轉(zhuǎn)爐冶煉造渣過程控制

轉(zhuǎn)爐冶煉造渣過程控制

通過半鋼扭轉(zhuǎn)爐的主要任務(wù)是干燥和提取金屬（半鋼），其成分（c、p、s等）在c、p、s等溫度下符合工藝要求。由于半鋼溫度低,[C]、[Si]元素少,需要通過造渣來彌補,所以造渣是半鋼煉鋼的重中之重。目前,關(guān)于造渣料計算方法的研究,主要有理論計算、數(shù)理統(tǒng)計、增量計算、BP神經(jīng)網(wǎng)絡(luò)4種方法。理論計算方法,是根據(jù)[Si]含量以及終渣堿度和w(MgO)的要求來計算造渣料的加入量;統(tǒng)計回歸方法,是由歷史數(shù)據(jù)回歸出造渣料加入量與其主要影響因素間的關(guān)系式;增量計算方法根據(jù)參考爐次信息與當(dāng)前爐次信息的差值,對參考加入量進行調(diào)整后得到本爐次加入量;BP神經(jīng)網(wǎng)絡(luò)通過對歷史數(shù)據(jù)的學(xué)習(xí),確定造渣料加入量與影響因素間的映射函數(shù)。以上4種方法在造渣料計算中都得到了不同程度的應(yīng)用,但仍存在較多問題。理論計算方法以爐內(nèi)物理化學(xué)變化機制為依據(jù),但其建立在諸多假設(shè)之上,計算精度不高,不適用于半鋼煉鋼過程;統(tǒng)計回歸方法簡單易用,但在反映造渣料加入量與其影響因素的非線性關(guān)系上存在不足;增量計算方法精度較高,但對參考爐次和人工經(jīng)驗的依賴性很大,不利于自動控制的實現(xiàn);BP神經(jīng)網(wǎng)絡(luò)模型具有良好的非線性映射能力和容錯能力,但無法很好地結(jié)合人工經(jīng)驗。在以上分析基礎(chǔ)上,本文建立了由石灰、高鎂石灰、復(fù)合渣3個BP神經(jīng)網(wǎng)絡(luò)計算模型組成的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型,將人工經(jīng)驗與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,克服了以上各模型存在的不足。1級聯(lián)式bp神經(jīng)網(wǎng)絡(luò)的構(gòu)建BP神經(jīng)網(wǎng)絡(luò)通常都是1組輸入向量對應(yīng)1組輸出向量,輸出向量間不存在關(guān)系。但在實際應(yīng)用中經(jīng)常會發(fā)現(xiàn)輸出向量間也存在一定的有序關(guān)系。因此,針對不同的輸出變量,建立單獨的BP網(wǎng)絡(luò)子模型,并根據(jù)輸出向量間的關(guān)系將各子模型串聯(lián)起來,即構(gòu)成級聯(lián)式BP神經(jīng)網(wǎng)絡(luò),如圖1所示。子模型除具有共同的輸入向量外,上級子模型的輸出也將作為輸入,這樣可以很好地解決此類輸出變量間存在關(guān)系的問題,模型的應(yīng)用效果也可以得到大大提高。2用轉(zhuǎn)爐法計算二次人工神經(jīng)網(wǎng)絡(luò)模型的級聯(lián)式人工網(wǎng)絡(luò)模型2.1造渣料加入量的確定針對半鋼煉鋼的特殊性,某鋼廠經(jīng)過多年不斷的試驗,在半鋼煉鋼生產(chǎn)實踐中已形成了具有自身特色的半鋼煉鋼造渣制度。該鋼廠現(xiàn)有5座120t的煉鋼轉(zhuǎn)爐,其選用的造渣料主要有石灰、高鎂石灰、復(fù)合渣。目前該鋼廠通過人工經(jīng)驗確定造渣料加入量。首先,由入爐金屬的硫、磷含量以及目標(biāo)出鋼要求的硫、磷含量確定石灰的加入量;然后根據(jù)石灰的加入量,配加高鎂石灰;再根據(jù)石灰和高鎂石灰確定復(fù)合渣的加入量。