权利要求
1.转炉出钢过程合金加入量的确定方法，其特征在于，包括以下步骤：
S1.采集转炉生产数据集，建立预测模型数据库；
S2.对采集的转炉生产数据集进行数据筛选和淘洗，对筛选和淘洗后的数据进行预处理；
S3.确定影响转炉出钢过程Si收得率的工艺参数变量，作为模型的输入变量，建立LSTM神经网络Si收得率预测模型；
S4.确定影响转炉出钢过程Mn收得率的工艺参数变量，作为模型的输入变量，建立LSTM神经网络Mn收得率预测模型；
S5.确定影响转炉出钢过程Cr收得率的工艺参数变量，作为模型的输入变量，建立LSTM神经网络Cr收得率预测模型；
S6.预测模型训练和测试；
S7.采集现场冶炼过程的实时数据，预测Si、Mn和Cr元素收得率；
S8.通过整数线性规划求解合金加入量；
S9.按照求解的合金加入量结果配加合金，出钢结束，数据存入预测模型数据库。
2.根据权利要求1所述的转炉出钢过程合金加入量的确定方法，其特征在于，所述步骤S1中，所述转炉生产数据集包括：
生产日期、炉次号、吹炼周期、铁水成分、铁水装入量、废钢装入量、渣料加入量、合金加入量、副枪信息、终点化验成分、吹氧信息、出钢温度、出钢量和合金化后包样化验成分。
3.根据权利要求1所述的转炉出钢过程合金加入量的确定方法，其特征在于，所述步骤S2中，所述对采集的转炉生产数据集进行数据筛选和淘洗，具体包括：
删除重复数据，删除异常点和极端异常点，异常数据的评判如式（1）：
（1）
其中，表示待测数据按照从小到大排序后的第个数据，为上四分位数，为下四分位数，表示四分位距。
4.根据权利要求1所述的转炉出钢过程合金加入量的确定方法，其特征在于，所述步骤S2中，所述对筛选和淘洗后的数据进行预处理，具体包括：
将数据集归一化到[-1,1]，具体处理方式如式（2）所示：
（2）
其中，为生产数据样本的原始数据；为经过归一化处理的数据；表示第个样本点；表示第个输入变量；、、分别为原始数据样本中的最小值、最大值和平均值。
5.根据权利要求1所述的转炉出钢过程合金加入量的确定方法，其特征在于，所述步骤S3中，所述Si收得率预测模型输入变量包括：钢包状态
声明：
“转炉出钢过程合金加入量的确定方法和系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1770
编辑：中冶有色网
来源：北京科技大学
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年05月08日 ~ 10日 
