利用改进XGBoost预测RH精炼终点钢水温度

合适的RH精炼终点钢水温度是保证连铸坯质量的重要前提.为了准确地预测RH精炼终点钢水温度,首先利用随机森林在处理高维数据集上的优势,采用袋外数据评分法进行特征选择,以确定模型的输入变量;然后利用Optuna框架优化XGBoost超参数,减少计算耗时,提高模型命中率;最后,结合实际的RH精炼生产数据进行模型验证.结果表明:与网格搜索和随机搜索相比,Optuna框架在优化XGBoost超参数的计算耗时和命中率上具有一定优势;与优化后的GBDT和LightGBM两种模型相比,优化后的XGBoost模型具有更好的预测性能,在偏差为±5℃时RH精炼终点钢水温度的命中率达到92%.

宝钢炼钢厂连铸中间包钢水温度的研究

对宝钢炼钢厂中间包钢水进行了连续测温试验 ,分析了连续测温和点测温度测试结果及中间包钢水温度变化规律。点测温度不能真实反映钢包换浇时中间包钢水温度的变化规律 ,可采用连续测温加以解决。

基于PSO和BP网络的LF炉钢水温度智能预测

研究将粒子群优化算法与BP神经网络相结合,建立新的钢水终点温度预报模型.确定加热功率、初始温度、精炼时间等8个影响钢水终点温度的主要因素作为神经网络的输入量.用粒子群优化算法优化神经网络参数,改善神经网络温度预测模型的收敛性能.实验结果表明,该算法可以提高预测速度和精度,预测结果误差不大于±5℃的炉次大于90%.

RH精炼钢水温度预报模型

根据 RH精炼过程钢水传热的物理模型 ,提出了预报 RH精炼过程钢水温度的数学模型。根据此模型可以分别计算真空室内和钢包内钢水的温度变化。计算结果表明 :在精炼初期 2～ 3min内 ,由于炉壁吸热 ,钢包内钢水温度迅速降低 ,随后真空室内钢水温度开始回升 ,4min后 ,钢包和真空室内钢水温度趋于均匀。采用该模型预报实际真空脱碳终了温度 ,其中平均误差在± 5℃以内的占 72 %

RH-MFB 精炼过程中钢水温度预测模型

建立了 RH-MFB 精炼过程中钢水温度的数学模型,通过 Delphi 程序计算了精炼过程中钢水的温度．结果表明,RH-MFB 精炼开始阶段,钢水温度急剧下降,前10min 降温速率约为 3℃·min^(-1),加 Al 吹氧、加合金和真空室内壁初始温度对钢水温度影响较大．采用该模型预测了精炼结束时刻的钢水温度,与生产中钢水温度平均误差在±5℃以内的占80％．

LF炉精炼过程钢水温度预报技术

基于LF炉精炼过程 ,以钢水和炉渣为研究体系 ,通过对其能量收入和损失的系统分析与计算 ,利用热平衡规律 ,详细推导并建立了钢水升温速率模型·其中钢包包壁的传热机制 (包括包侧壁和包底 )分别采用圆柱坐标下和直角坐标下的一维非稳态导热微分方程及其初始条件和第三类边界条件来描述 ,以有限差分方法求解·编制成计算机程序对实际过程模拟仿真·仿真结果与实际值的误差均在±

应用神经网络技术预报VD炉终点钢水温度

应用神经网络方法建立了VD炉钢水温度预报模型。用该模型在线连续预报的76炉次钢水中,预报温度与实际测量温度之差在±4℃和±5℃之内的炉次分别占67 1%和80 3%。分析了各工艺参数对终点温度的影响,据此对宝钢的生产实践提出了一些降低能耗的措施。

RH-MFB二次精炼过程钢水温度控制的模拟

研究了RH-MFB二次精炼过程钢包钢水传热行为和钢水温度的变化规律,建立钢水温度预报模型,编制了计算机软件对实际过程进行模拟。通过对9炉300 t钢水RH-MFB精炼时钢水温度的预测结果表明,钢水温度的计算值和实测值的误差小于±10℃。按目标温度要求,进行补偿措施,有效地控制钢水温度。

韶钢120tLF钢水温度预报模型的开发

以钢厂120 t LF精炼过程钢水、炉渣和合金为研究体系,以能量平衡机理模型为基础,建立精炼钢水温度预报模型。根据钢种、钢水质量和温度、目标出钢温度及处理时间、渣料和合金加入量及各种热损失所需投入的电能,确定精炼过程合理的供电曲线。并根据现场供电和工艺参数,预报钢水温度。20炉50RH1钢(%:0.48～0.50C、0.22～0.30Si、0.60～0.70Mn)测试结果表明,模型预报与实测钢水温度误差为±5℃。

