下载文档原格式
作者： 苏畅[1];李媛[1];郑鑫浩[1];赵之一[1];李灏[1]
作者机构： [1]河南师范大学计算机与信息工程学院,河南新乡453007
出版物刊名： 科技创新与应用
页码： 88-90页
年卷期： 2020年 第20期
主题词： 合金收得率;多元线性回归分析模型;支持向量机;线性规划
摘要：转炉炼钢过程中,出钢时的脱氧合金化是相对独立而又十分重要的部分。
建立数学模型分析合金收得率并提高元素收得率预测准确率,进而实现脱氧合金化成本优化对实际钢铁冶炼具有十分重要的意义。
利用元素收得率为脱氧合金化时被钢水吸收的元素重量与加入该元素的总重量之比计算得到了碳、锰元素历史收得率,在元素收得率预测提高准确率的基础上,建议安装支持向量机[1]的元素收得率系统,建立良好的人机交互界面;最后介绍了成本的优化和合金配料方案。
工业炼钢中合金收得率的影响因素研究摘要：炼钢过程中，脱氧合金化是钢铁冶炼中的重要工艺环节，在保证钢产品达到某些特定要求指标，是各大钢铁企业提高竞争力所要解决的主要问题。
然而在冶炼过程中脱氧合金化的环节中，如何提高钢产品的合金收得率，降低各类影响因素是最为关键的要素。
首先，本文研究收得率的计算原理和方法，根据历史数据进行了C、Mn两种元素历史收得率的实际计算，得到两种元素收得率的分布情况。
然后进一步建立相关分析模型，通过不同钢号的钢产品两种元素收得率和转炉温度、加入合金料的量等因素的相关分析，应用SPSS和MATLAB软件分别确定了C、Mn两种元素收得率的主要影响因素。
关键词：收得率；MATLAB软件；影响因素前言炼钢过程是一个复杂的物理化学反应过程，其结果是要确保获得达标的合金元素含量，从而保证产品的最终性能。
脱氧合金化是炼钢冶炼中保证产品成分的重要工艺环节。
随着工业的快速发展，高附加值钢种产量不断提高，保证钢水质量是各大钢铁企业提高竞争力所要解决的重要问题。
1模型的建立与求解1.1数据预处理根据相关数据分析，文件存在数据缺失问题，将缺失数据分类，运用均值插补法，将数据分为定距型和非定距型，根据数据分析，转炉终点温度、转炉终点P分别为非定距型，转炉终点Si为定距型，转炉终点Mn与转炉终点P采用均值平滑，将缺失数据补齐。
1.2数据可视化及去噪根据相关数据分析，数据存在噪声，影响变量真值反映。
应用MATLAB对相关数据进行可视化，运用plot绘制数据最原始分布形态，了解数据大致的分布中心、边界、数据集中程度信息。
1.3计算C、Mn收得率合金收得率指脱氧合金化时被钢水吸收的合金元素的重量与加入该元素总重量之比：其中Q为钢水净重；r为合金配料种类总数；yij为第i种合金配料中j元素的含量；x(xi )为第i种合金配料的重量；a(ai )为某种元素的目标含量，bj为第j种元素的转炉终点的含量；根据上诉公式可以得出C、Mn两种元素的历史收得率。
钢水“脱氧合金化”最优配料方案研究摘要：本文主要针对我国钢铁产量进行相关生产工艺的研究。
矿石、煤炭等资源消耗巨大，因此利用改进生产工艺，对降低能耗、提高效益、提高产业竞争力具有重要意义。
首先我们对历史数据进行了预处理，删除了包括转炉终点温度为0的，C、Mn等元素数据均为Null的，其次加入的合金量为0的异常数据，并对九种不同钢号的钢铁进行了分离研究，最后使用MATLAB对正常数据进行了提取，并代入推导出的收得率计算公式，得到了主要元素的平均历史收得率。
根据结果，利用灰色关联分析法分析了转炉终点温度、加入合金料的量等多个因素，并提出了合金加入方式、钢品种为影响元素收得率的两个主要因素。
关键词：灰色关联分析法；人工神经网络；卡方检验；模拟退火模型引言炼钢过程中，脱氧合金化操作对于生产高附加值的优质钢种来说已成为必不可少的内容，可以准确、经济地生产出成分波动小且性能稳定的钢种，是炼钢自动化水平的标志之一。
故研究脱氧合金化模型并实现该工序的计算机控制具有明显的社会效益和经济效益。
通过分析研究炼钢历史数据及现实因素，计算C、Mn两种元素历史收得率，并着重分析影响元素历史收得率的主要因素。
利用元素收得率数据参数，建立数学模型预测C、Mn两种元素的收得率，并根据主要影响因素，进一步优化算法尽可能地提高预测准确率。
分析研究元素收得率的预测结果，建立数学模型，实现钢水脱氧合金化成本优化计算，并设计出合金配料方案。
1、问题分析首先我们需要对数据进行清除，保留正常数据后，根据元素收得率计算公式计算出C、Mn两元素的收得率，然后分析其他量化指标，但对于影响收得率的因素除量化指标外还应该与钢的种类有关，因此需要对钢的品种分类再使用灰色关联分析法，最终，我们加入合金料的量、钢品种为影响元素收得率的两个主要因素。
预测首先需要找到时间关系，因此我们使用炉号作为时间关系，并使用线性回归方程按照简单时间序列对C、Mn两种元素的收得率进行了预测，然后需要考虑其它影响元素收得率的因子从而进一步优化算法，我们可以利用人工神经网络模型对收得率参数进行处理，并对系统多次练习，从而提高预测准确率。
