一种烧结矿性能质量预测系统、方法、设备和介质与流程

本申请涉及智能冶金领域，尤其涉及一种烧结矿性能质量预测系统、方法、设备和介质。

背景技术：

1、钢铁生产是一个复杂的流程工业生产过程，生产过程的核心是高炉炼铁，烧结生产作为高炉炼铁生产的前工序，是炼铁生产的原料准备环节，烧结矿的质量直接影响着高炉炼铁的产量、质量及生产能耗，对烧结矿生产性能的准确预测是优化钢铁生产的前提，对钢铁生产具有重要的指导意义。

2、烧结过程工艺机理复杂，既包括多道工序，且各工序之间又相互关联、相互影响。烧结过程的基本原理是将有用的矿物粉末(含铁原料、熔剂、燃料、水等)按照一定比例进行配料，并加入适当的水分，经混合制粒后，铺到烧结机台车上，烧结料经表面点火后，在下部风箱强制抽风作用下，料层内燃料自上而下燃烧并放热，混合料在高温作用下发生一系列物理、化学反应，并产生一定的液相，随着料层温度降低冷却，液相将矿粉颗粒固结成块。

3、烧结生产性能指标的影响因素众多，性能指标与影响性能指标的各变量之间呈现出很强的非线性特征，因此需要预测模型具有强大的非线性处理能力。此外，烧结矿配比是影响烧结矿性能质量的关键因素，不同原料的搭配比例可能得到不同性能质量的烧结矿。通常地，烧结配料可使用的原料种类多达数十种，但配比历史数据通常表现为稀疏矩阵。现有烧结矿质量预测方法难以满足不同性能质量指标预测需求且难以保证预测准确性。

技术实现思路

1、鉴于以上现有技术存在的问题，本申请提出一种烧结矿性能质量预测系统。方法、设备和介质，主要解决现有烧结性能质量预测准确性差的问题。

2、为了实现上述目的及其他目的，本申请采用的技术方案如下。

3、本申请提供一种烧结矿性能质量预测系统，包括：

4、特征提取模块，用于根据原料的矿相类型对输入的烧结矿配比方案进行特征提取，得到各矿相类型的配比特征；

5、输入数据构建模块，用于将各原料对应的混匀料质量数据、烧结操作控制参数和所述配比特征进行组合，得到预测输入数据；

6、预测模块，用于将所述预测输入数据输入预训练的预测模型，得到烧结矿性能质量数据。

7、在本申请一实施例中，所述特征提取模块，包括：

8、矿相类型匹配单元，用于获取所述烧结矿配比方案中各原料的原料名称，根据所述原料名称调用预设数据表以确定各所述原料名称对应的矿相类型，其中，所述预设数据表用于记录原料名称与矿相类型的对应关系，且一种矿相类型对应至少一个原料名称；

9、配比提取单元，用于获取所述烧结矿配比方案中各原料的配比，根据对应同一矿相类型的原料的配比确定对应矿相类型的配比特征。

10、在本申请一实施例中，所述矿相类型包括：赤铁矿、褐铁矿、磁铁矿、半褐铁矿、菱铁矿。

11、在本申请一实施例中，根据对应同一矿相类型的原料的配比确定对应矿相类型的配比特征的方式，包括：

12、

13、

14、式中，n为原料的数量；k为矿相类型；xi为原料i的配比；tki为原料i的矿相类型系数；α为半褐铁矿比例系数，α∈[0，1]；tk为矿相类型k的配比特征。

15、在本申请一实施例中，所述输入数据构建模块，包括：

16、混匀料质量数据采集单元，用于获取所述烧结矿配比方案对应的混匀料质量数据；

17、控制参数采集单元，用于获取所述烧结矿配比方案对应的烧结操作控制参数；

18、特征采集单元，用于获取所述特征提取模块输出的配比特征；

19、组合输入单元，用于将所述混匀料质量数据采集单元、控制参数采集单元和特征采集单元获取的数据进行组合，得到包含多个维度的输入数据阵列。

20、在本申请一实施例中，所述预测模型的训练方式包括：

21、获取历史烧结矿配比方案、所述历史烧结矿配矿方案对应的混匀料质量数据样本、烧结操作控制参数样本以及烧结矿性能质量数据样本；

22、根据所述历史烧结矿配比方案确定对应的原料矿相类型配比矩阵，以将所述原料矿相类型配比矩阵与对应的混匀料质量数据样本以及烧结操作控制参数样本进行组合，得到输入样本；

