鋼水“脫氧合金化”配料方案的優化

蘇暢 李媛 鄭鑫浩 趙之一 李灝

摘 ?要：轉爐煉鋼過程中，出鋼時的脫氧合金化是相對獨立而又十分重要的部分。建立數學模型分析合金收得率并提高元素收得率預測準確率，進而實現脫氧合金化成本優化對實際鋼鐵冶煉具有十分重要的意義。利用元素收得率為脫氧合金化時被鋼水吸收的元素重量與加入該元素的總重量之比計算得到了碳、錳元素歷史收得率，在元素收得率預測提高準確率的基礎上，建議安裝支持向量機[1]的元素收得率系統，建立良好的人機交互界面;最后介紹了成本的優化和合金配料方案。

關鍵詞：合金收得率;多元線性回歸分析模型;支持向量機;線性規劃

中圖分類號：TF703 文獻標志碼：A ? ? ? ? ? ? ?文章編號：2095-2945（2020）19-0088-03

Abstract： In the process of converter steelmaking， deoxidation alloying during tapping is a relatively independent and very important part. It is of great significance for the actual iron and steel smelting to establish a mathematical model to analyze the alloy yield and improve the prediction accuracy of element yield， so as to optimize the cost of deoxidation alloying. The historical yield of carbon and manganese is calculated by using the element recovery rate as the ratio of the element weight absorbed by molten steel during deoxidization alloying to the total weight of the element added. On the basis of improving the accuracy of element yield prediction， it is suggested to install the element yield system of support vector machine to establish a good man-machine interface. Finally， the optimization of cost and alloy batching scheme are introduced.

Keywords： alloy yield; multiple linear regression analysis model; support vector machine; linear programming

1 問題重述

煉鋼過程中的脫氧合金化是鋼鐵冶煉中的重要工藝環節。對于不同鋼種在熔煉結束時，需加入不同量、不同種類的合金，以使其所含金元素達標，最終使得成品鋼在某些物理性能上達到特定要求。到目前為止，我國已經具備了以合金收得率預測及成本優化算法為主體的自動配料模型，而按照不同元素的固定收得率或經驗值計算各種合金的加入量，難以實現當前爐次合金配料的自動優化和成本控制。這里建立數學模型，分析并解答以下問題：

問題1：計算C、Mn兩種元素的歷史收得率，并構建數學模型，對C、Mn兩種元素收得率進行預測，并提高這兩種元素收得率的預測準確率。

問題2：不同合金料的價格不同，其選擇直接影響鋼水脫氧合金化的成本。實現鋼水脫氧合金化成本優化，并給出合金配料方案。

2 模型的建立與求解

首先進行數據的歸一化處理，由于各個指標的量綱不同，先對各個數據進行標準化處理，消除量綱

合金收得率[2]是指脫氧合金化時被鋼水吸收的C、Mn元素重量與加入該元素的總重量之比， 被鋼水吸收的總重量為連鑄正樣減去轉爐終點的值乘以鋼水的凈重量，元素的總重量為合金配料的重量乘以對應的百分比，綜上所述，得到了C、Mn元素歷史收得率的計算公式（1）

其中，η為合金的收得率，g為被鋼水吸收合金的重量，W為元素的總重量，g為被鋼水吸收合金的重量，G為鋼水的凈重量，l，z分別為連鑄正樣與轉爐終點的元素含量。h為合金配料的重量，？啄為對應百分比。

2.1 元素收得率主要影響因素模型的建立

考慮不同鋼號、轉爐終點溫度、鋼水凈重、元素重量、其他元素的收得率之間的相互影響，認為這些指標對C、Mn元素收得率是有影響的。同時認為碳元素的收得率只與轉爐終點溫度、鋼水凈重、Mn、S、P、Si元素重量之間有關系

2.2 C、Mn元素收得率預測模型的建立

支持向量機元素收得率基本思想

在鋼鐵冶金領域，支持向量機被廣泛應用。支持向量機的基本思想是通過用內積函數定義的非線性變換將低維輸入空間變換到一個高維空間，在這個高維空間中尋找輸入變量和輸出變量之間的一種線性關系，把尋找最優線性回歸超平面的算法歸結為求解一個凸約束條件下的凸規劃問題，并可以求得全局最優解，使在特征空間中可以應用線性學習機的方法解決樣本空間中的高度非線性回歸問題。

考慮碳、錳、硫、磷、硅、鋁、鈣、釩、氮9種元素，以預測的100次的元素收得率作為標準。合金材料成分可知，投入元素的重量為被鋼水吸收合金的重量比該元素的收得率，為了滿足脫氧合金化各個元素的成分要求，各元素的重量為定值。16種合金配料氮化釩鐵FeV55N11-A、、低鋁硅鐵、釩氮合金（進口）、釩鐵（FeV50-A）、釩鐵（FeV50-B）、硅鋁鈣、硅鋁合金FeAl30Si25、硅鋁錳合金球、硅錳面（硅錳渣）、硅鐵（合格塊）、硅鐵FeSi75-B、石油焦增碳劑、錳硅合金FeMn64Si27（合格塊）、錳硅合金FeMn68Si18（合格塊）、碳化硅（55%）、硅鈣碳脫氧劑的重量。

可以得到某一種元素各個合金配料的含有率同時可以進一步表示為約束條件，只要投入的元素的重量等于合金配料種元素的重量， 脫氧合金化過程的成本要最低，即滿足目標函數。

其中，M為脫氧合金化的最小成本，m為各個金屬配料的單價，b1，b2…，b9分別為碳、錳、硫、磷、硅、鋁、鈣、釩、氮9種元素的重量，a1，a2，...，a16各個合金配料的含有率，X1，X2，…X15，X16為合金配料的重量。

以前100次作為樣本訓練支持向量機的模型，以后100次數據作為實際結果與預測結果對比，以轉爐終點溫度，鋼水凈重，C、Mn、S、P、Si元素重量作為支持向量機的輸入，以元素的收得率作為輸出，C與 Mn元素收得率100次預測結果，如圖1。

同時預測的100個爐號最優成本并取預測的100個爐號建立線性規劃模型并求解得到合金配料方案如表1。在這里給出前5號爐的合金配料方案。

3 模型的評價與推廣

利用多元回歸分析來分析元素收得率的影響因素，簡單明了。并對其進行殘差檢驗，具有信服力。而且只考慮輸入，輸出和其中的關系，把脫氧合金化過程系統化，建立了基于支持向量機收得率預測模型。但忽略了配料脫氧合金化過程或者投入過程中的損失問題。在支持向量機模型的基礎上，創造的加入負反饋機制使輸出能夠影響輸入，提高了預測的精度。

模型的改進、仿真測試等在微機板上進行，達到理想的效果后再移植到過程機版進行在線控制。使得操作界面友好，提高人機交互性。

參考文獻：

[1]張俊娜，毛文濤，穆曉霞，等.基于局部差商信息修正的全局多模型建模方法[J].計算機工程與設計，2013，034（007）：2551-

2555，2574.

[2]張晨.鋼包精煉工藝對釩氮合金收得率的影響[J].鋼鐵釩鈦，2003（04）：48-52.

[3]穆曉霞，范海菊，牛振齊.無線局域網絡的理論與技術研究[J].河南師范大學學報：自然科學版，2011，039（006）：154-157.

[4]唐國寧，羅曉曙，孔令江.用負反饋控制混沌Lorenz系統到達任意目標[J].物理學報，2000，049（001）：30-32.