由此可以看出,3種渣料加入量存在級聯(lián)關(guān)系,可通過級聯(lián)模型求解。理論分析知對造渣料加入量有影響的因素,主要包括入爐金屬量,入爐C、Si、P,目標(biāo)出鋼P、S等。從歷史數(shù)據(jù)中,分析造渣料加入量與各影響因素的相關(guān)性,相關(guān)系數(shù)計算如式(1)所示。rXY=∑(X?X—)(Y?Y—)∑(X?X—)2?∑(Y?Y—)2√(1)rXY=∑(X-X—)(Y-Y—)∑(X-X—)2?∑(Y-Y—)2(1)式中:rXY表示變量X、Y的相關(guān)系數(shù);X—X—、Y—Y—表示變量X、Y的均值。計算結(jié)果如表1所示,選取相關(guān)系數(shù)較大的因素作為神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入變量,見表2。2.2子神經(jīng)網(wǎng)絡(luò)模型的建立2.2.1神經(jīng)網(wǎng)絡(luò)模型的建立神經(jīng)網(wǎng)絡(luò)的性能與隱含層單元數(shù)的選取密切相關(guān)。隱含層節(jié)點數(shù)的選取與問題的實際要求、輸入和輸出節(jié)點數(shù)目有一定的聯(lián)系。隱含層節(jié)點數(shù)計算公式如式(2)。r=N+M??????√+δ(2)r=Ν+Μ+δ(2)式中:r為隱含層節(jié)點數(shù);M為輸入層節(jié)點數(shù);N為輸出層節(jié)點數(shù);δ為1～10之間的常數(shù)。選擇合適的傳遞函數(shù),完成從輸入到輸出的映射,可以提高神經(jīng)網(wǎng)絡(luò)的泛化能力。輸入到隱含層選擇正切S型tansig函數(shù),如式(3);隱含層到輸出層選擇對數(shù)S型lgsig傳遞函數(shù),如式(4)。f1(x)=ex?e?xex+e?x(3)f1(x)=11+e?x(4)f1(x)=ex-e-xex+e-x(3)f1(x)=11+e-x(4)2.2.2網(wǎng)絡(luò)權(quán)值調(diào)整標(biāo)準(zhǔn)的BP算法通常采用梯度下降的方法進行學(xué)習(xí),隨著網(wǎng)絡(luò)實際輸出與期望輸出間誤差的逐漸減小,運算速度降低,并且容易陷入局部極小值。為了抑制學(xué)習(xí)過程中的振蕩,加快收斂速度,避免陷入局部最小的陷阱,在調(diào)整網(wǎng)絡(luò)權(quán)值時,采用添加動量因子的技術(shù),權(quán)值調(diào)整的公式如式(5)。wk+1=wk+η(??E?wk)+θΔw(k?1)(5)wk+1=wk+η(-?E?wk)+θΔw(k-1)(5)式中:η為學(xué)習(xí)率;θ為動量因子,取值范圍為0<θ<1;E為網(wǎng)絡(luò)誤差,由式(6)計算。E(w)=12∑i(Tpi?Opi)2(6)E(w)=12∑i(Τpi-Οpi)2(6)式中:Tpi、Opi分別為第P個樣本目標(biāo)輸出和網(wǎng)絡(luò)的實際計算輸出值。2.3復(fù)合渣計算模型的建立根據(jù)實際經(jīng)驗,建立由石灰子模型、高鎂石灰子模型和復(fù)合渣子模型3個子模型組成的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)的造渣料計算模型,其結(jié)構(gòu)如圖2所示。石灰加入量計算模型采用鋼廠的歷史數(shù)據(jù)進行學(xué)習(xí),而高鎂石灰、復(fù)合渣計算模型的學(xué)習(xí)數(shù)據(jù)除了歷史數(shù)據(jù)外,還包括上級模型的輸出值。