[發明專利]一種基于粒子群優化案例推理的RH終點溫度預測方法

有效

• 申請號: 201911354297.0
• 申請日: 2019-12-25
• 公開（公告）號: CN111020118B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 劉惠康;江典蔚;鮑考明;楊賢昭;曹宇軒
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06F17/18
• 分類號: G06F17/18
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 裴金華

1.一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于，包括如下步驟：

S1：分析出所有引起當前RH精煉爐數據中的鋼液溫度變化趨勢的第一影響因素并建立第一案例庫；

S2：利用多元線性回歸方法計算出第一案例庫中的第一影響因素的第一多元線性回歸系數，并對第一影響因素的屬性進行約簡；

S3：獲取第一影響因素中第一多元線性回歸系數值大于第一預設值的第一預設影響因子；

S4：采用粒子群優化方法對第一預設影響因子的屬性權重進行優化；

S5：基于約簡的屬性和優化的第一權重系數利用灰色關聯相似算法對RH精煉鋼水終點溫度進行預測以獲取預測溫度；

還包括歷史案例庫，所述歷史案例庫存儲有歷史終點溫度、與歷史終點溫度相對應、影響歷史溫度的歷史影響因素和歷史影響因素的歷史權重系數，步驟S5中調用歷史案例庫并通過灰色關聯相似算法計算歷史案例庫和第一案例庫的相似度，篩選出相似度值大于第二預設值時的歷史終點溫度作為RH精煉鋼水終點溫度的預測溫度。

2.如權利要求1所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：所述第一影響因素包括到站鋼水溫度、處理開始鋼水溫度、鋼水重量、氬氣消耗、加入合金量、加入脫氧劑量、真空室烘烤溫度、浸漬管壽命、鋼包凈空、總處理周期。

3.如權利要求1或2所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：步驟S3中獲取第一影響因素中第一多元線性回歸系數值大于0.1的預設影響因子。

4.如權利要求3所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：所述第一預設影響因子包括到站鋼水溫度、鋼水重量、加入合金量、加入脫氧劑量、總處理周期。

5.如權利要求4所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：所述預測溫度為，，，其中為到站鋼水溫度/℃，為過程溫降/℃，為與時間有關的第一溫降/℃，為加入鐵合金造成的第二溫降/℃，為由于加入脫氧劑造成的第一溫升/℃，為其它因素造成的第三溫降/℃，為進行吹入氧氣造成的第二溫升/℃。

6.如權利要求5所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：，為與吹氬流量有關的自然溫降系數/（℃ ? min-1），為RH處理時間/min，，為合金的加入量/kg，為合金溫降系數/（℃ ? t^-1），，，為鋼水游離氧含量，為脫氧造成的溫度變化/℃，，為鋼包溫降系數/（℃ ? min-1），，為吹氧量/m³。

7.如權利要求6所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：步驟S3通過粒子群優化方法優化第一預設影響因子的屬性權重時的學習因子c1=c2=2，粒子群體個數N=40，最大迭代次數maxgeneration=100，獲取的權系數為[0.0468，0.2879，0.2839，0.1440，0.2374]。

8.如權利要求1或2所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：步驟S1中結合具體工藝條件，收集310組熱生產數據，其中200組作為操作指導模型和預處理的第一案例庫數據，110組作為測試數據。

9.如權利要求1所述的一種基于粒子群優化案例推理的 RH 終點溫度預測方法，其特征在于：步驟S5中包括：獲取第一預設影響因子中第一權重系數值大于第三預設值的第二預設影響因子；通過灰色關聯相似算法計算歷史案例庫中的歷史權重系數和第一權重系數的相似度并獲取相似度值大于第四預設值的歷史權重系數；獲取歷史權重系數對應的歷史影響因素和歷史終點溫度并將歷史終點溫度作為RH精煉鋼水終點溫度的預測溫度；將第一案例庫存儲在歷史案例庫中。