钢水“脱氧合金化”配料方案电气技术优化

肖滟琳 吴昊

【摘  要】本文针对钢水的脱氧合金化这一非常复杂的过程，通过建立线性回归分析，RBF预报模型等多种方法，综合分析了C，Mn元素的收得率，转炉终点温度，转炉正样C，Mn，连铸正样，脱氧合金化加入的C，Mn元素质量等相关数据，建立了线性回归分析模型与RBF预报模型，运用EXCEL，Matlab软件对转炉炼钢预报模型建模，在精确掌握和预测各种元素的收得率才能炼出满足某些物理特性的钢材。

【关键词】  数据分析;线性回归;回归系数;RBF预报模型

一、问题重述

1.1：问题叙述

问题1：钢水脱氧合金化主要关注C、Mn、S、P、Si五种元素的含量，根据附件1计算C、Mn两种元素的历史收得率，并分析影响其收得率的主要因素。

问题2：在问题1 的基础上，构建数学模型，对C、Mn两种原始的收得率进行预测，并进一步改进模型及算法，尽可能提高这两种元素收得率的预测准确率。1.2：问题分析

问题1：根据脱氧合金化这五种元素含量的历史数据，我们可以通过转炉终点得到C、Mn的含量和连铸正样C、Mn的含量，再结合其钢水净重的质量可以得出钢水前后C、Mn元素质量的变化，再结合在脱氧合金化过程中投入的合金的质量和其C、Mn元素的含量来确定加入的C、Mn元素的总质量，并以此来得到C、Mn这两种元素的历史收得率。对C、Mn这两种元素的收得率的影响最直观的就是其转炉终点温度有关。

问题2：问题一中探究了转炉温度对C、Mn这两种元素对收得率的影响，根据参考文献：[2]可知最初的转炉终点的元素含量会对其元素收得率产生影响，因此将其纳入考虑范围之内。

二、符号说明

三、模型的建立与求解

3.1问题分析

对于问题1和问题2都采用线性回归分析。对问题1采用一元线性回归分析，对问题2采用多元线性回归分析。分别对C、Mn这两种元素的收得率做出线性回归分析。

3.2问题求解——线性回归预报模型

依据线性回归理论，可得：

将终点温度的设计矩阵 确定为附件所给的历史实测数文顿据构成的矩阵，而观测向量为两种元素的收得率的实测值，从而得到线性回归模型的矩阵：

其中 为温度的观测向量， 为两种元素的收得率回归系数向量， 是不可观测的随机误差向量。

由Matlab软件编程求解可得C的收得率和Mn的收得率的回归系数分别为：

则C的收得率模型为：收得率=0.000045x温度+2.3转炉终点C。则Mn的收得率模型为：收得率=0.000026x温度+1.2转炉终点Mn在线性回归方程中回归系数接近1时，我们认为回归模型显著性强。

四、模型的优缺点

本文主要是通过以往的大量的历史数据，在大量的样本下可以避免由于偶然性导致的偏差。其次本文主要采用的是线性回归的模型，以此来探究影响元素合金收得率的因素，线性回归模型最主要的优点就是可以直观的看到影响因素的影响程度。

但对于在钢水脱氧合金化的工艺环节中，对于元素的合金收得率的影响的因素有很多种，但是现在已存在的历史的数据中，对于合金收得率的影响因素记录的有限，只有有限的几种影响因素是很难比较全面的找到其对合金收得率的影响最重要的因素。

参考文献：

[1] 王雅贞，张岩，张红文.2003.氧气顶吹转炉炼钢工艺与设备[M].北京：冶金工业出 版社。

[2] 孔祥瑞，转炉炼钢终点优化控制模型的研究，杭州电子科技大学硕士学位论文，2010。

[3] 韩敏，姜莉文，赵耀，基于PSO-RBF神经网络的转炉炼钢终點预报模型，信息与控制，第39卷第一期，2010。

[4] 唐忠，谢涛，Matlab神经网络工具NNTool的应用与仿真，计算机与现代化，201第12期。

[5] 司守奎，数学建模与方法，第二十五章灰色系统理论及其应用，海军航空工程学院，2007。

[6] 块状白石灰、轻烧白石灰、菱镁球、块状白云石价格，阿里巴巴，2013.08.24。

[7] 宿永波，王彦祥.转炉冶炼低碳钢脱氧合金化工艺优化[C]// 2014年全国炼钢—连铸生产技术会.

[8] 宋当替.硅锰—碳化硅脱氧合金化工艺在转炉炼钢中的应用[J].山西冶金，1996（4）：8-11.

[9] 舒遗一，李斌，廖明，et al.180t转炉出钢脱氧合金化工艺技术研究[C]// 2012年全国炼钢—连铸生产技术会论文集（上）.2012.

[10] 刘建勋.采用NZDO脱氧剂冶炼转炉钢[J].江西冶金，1999（1）：21-22.

（作者单位：西华大学电气与电子信息学院）