一种出钢弱脱氧合金化预测方法、系统、设备及介质与流程

本申请涉及出钢弱脱氧合金化，尤其涉及一种出钢弱脱氧合金化预测方法、系统、设备及介质。

背景技术：

1、炼钢过程需通过氧化、造渣、合金化、升温等手段结合合理的装入制度、供氧制度、造渣制度、温度制度、终点控制及合金化制度，实现钢水的高品质和冶炼的高效稳定生产。

2、脱氧是指在炼钢和铸造过程中降低钢中氧含量的反应。是指在出钢过程中加入几种与氧的亲和力比铁强的合金元素，使钢中含氧量降低到要求的范围内。合金化是指在脱氧的同时把钢中硅、锰等合金元素调整到成品规格，完成合金化任务。在炼钢生产中，一般脱氧与合金化几乎同时进行。

3、现有的，脱氧合金化方法主要为，根据钢种的不同，选择对应的脱氧方法（例如，沉淀脱氧、扩散脱氧和真空脱氧），控制钢中氧含量。根据不同钢种对应的合金含量种类，选择对应的合金种类和合金加入量。

4、但是，实现上述方法主要依靠人工，在脱氧合金化过程中，需要快速确定合适的手段完成脱碳、脱磷、脱硫、脱氧、去除有害气体和夹杂、提高温度及调整成分等一系列任务，时间紧、任务重，人工控制不好直接影响后道工序精炼等的处理效率及效果，甚至造成生产事故、影响整个生产流程的稳定。

技术实现思路

1、针对现有技术的上述不足，本申请提供一种出钢弱脱氧合金化预测方法、系统、设备及介质，以解决现有的弱脱氧合金化方法主要依赖人工，无法快速确定炉次脱氧剂数据和本炉次合金数据的问题。

2、第一方面，本申请提供了一种出钢弱脱氧合金化预测方法，方法包括：获取预设时间段内的炉次铁水数据、炉次废钢数据、炉次造渣料数据、炉次副枪数据、炉次脱氧剂数据、炉次合金数据，以生成历史炉次数据库；通过历史炉次数据库完成第一神经网络算法的训练；获取本炉次铁水数据、本炉次废钢数据、本炉次造渣料数据、本炉次副枪数据作为本炉次数据，将本炉次数据导入训练好的第一神经网络算法，以获得本炉次预测数据；其中，本炉次预测数据包括：本炉次脱氧剂数据预测值和本炉次合金数据预测值；获取上传的本炉次理论数据；其中，本炉次理论数据包括：本炉次脱氧剂数据理论值和本炉次合金数据理论值；获取预设炉次弱脱氧系数；根据本炉次预测数据、本炉次理论数据和预设炉次弱脱氧系数，训练第二神经网络算法；在本炉次理论数据与本炉次预测数据一致时，完成第二神经网络算法的训练；将本炉次数据，导入训练好的第二神经网络算法，以获得本炉次脱氧剂数据实际值和本炉次合金数据实际值。

3、进一步地，炉次铁水数据至少包括：炉次铁水成分、炉次铁水温度、炉次铁水重量、炉次铁水渣量；炉次废钢数据至少包括：炉次废钢类型、各类型炉次废钢重量；炉次造渣料数据至少包括：炉次造渣料类型、各类型炉次造渣料重量、各类型炉次造渣料加入量；炉次副枪数据至少包括：炉次副枪tsc温度、炉次副枪tso温度、炉次副枪碳含量、炉次副枪氧含量；炉次脱氧剂数据至少包括：炉次脱氧剂种类、炉次脱氧剂成分、炉次脱氧剂加入量；炉次合金数据至少包括：炉次合金种类、炉次合金成分、炉次合金加入量。

4、进一步地，获取预设炉次弱脱氧系数，具体包括：通过预设炉次环境获取界面，获取本炉次环境变量；其中，本炉次环境变量至少包括：本炉次出钢下渣量、本炉次钢包底吹数据、本炉次钢包顶渣状况数据、本炉次钢包状况数据、本炉次工艺类型；根据本炉次环境变量的落入区间，从炉次弱脱氧系数数据库中确定预设炉次弱脱氧系数。

5、进一步地，方法还包括：通过预设弱脱氧系数获取界面，更新预设炉次弱脱氧系数；通过预设数据库更新界面，更新炉次弱脱氧系数数据库中落入区间与炉次弱脱氧系数之间的对应关系。

6、进一步地，根据本炉次预测数据、本炉次理论数据和预设炉次弱脱氧系数，训练第二神经网络算法，具体包括：通过训练第二神经网络算法，矫正本炉次预测数据和本炉次理论数据之间对应的预设公式中的预设炉次弱脱氧系数和/或矫正值；其中，预设公式为：本炉次理论数据=预设炉次弱脱氧系数*本炉次理论数据+矫正值。

