由精炼炉倒推每一炉次电弧炉内钢水重量，为多元线性回归的拟合值。

4.根据权利要求1所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S2中依据各钢铁料重量与各钢铁料的收得率乘积测算每一炉次电弧炉内的钢水重量依据每一炉次电弧炉内的钢水重量减去流入到钢包内的钢水重量得到余钢量。

5.根据权利要求1～4任意一项所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S3中建立包括输入层、隐藏层和输出层的三层BP神经网络，以样本数据训练基于BP神经网络的电弧炉终点碳含量预测模型，样本数据以多组电弧炉消耗数据作为输入层，样本数据中以对应电弧炉消耗数据的精炼炉取样检测碳含量、减去电弧炉至精炼炉中间过程加入的原辅料碳含量作为电弧炉终点碳含量输出层，隐藏层通过训练BP神经网络获得。

6.根据权利要求5所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S3中电弧炉消耗数据还包括每一炉次加入到电弧炉中的铁水重量、铁水碳含量、废钢重量、天然气耗量、氧气耗量、石灰块重量、余钢碳质量，前一炉电弧炉终点碳含量为后一炉余钢碳质量，利用皮尔逊系数分析电弧炉消耗数据作为自变量对电弧炉终点碳含量作为因变量的影响，依据皮尔逊系数绝对值筛选电弧炉终点碳含量影响因素。

7.根据权利要求5所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S3中利用3σ法则筛选样本数据。

8.根据权利要求5所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S3中选取双曲正切函数Tanh作为BP神经网络的激活函数。

9.根据权利要求5所述的一种电弧炉终点碳含量的预测方法，其特征在于，步骤S3中BP神经网络的权重调整采用梯度下降法，BP神经网络的网络误差性能函数采用网络均方差函数MSE。