CN119514898B 一种基于大数据的高炉炉渣碱度智能调整方法 （东北大学）

一种基于大数据的高炉炉渣碱度智能调整本发明提供一种基于大数据的高炉炉渣碱态评估结果确定炉渣碱度的调整方向和调整步合炉渣碱度的调整方向和调整步长确定物料调2收集高炉的历史生产数据，根据所述历史生根据第一箱型图识别处理结果中的生产关键参数，并根据所述生产关对处理结果绘制热图，确定每个生产关键参数与炉渣碱度之间的参数分布特征与连接关系确定不同原料配比对炉渣碱度根据所述影响程度结合预设的碱度调整原则构建初始模型，根据获取炼铁工艺的实际情况，基于所述实际情况确定工艺原则，计算所述第一相关目标参数与第二相关目标参数与炉渣碱对所述第一相关目标参数与第二相关目标参数进行共线性分析，根据3基于输入特征运用深度学习算法构建提前一个冶炼周期预测参根据现场经验和产品质量标准，设定参数炉渣碱度、参数炉渣镁获取实际数据，根据所述状态分级确定实际数据对应的测炉渣碱度xn之间的差距对步长的影响函数；表示参数炉渣碱度的历史步长4x铁水硫含量xn在时间步t内的均值；,其中，Qn,()表示参数铁水硫含量数炉渣镁铝比j耦合关系的权重系数；w.m表示参数炉渣碱度i与参数铁水硫含量m耦合关获取当前入炉炉料数据，将当前入炉炉料数据输入到理论计将当前入炉炉料数据输入到预测模型中，根据预测模型计算出在结合当前理想炉渣碱度与当前实际炉渣碱度的调整方向和调整步长确定物料调整量，56[0013]收集高炉的历史生产数据，根据所述历史生产数据使用统计软件绘制第一箱型所述参数分布特征与连接关系确定不同原料配比对炉渣碱度的影[0016]根据所述影响程度结合预设的碱度调整原则构建初始模实际状态分级与预测结果对应的预测状态分级进行比较，得出实际炉渣碱度的调整方向，7与预测炉渣碱度xn之间的差距对步长的影响函数；表示参数炉渣碱度的历史镁铝比和参数铁水硫含量的平均值；p表示耦合因子对步长的调整系数；a)表示参数炉,表示实际示实际铁水硫含量xn在时间步t内的均值；n,()表示参数铁水硫含与参数炉渣镁铝比j耦合关系的权重系数；W.m表示参数炉渣碱度i与参数铁水硫含量m耦8当前入炉炉料数据，结合实际炉渣碱度的实际调整方向和实际调整步长确定物料调整量，[0039]结合当前理想炉渣碱度与当前实际炉渣碱度的调整方向和调整步长确定物料调[0044]图1是本发明实施例提供的一种基于大数据的高炉炉渣碱度智能调整方法的流程9[0073]收集高炉的历史生产数据，根据所述历史生产数据使用统计软件绘制第一箱型所述参数分布特征与连接关系确定不同原料配比对炉渣碱度的影[0076]根据所述影响程度结合预设的碱度调整原则构建初始模[0089]该实施例中，现场吃料情况是指高炉在实际生产过程中[0098]该实施例中，炼铁工艺的实际情况是指在实际炼铁过程中所观察到的操作条件、实际状态分级与预测结果对应的预测状态分级进行比较，得出实际炉渣碱度的调整方向，[0126]该实施例中，比较的过程是将实际数据与设定的参数范与预测炉渣碱度xn之间的差距对步长的影响函数；表示参数炉渣碱度的历史镁铝比和参数铁水硫含量的平均值；p表示耦合因子对步长的调整系数；a)表示参数炉[0135]本发明实施例提供一种基于大数据的高炉炉渣碱度智能调整方法，耦合因子函,表示实际示实际铁水硫含量xn在时间步t内的均值；n,()表示参数铁水硫含与参数炉渣镁铝比j耦合关系的权重系数；W.m表示参数炉渣碱度i与参数铁水硫含量m耦[0140]上述技术方案的工作原理及有益效果是：通过耦合因子函数描述参数炉渣碱度、镁铝比和铁水硫含量之间的相互影响，每个耦合因子函数根据时间步k的实际值和均值计[0145]结合当前理想炉渣碱度与当前实际炉渣碱度的调整方向和调整步长确定物料调[014