合金元素的吸收率及配料技术公式1、 中频感应炉熔炼时，加入铁合金中的合金元素收得率是多少？在整个熔炼过程中碳、硅、锰等元素的变化规律是什么？熔炼低合金钢、单元高合金钢、多元高合金钢时，在配料时怎样计算特合金的加入量？ 1）中频感应炉熔炼时合金元素的收得率，见表1表1 合金元素的收得率2）中频炉熔炼中，碳、硅、锰等元素的变化规律：①C 在熔炼全过程要烧损，炉料较好时碳烧损0.03%-0.06%。
废钢等熔清，经预脱氧后取炉前钢样到出钢碳烧损约0.02%（碳钢，低合金钢）；②废钢熔清后的残硅：碱性炉约0.1%，中性炉约0.15%，酸性炉约0.25%；③废钢熔清后的残Mn ：碱性炉、中性炉约0.2%~0.25%，酸性炉约0.1%~0.15%；④铁合金中的碳100%回收，硫、磷100%回收；⑤铁合金中的硅（稀土硅铁合金）100%回收；⑥酸性炉出钢前出现硅还原现象，钢液中增硅0.05%。
3）熔炼低合金钢时，铁合金加入量按下式计算：序号 合金名称 作用及加入时间 合金元素收得率 碱性炉 中性炉 酸性炉 1 FeSi 合金化，出钢前5~8min 85 90 100 2 FeMn 合金化，出钢前5~8min 90~95 85 75~80 3 FeCr 合金化，出钢前5~8min 95 95 95 4 FeNo 熔毕，或出钢前15~30min 98 95 95 5 FeW 熔毕，或出钢前15~30min 98 95 95 6 FeTi 铝终脱氧后加入，或冲包50~70 50~70 50~70 7 FeV 合金化，出钢前5~-8min （质量分数小于0.3%） 80~9080~90 80~90 合金化，出钢前5~8min （质量分数大于1.0%）95 90 90 8 FeNb 合金化，出钢前5~8min90 90 85 9 FeB 冲包40~60 40~60 40~60 10 金属镍 合金化，出钢前15~30min 98 98 95 11 金属铜 合金化，出钢前15~30min 98 98 95 12 石墨电极粉 增碳，出钢前5~8min 90 90 90 13焦炭粉增碳出钢前5~8min808080铁合金加入量 =4)熔炼单元高合金钢时，铁合金加入量按下式计算：铁合金加入量 =5）熔炼多元高合金钢时，各元素加入量都很大，一种铁合金加入，钢液量随之增大，影响其他元素在钢中的含量，故采用“补加系数”法计算（补加系数是指每加入100kg 合金料需补加的量），程序如下：① 各项合金占有量 =② 纯钢液占有量=100%－各项合金占有量之和 ③ 补加系数 =④ 钢液综合收得率=95%~97%。
《合金配料助手》316L合金配料软件演示实例南京英浦信息技术有限公司开发的《合金配料助手》是一款针对铸造熔炼配料的软件系统，通过精确计算铸造生产过程中的配料比例，为铸造企业提高了研发、试验、生产的效率；从生产环节来讲，保证了合金生产时采用的是最优化方案，大大降低了企业生产成本；同时，由于采用了标准化的计算方法，企业生产的配料方案将采用计算机辅助计算的方式，有利于企业配料方案的标准化，对于提高产品质量、提高产品竞争力有极大的帮助。
《合金配料助手》适用于普通大气熔炼和真空熔炼。
合金配料助手主要包含4大功能：经济配料、快速配料、特殊配料、母料采购分析，此外还提供如“辅助计算”等方便配料人员在多母料情况下配料的功能。
本实例对企业常用的经济配料功能就316L材质进行演示，作为配料软件教程学习使用。
一、准备工作采用《合金配料助手》进行配料前的准备工作是指针对各个企业自身情况，对合金、材质原材料的成分、价格、烧损等等参数的设置，为软件自动运算提供数据支撑，主要工作分为三步：（1）根据企业情况，分析316L原材料，例如：纯铁、铸造生铁、回炉料、废钢料、硅铁、锰铁等，各公司使用的原材料会有所不同。
（2）查询企业目前现各原材料成分和购买单价。
（3）检测企业在现有工艺条件下配料时各合金的烧损。
二、数据录入在准备工作阶段准备的各个数据，在此步骤中将录入到《合金配料助手》软件系统中来，以便日后配料计算。
详细如下：（1）录入公司配料所需的各合金材料的成分与烧损（收得率），点击运行软件，在主菜单栏中点击【基础数据维护】-【增加合金数据】，进入合金数据添加界面，将准备工作中公司合金的成分、价格、收得率等等数据录入到系统当中去。
点击【增加合金数据】进入如下界面：其中，合金收得率为该合金收得率（烧损），合金主元素是指该合金常用基底类型。
选择熔炉类型（因为不同的熔炉类型，合金的烧损不一样），最后选择保存。
系统会自动存储这些数据，配料生产时直接选择即可。