7、第二方面，本申请提供了一种出钢弱脱氧合金化预测系统，系统包括：生成模块，用于获取预设时间段内的炉次铁水数据、炉次废钢数据、炉次造渣料数据、炉次副枪数据、炉次脱氧剂数据、炉次合金数据，以生成历史炉次数据库；获取模块，用于通过历史炉次数据库完成第一神经网络算法的训练；获取本炉次铁水数据、本炉次废钢数据、本炉次造渣料数据、本炉次副枪数据作为本炉次数据，将本炉次数据导入训练好的第一神经网络算法，以获得本炉次预测数据；其中，本炉次预测数据包括：本炉次脱氧剂数据预测值和本炉次合金数据预测值；获取上传的本炉次理论数据；其中，本炉次理论数据包括：本炉次脱氧剂数据理论值和本炉次合金数据理论值；获得模块，用于获取预设炉次弱脱氧系数；根据本炉次预测数据、本炉次理论数据和预设炉次弱脱氧系数，训练第二神经网络算法；在本炉次理论数据与本炉次预测数据一致时，完成第二神经网络算法的训练；将本炉次数据，导入训练好的第二神经网络算法，以获得本炉次脱氧剂数据实际值和本炉次合金数据实际值。

8、进一步地，获得模块包括确定单元，用于通过预设炉次环境获取界面，获取本炉次环境变量；其中，本炉次环境变量至少包括：本炉次出钢下渣量、本炉次钢包底吹数据、本炉次钢包顶渣状况数据、本炉次钢包状况数据、本炉次工艺类型；根据本炉次环境变量的落入区间，从炉次弱脱氧系数数据库中确定预设炉次弱脱氧系数。

9、进一步地，获得模块包括矫正单元，用于通过训练第二神经网络算法，矫正本炉次预测数据和本炉次理论数据之间对应的预设公式中的预设炉次弱脱氧系数和/或矫正值；其中，预设公式为：本炉次理论数据=预设炉次弱脱氧系数*本炉次理论数据+矫正值。

10、第三方面，本申请提供了一种出钢弱脱氧合金化预测设备，设备包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述任一项的一种出钢弱脱氧合金化预测方法。

11、第四方面，本申请提供了一种非易失性计算机存储介质，其上存储有计算机指令，计算机指令在被执行时实现如上述任一项的一种出钢弱脱氧合金化预测方法。

12、本领域技术人员能够理解的是，本申请至少具有如下有益效果：

13、本申请通过对历史炉次的相关信息数据（历史炉次数据库）进行采集历史炉次数据库大数据分析训练第一神经网络算法，通过第一神经网络算法得出同等条件下对应的本炉次预测数据（历史推优数据值），结合本炉次理论数据进行修正，得出该获得本炉次脱氧剂数据实际值和本炉次合金数据实际值，实现了快速确定炉次脱氧剂数据和本炉次合金数据，提高了精准管控水平和成分合格率，有利于降低炼钢辅料、脱氧剂及合金用量、降低吨钢成本，同时有效降低吹炼终点的钢水磷含量和出钢过程中的回磷、增氮程度，提高钢水洁净度和铸坯质量，具有经济效益和推广价值。

技术特征：

1.一种出钢弱脱氧合金化预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的出钢弱脱氧合金化预测方法，其特征在于，

3.根据权利要求1所述的出钢弱脱氧合金化预测方法，其特征在于，获取预设炉次弱脱氧系数，具体包括：

4.根据权利要求3所述的出钢弱脱氧合金化预测方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的出钢弱脱氧合金化预测方法，其特征在于，根据本炉次预测数据、本炉次理论数据和预设炉次弱脱氧系数，训练第二神经网络算法，具体包括：

6.一种出钢弱脱氧合金化预测系统，其特征在于，所述系统包括：

7.根据权利要求6所述的出钢弱脱氧合金化预测系统，其特征在于，获得模块包括确定单元，

8.根据权利要求6所述的出钢弱脱氧合金化预测系统，其特征在于，获得模块包括矫正单元，

9.一种出钢弱脱氧合金化预测设备，其特征在于，所述设备包括：

10.一种非易失性计算机存储介质，其特征在于，其上存储有计算机指令，所述计算机指令在被执行时实现如权利要求1-4任一项所述的一种出钢弱脱氧合金化预测方法。

技术总结
本申请公开了一种出钢弱脱氧合金化预测方法、系统、设备及介质，主要涉及出钢弱脱氧合金化技术领域，用以解决现有的弱脱氧合金化方法主要依赖人工，无法快速确定炉次脱氧剂数据和本炉次合金数据的问题。包括：通过历史炉次数据库完成第一神经网络算法的训练；获取本炉次数据，将本炉次数据导入训练好的第一神经网络算法，以获得本炉次预测数据；获取上传的本炉次理论数据；获取预设炉次弱脱氧系数；训练第二神经网络算法；在本炉次理论数据与本炉次预测数据一致时，完成第二神经网络算法的训练；将本炉次数据，导入训练好的第二神经网络算法，以获得本炉次脱氧剂数据实际值和本炉次合金数据实际值。

技术研发人员：王念欣,辛乐众,佟圣刚,曾晖,温福新,王兴,李海峰
受保护的技术使用者：山东钢铁股份有限公司
技术研发日：
技术公布日：2024/1/16