23、将所述输入样本输入预设的神经网络，并以对应的烧结矿性能质量数据样本作为所述神经网络的输出，进行模型训练，得到所述预测模型用以表征输入样本与烧结矿性能质量数据样本的映射关系。

24、在本申请一实施例中，所述神经网络的结构由底层向上层依次包括：输入层、全连接层、dropout层和输出层。

25、在本申请一实施例中，所述神经网络的结构由底层向上层依次包括：输入层、全连接层、dropout层、全连接层和输出层。

26、本申请还提供一种烧结矿性能质量预测方法，包括：

27、根据原料的矿相类型对输入的烧结矿配比方案进行特征提取，得到各矿相类型的配比特征；

28、将各原料对应的混匀料质量数据、烧结操作控制参数和所述配比特征进行组合，得到预测输入数据；

29、将所述预测输入数据输入预训练的预测模型，得到烧结矿性能质量数据。

30、本申请还提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的烧结矿性能质量预测方法的步骤。

31、本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的烧结矿性能质量预测方法的步骤。

32、如上所述，本申请一种烧结矿性能质量预测系统、方法、设备和介质，具有以下有益效果。

33、本申请提供的烧结矿性能质量预测系统通过特征提取模块提取烧结矿配比方案中原料矿相类型配比的维度，进而降低输入预测模型的数据维度，提高预测模型的处理效率和准确性，同时考虑混匀料质量数据和烧结操作控制参数对烧结矿性能质量数据的影响，进一步保证烧结矿性能质量数据预测的准确性，为烧结矿配比方案设计以及烧结操作控制参数优化提供可靠的数据支撑。

技术特征：

1.一种烧结矿性能质量预测系统，其特征在于，包括：

2.根据权利要求1所述的烧结矿性能质量预测系统，其特征在于，所述特征提取模块，包括：

3.根据权利要求2所述的烧结矿性能质量预测系统，其特征在于，所述矿相类型包括：赤铁矿、褐铁矿、磁铁矿、半褐铁矿、菱铁矿。

4.根据权利要求3所述的烧结矿性能质量预测系统，其特征在于，根据对应同一矿相类型的原料的配比确定对应矿相类型的配比特征的方式，包括：

5.根据权利要求1所述的烧结矿性能质量预测系统，其特征在于，所述输入数据构建模块，包括：

6.根据权利要求1所述的烧结矿性能质量预测系统，其特征在于，所述预测模型的训练方式包括：

7.根据权利要求6所述的烧结矿性能质量预测系统，其特征在于，所述神经网络的结构由底层向上层依次包括：输入层、全连接层、dropout层和输出层。

8.根据权利要求6所述的烧结矿性能质量预测系统，其特征在于，所述神经网络的结构由底层向上层依次包括：输入层、全连接层、dropout层、全连接层和输出层。

9.一种烧结矿性能质量预测方法，其特征在于，包括：

10.一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求9所述的烧结矿性能质量预测方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求9所述的烧结矿性能质量预测方法的步骤。

技术总结
本申请提供一种烧结矿性能质量预测系统、方法、设备和介质，该系统包括：特征提取模块，用于根据原料的矿相类型对输入的烧结矿配比方案进行特征提取，得到各矿相类型的配比特征；输入数据构建模块，用于将各原料对应的混匀料质量数据、烧结操作控制参数和所述配比特征进行组合，得到预测输入数据；预测模块，用于将所述预测输入数据输入预训练的预测模型，得到烧结矿性能质量数据。本申请通过对烧结矿配比方案中原料按照矿相类型进行分类统计得到配比特征，可将原料配比稀疏矩阵转换为矿相类型稠密举证，降低特征维度，便于进行模型构建和训练，提高模型预测的准确性。

技术研发人员：何茂成,王刚,陈益辉,李朋,黄亮,吴开基,李牧明,赖菲菲,洪志斌,翟晓波
受保护的技术使用者：中冶赛迪工程技术股份有限公司
技术研发日：
技术公布日：2024/1/11