科学技术创新2019.21重污染河道水体氮素迁移与转化的影响[J].环境科学,2011,32(10):2971-2978.[6]谌伟,李小平,孙从军等.低强度曝气技术修复河道黑臭水体的可行性研究[J].中国给水排水,2009,25(1):57-59.[7]孙井梅,王志超,席兆胜等.扰动对水体富营养化的改善作用[J].生态环境学报,2012(8):1447-1451.[8]Degetto S,Cantaluppi C,Cianchi A,et al.Critical analysis of radiochemical methodologies for the assessment of sediment pollution and dynamics in the lagoon of Venice (Italy).[J].Environment International,2005,31(7):1023.[9]Markert B E,Tesmer M G,Parker P E.An in situ,sediment oxygen demand sampler [J].Water Research,1983,17(6):603-605.[10]杨兆华,何连生,姜登岭,等.黑臭水体曝气净化技术研究进展[J].水处理技术,2017(10):49-53.[11]Yong J C,Park J Y,Kim Y J,et al.Flow Characteristics of Microbubble Suspensions in Porous Media as an Oxygen Carrier[J].CLEAN -Soil,Air,Water,2010,36(1):59-65.[12]余光伟,雷恒毅,刘康胜,等.治理感潮河道黑臭的底泥原位修复技术研究[J].中国给水排水,2007,23(9):5-9.[13]马传军.跌水曝气-推流式生物接触氧化工艺的研究[D].大连：大连交通大学,2008.[14]刘晓波.人工强化跌水曝气接触氧化法改善城市内河水质的试验研究[D].保定：河北农业大学,2010.[15]姜丹.基于太阳能曝气技术的市内河重污染河道治理实验研究[J].中国水能及电气化,2017(3):67-70.[16]王文林,殷小海,卫臻等.太阳能曝气技术治理城市重污染河道试验研究[J].中国给水排水,2008,24(17):44-48.[17]王美丽,袁震,何连生等.微纳米曝气技术处理黑臭河道废水的研究[C]//2014中国环境科学学会学术年会.2014.[18]杨长明,荆亚超,沈烁,等.微孔曝气与覆盖对城市重污染河道底泥磷形态分布及释放过程的影响[J].环境化学,2015(6):1150-1157.[19]凌晖,王诚信.纯氧曝气在污水处理和河道复氧中的应用[J].中国给水排水,1999,15(8):49-51.[20]孙从军,张明旭.河道曝气技术在河流污染治理中的应用[J].环境保护,2001(4):12-14.[21]谢海文,沈乐.河流曝气技术简介[J].水文,2009,29(3):59-62.[22]张晓红,宋肖锋,蔡国强,等.生态修复综合技术在杭州虾龙圩河的应用[J].环境工程学报,2012,6(12):4535-4542.[23]吉琴.综合生态修复技术用于上海古猗园内景观水体治理[J].中国给水排水,2017(14):86-88.[24]王云中,杨成建.生态喷泉运用于景观水体水质稳定的可行性分析[J].生态经济(中文版),2009(11):180-182.[25]李丽敏.景观湖泊湖湾区水环境特征及喷泉复氧技术效能研究[D].重庆：重庆大学,2015.[26]GRIFFITHS,I.M,LLOYD,et al.Mobile oxygenation in the Thames estuary [M]//A study of microbial antagonism :.Acta Universitis Gothoburburgensis,1985:779-781.[27]陈伟,叶舜涛,张明旭.苏州河河道曝气复氧探讨[J].给水排水,2001,27(4):7-9.[28]朱文博,王洪秀,柳翠,等.河道曝气提升河流水质的WASP 模型研究[J].环境科学,2015,36(4):1326-1331.[29]王瑟澜,孙从军,张明旭.水体曝气复氧工程充氧量计算与设备选型[J].中国给水排水,2004,20(3):63-66.[30]张自杰.排水工程(下册)[M].北京:中国建筑工业出版社,1996.合金收得率预测及配料方案优化问题的建模与求解刘丰瑞杨琳何雨哲刘雨瑶马昕（东北电力大学电气工程学院，吉林吉林132012）1问题的分析目前,研究自动配料系统的合金收得率预测及最优配料问题的常用方法包括参考炉次法[1]、多元线性回归法[2-4]、Petri 网[5]、模拟退火[6]、遗传算法(Genetic Algorithm,GA)、BP 神经网络[7-9]并结合计算机仿真技术。
