一种炼钢转炉自适应优化安全控制系统的制作方法

本发明涉及炼钢，尤其涉及一种炼钢转炉自适应优化安全控制系统。

背景技术：

1、钢材是一种重要的建筑材料，广泛应用于建筑、桥梁、轮船、汽车、火车、机械、电器等领域。钢材的强度、韧性、耐腐蚀性、耐磨性和耐高温性能都比铁和其他金属材料优异，因此被广泛应用于现代工业中。炼钢可以通过改变配料、冶炼工艺和炉温等方式来调整钢材的成分和性能，以满足不同的使用需求。同时，炼钢还可以回收利用废钢铁等金属材料，减少资源浪费和环境污染，具有重要的经济和环境意义，而炼钢是一种通过加热和冶炼铁矿石、废钢铁等金属材料，并加入一定的合金元素来生产钢材的过程。炼钢是将铁矿石转化为钢材的过程，也是将废钢铁等金属材料进行再利用的过程。

2、但是在现有技术中，在对将原料通过天车投入转炉后，需要根据转炉内取料检测数据判断是否需要进行补吹，例如中国专利申请公开了一种炼钢高炉自适应优化安全控制系统，cn114065526a，包括获取模块，用于在所述炼钢高炉处于工作状态时，获取所述炼钢高炉的若干个运行参数；优化策略生成模块，用于分别将每个运行参数与相对应的预设标准运行参数进行比较，得到比较结果，根据所述比较结果生成优化策略；第一控制模块，用于根据所述优化策略对所述炼钢高炉的运行参数进行优化处理。有益效果：精确的获取炼钢高炉的运行参数并最终生成优化策略，实时的对炼钢高炉的运行参数进行优化，保证炼钢高炉在工作过程中的安全性。

3、虽然上述方案具有如上的优势，但是上述方案的劣势在于：炼钢工艺中转炉加工阶段，转炉内的终点碳含量以及终点温度是决定炼钢质量的关键因素之一，因此对于炼钢终点温度、碳含量的检测则成为转炉内部数据检测关键，而目前较多使用的方法为采用神经网络建立转炉终点预测模型，虽然可以一定程度提高预测模型精度，但由于神经网络存在陷入局部最小值，需要大量样本支撑，预测难度较高，而另外一种采用孪生支持向量回归机所建立的模型预测，虽然预测效率高，但是本身预测精度较低，为此亟须一种炼钢转炉自适应优化安全控制系统来解决此类问题。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的采用神经网络建立转炉终点预测模型，虽然可以一定程度提高预测模型精度，但由于神经网络存在陷入局部最小值，需要大量样本支撑，预测难度较高，而另外一种采用孪生支持向量回归机所建立的模型预测，虽然预测效率高，但是本身预测精度较低的问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种炼钢转炉自适应优化安全控制系统，包括：数据采集模块、数据清洗模块、特征建立模块、模型选择单元、模型训练单元和模型校正单元，所述模型选择单元、模型训练单元和模型校正单元分别与特征建立模块连接，其中：

3、所述数据采集模块通过传感器收集转炉内数据的工艺参数，包括温度、压力、氧气流量、原料配比、铁水组成、烟气组成，用来构建数据集；

4、所述数据清洗模块对数据采集模块获取的数据集进行清洗，包括除噪、缺失值和异常值，再进行数据预处理，预处理包括：标准化、归一化；

5、所述特征建立模块通过数据清洗模块清洗后的数据基建立转炉模型和预测模型，转炉模型包括炉壳模型、温度模型、流场模型，预测模型包括氧枪出口温度预测模型、成分预测模型；