采用級聯(lián)的方式進行建模時,僅用BP網(wǎng)絡(luò)實際輸出與期望輸出的誤差均方值計算誤差,必將導(dǎo)致誤差的不斷累積。在各子模型的誤差函數(shù)中以一定比例加上其上級子模型輸出的誤差,以有效抑制誤差的累積。其實質(zhì)是預(yù)知上級模型可能存在的誤差,以及此誤差對本級模型輸出的影響,進而調(diào)整本模型的輸出。石灰加入量計算模型是基于鋼廠歷史數(shù)據(jù)而建立,其輸入數(shù)據(jù)都是鋼廠造渣的實績數(shù)據(jù),因此其誤差計算公式仍采用常規(guī)的誤差均方值形式,如式(7)。E(w)sh=12∑i(T(pi)sh?O(pi)sh)2(7)E(w)sh=12∑i(Τ(pi)sh-Ο(pi)sh)2(7)高鎂石灰計算模型的輸入中包含石灰加入量計算模型的輸出,采用模型的實際計算值作為下一級模型的輸入進行學(xué)習(xí),其誤差計算如式(8)。E(w)gmsh=12∑i((T(pi)gmsh?O(pi)gmsh)+α(T(pi)gmsh?O(pi)gmsh))2(8)E(w)gmsh=12∑i((Τ(pi)gmsh-Ο(pi)gmsh)+α(Τ(pi)gmsh-Ο(pi)gmsh))2(8)式中:α為系數(shù),反映高鎂石灰加入量對石灰加入量的靈敏度,通過試驗確定其取值。相應(yīng)地,將石灰加入量計算模型、高鎂石灰計算模型實際的輸出結(jié)果作為復(fù)合渣計算模型的輸入進行學(xué)習(xí),其誤差計算公式如式(9)。E(w)fhz=12∑i((T(pi)fhz?O(pi)fhz)+β(T(pi)sh?O(pi)sh)+γ(T(pi)gmsh?O(pi)gmsh))2(9)E(w)fhz=12∑i((Τ(pi)fhz-Ο(pi)fhz)+β(Τ(pi)sh-Ο(pi)sh)+γ(Τ(pi)gmsh-Ο(pi)gmsh))2(9)式中:β、γ為系數(shù),反映復(fù)合渣加入量對石灰、高鎂石灰加入量的靈敏度,通過試驗確定其取值。3模型建立與分析針對鋼廠轉(zhuǎn)爐半鋼煉鋼的實際情況,理論分析了其造渣過程,分別構(gòu)建了造渣料計算的機制模型、統(tǒng)計模型和級聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型。機制模型由P、S分配系數(shù)確定總渣量,再根據(jù)終渣要求計算各造渣料的加入量;統(tǒng)計模型首先確定造渣料加入量的影響因素,再由此構(gòu)建計算公式,回歸確定方程系數(shù),直接使用公式計算造渣料加入量;級聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型按前述方式構(gòu)建。從該鋼廠3號轉(zhuǎn)爐2009年4月至2010年3月的生產(chǎn)數(shù)據(jù)中選出4371爐完整數(shù)據(jù),90%的數(shù)據(jù)用于統(tǒng)計模型和級聯(lián)模型的建立,10%的數(shù)據(jù)用于對模型效果的驗證。其中,在級聯(lián)模型中,取η=0.8,θ=0.95,α=0.5,β=0.4,γ=0.3,α、β、γ的取值是通過多次試驗得出的。將各模型計算結(jié)果與實際加入量比較,效果如表3所示。表中:ξ=PN?Nξ=ΡΝ?Ν為測試總爐數(shù),P為計算值與實際值差值絕對值小于400kg的爐數(shù)。對比3個模型的應(yīng)用效果,級聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用效果明顯優(yōu)于機制和統(tǒng)計模型。4造