红外热像及比色测温技术在RH炉钢水温度检测中的应用

基于红外热像及比色测温技术的钢水温度检测可避免钢渣、钢水液面镜面效应等造成的测量误差。通过对红外热像的灰度分布特性、波动规律等的分析测算正向辐射概率,确定最佳采样区域,从而准确获取钢水温度。给出温度变化曲线,提高钢水温度数据测量的准确性和连续性,有利于精密炼钢的实现。

基于智能技术的钢水温度软测量

钢水温度是炼钢过程的重要控制指标,由于钢水温度过高和钢液、钢渣对测温枪的腐蚀,钢水温度的测量只能用热电偶进行消耗式点测,而无法得到钢水温度的连续变化的信息。基于智能技术和软测量技术,这里开发了钢水温度的软测量方法。应用人工神经元网络进行初步预报,再根据专家工艺知识对一些特殊情况进行补正,获得了良好的效果。与机理法和统计法相比,钢水温度预报的适应性和准确性都得到了显著提高。

RH-MFB精炼时钢水温度预报模型的开发

分析研究了RH-MFB精炼时脱碳过程、脱氧、合金化、吹氧加铝、非操作因素对钢水温度的影响,并建立了精炼钢水温度预报模型.通过对连续精炼的10炉270 t超低碳钢水（0.001％～0.002 5％ C）温度的验证结果表明,模型计算温度和实测温度的误差不大于±5℃.

VD炉钢水温度预报模型

在建立VD炉温度预报神经网络模型过程中 ,考察了影响目标温度的因素 ,并应用模式识别方法对各因素进行特征分析与筛选 ,删除了其中三个不必要的变量 :吹氩量、VD罐冷却时间以及VD罐上炉使用时间 .用筛选后的样本训练神经网络 ,预报精度有 1 5 %左右的提高 .模型在线连续预报了 76炉次 ,预报温度与实际测量温度之差在± 4℃、± 5℃之内的炉次分别占 67 1 %与80 3 % .

基于微分进化的钢水温度预报混合模型

针对LF冶炼过程钢水温度预报问题对机理模型进行了分析.将基于微分进化的BP网络引入混合模型,以确定模型中难以准确获得的参数,建立了基于微分进化的钢水温度混合预报模型.模型通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效解决了BP网络训练的困难,避免了算法早熟.实验结果表明,混合模型具有较好的预测结果,基本满足了实际生产的需要.

LF炉钢水温度预报和最优供电模型

建立了LF炉钢水温度预报及最优供电模型。现有LF炉无需增加硬件设备,在PLC上位计算机中添加VBS脚本程序即可应用模型预报钢水温度。PLC接收上位计算机的最优电流设置,按照动态最优电流设置自动调节电极升降。

中间包钢水温度连续测量技术研究

为解决长期以来钢水测温连续性差、成本高、误差大、实时性差、劳动强度大等难题,用虚拟仪器的思想,以LabVIEW为开发平台,采用新型组合式陶瓷热电偶为温度传感器,建立虚拟式钢水多通道连续测温系统,同时可以实现多点连续测温。从而使上述问题得以有效解决。

消耗型光纤比色法钢水温度测量系统

介绍了一种利用光导纤维实现钢水温度高温测量系统,详细分析了测量系统的光纤消耗补偿工作原理及实际温度测量时信号处理的关键技术问题。并给出了光导纤维比色温度测量系统的系统组成和实验数据。指出了该系统具有准确度高、反应快的特点,解决了传统钢水温度测量时,成本较大、难以自动化等问题。

基于LS-SVM的电炉钢水温度预测

通过对LS-SVM的参数进行优选,使所建模型具有较强的拟合和预测能力.针对某厂实际生产数据,运用LS-SVM建立钢水温度预测模型,拟合和预测结果良好,表明该模型对实际生产具有指导意义.

CAS密封吹氩精炼终点钢水温度的预报模型

采用多元回归分析建立了 30 0tCAS精炼 (密封吹氩调整成分 )终点钢水温度 T钢包 ℃的预测模型 :T钢包 =t - (- 92 0 6 4 +0 .0 6 4 36 2 5x1 +0 .18716 2x2 +0 .5 812 93t +0 .0 0 36 6 2x3) ,式中x1 钢水搁置时间 min ;x2 精炼处理时间 min ;x3 合金加入量 kg ,t 处理开始钢水温度 ℃。对预测温度统计分析结果表明 ,该模型对CAS精炼终点温度的预测误差在± 5℃和± 10℃时的命中率分别为 87%和 95 %。