6、所述模型选择单元根据转炉加工原料选择对应模型，包括神经网络和支持向量机；

7、所述模型训练单元使用已标记的数据进行模型训练以及参数调整；

8、所述模型校正单元使用测试数据集对模型进行评估，根据采集到的数据，根据模型计算出主辅原材料添加量，确定吹炼方案。

9、作为一种优选的具体实施方式，所述数据采集模块包括数据监控模块、参数调节模块、供氧单元、副枪单元和控温单元，其中：

10、所述参数调节模块根据数据监控模块所获取模型与特征建立模块进行特征对比；

11、所述供氧单元根据特征对比获取参数进行供氧调整，内部包括供氧枪、供氧强度检测器、氧压检测器和渣量检测器；

12、所述副枪单元对转炉内钢水进行取样检测；

13、所述控温单元根据特征对比对转炉内部温度进行调节。

14、作为一种优选的具体实施方式，所述供氧单元、副枪单元和控温单元分别与参数调节模块连接，其中：

15、所述参数调节模块将数据监控模块所采集数据与模型选择单元所预设模型进行特征对比，对供氧单元、副枪单元、控温单元进行操控。

16、作为一种优选的具体实施方式，所述数据监控模块包括结构化数据模块、非结构化数据模块、单值数据处理单元、时序性数据处理单元、铁水成分监测模块即时时序数据监测模块、铁水温度监测模块延迟时序数据监测模块、废料加量监测模块、火焰图像检测和火焰光谱监测。

17、作为一种优选的具体实施方式，所述火焰图像检测和火焰光谱监测分别与非结构化数据模块连接，所述单值数据处理单元和时序性数据处理单元分别与结构化数据模块连接，其中：

18、所述火焰图像检测和火焰光谱监测将火焰图像进行监测，采用点运算方式和朴素贝叶斯对视频火焰进行检测；

19、所述单值数据处理单元通过对转炉内的单值数据进行监测；

20、所述时序性数据处理单元将数据检测分为即时时序数据和延迟时序数据。

21、作为一种优选的具体实施方式，所述铁水成分监测模块即时时序数据监测模块、铁水温度监测模块延迟时序数据监测模块和废料加量监测模块分别与单值数据处理单元连接，其中：

22、所述铁水成分监测模块即时时序数据监测模块通过副枪单元所提取的样品对铁水成分碳含量、硫含量、磷含量、硅含量、锰含量进行检测；

23、所述铁水温度监测模块延迟时序数据监测模块通过副枪单元所提取的样品对铁水温度进行检测；

24、所述废料加量监测模块对转炉内部液化铁水容积进行检测。

25、作为一种优选的具体实施方式，所述时序性数据处理单元包括铁水成分监测模块即时时序数据监测模块、铁水温度监测模块延迟时序数据监测模块、供氧流量、底吹流量、声呐监测、烟气流量和烟气成分。

26、作为一种优选的具体实施方式，所述供氧流量、底吹流量和声呐监测分别与铁水成分监测模块即时时序数据监测模块连接，其中：

27、所述供氧流量对转炉内部耗氧量进行监测；

28、所述底吹流量对转炉底部氩气和氮气含量进行监测。

29、作为一种优选的具体实施方式，所述烟气流量和烟气成分分别与铁水温度监测模块延迟时序数据监测模块连接，其中：

30、所述烟气流量对转炉外溢烟气的流量进行监测；

31、所述烟气成分对转炉外溢烟气的成分进行分析。

32、与现有技术相比，本发明的优点和积极效果在于，

33、1.本发明，通过结构化数据模块、非结构化数据模块的设置，对转炉内部的数据进行实时监测，同时通过非线性加权拉格朗日结合孪生支持向量回归机算法的应用，提高预测精度，降低误差率，获得的预测模型数据精度更高，能够更好地捕捉转炉终点温度的非线性特性，从而通过权重系数和向量分析各个输入参数对终点温度的影响程度，该控制系统可解释性、泛化能力更强，且更加稳定，解决了现有技术中存在的采用神经网络建立转炉终点预测模型，虽然可以一定程度提高预测模型精度，但由于神经网络存在陷入局部最小值，需要大量样本支撑，预测难度较高，而另外一种采用孪生支持向量回归机所建立的模型预测，虽然预测效率高，但是本身预测精度较低的问题。

34、2.本发明，通过火焰图像检测、火焰光谱监测的配合，将获取的不均匀的焰火图像变得更加均匀，同时对暗区细节进行加强，实现了多特征联合的视频火焰检测，通过提取火焰的特征结合多元模糊线性回归算法建立了终点预测模型，达到了较好的预测精度，便于对转炉内终点温度的监测。

35、3.本发明，通过供氧单元、副枪单元、控温单元可对转炉内部进行钢水样品提取，便于后续检测，同时可根据内部氧量进行供氧补充，以及温度调节，可实时对转炉内部参数进行调节。

36、4.本发明，通过特征建立模块和参数调节模块的配合，在转炉内部进行监测，通过特征建立模块建立特征模型进行参数校正，来判断是否需要进行补气、补氧、加料，继而实现对于转炉内部数据的模型建立，以及在产生参数变化时可进行对应调节，保证转炉炼钢质量。