CN115600378A - 一种氧枪控制方法、系统、电子设备及存储介质 - Google Patents
一种氧枪控制方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115600378A CN115600378A CN202211145140.9A CN202211145140A CN115600378A CN 115600378 A CN115600378 A CN 115600378A CN 202211145140 A CN202211145140 A CN 202211145140A CN 115600378 A CN115600378 A CN 115600378A
- Authority
- CN
- China
- Prior art keywords
- steelmaking
- historical
- converter
- smelting
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Abstract
本申请提供一种氧枪控制方法、系统、电子设备及存储介质,该氧枪控制方法包括获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据,通过训练集对状态预测模型进行训练,并用测试集对状态预测模型进行测试,得到训练好的状态预测模型,根据转炉炼钢历史炼钢数据确定氧枪的初始控制参数,基于初始控制参数控制氧枪,并实时获取冶炼过程中转炉的炉口冶炼图像,根据炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况,基于转炉的冶炼情况对初始控制参数进行修正,并根据修正后的控制参数对氧枪进行调整,本申请提高了智能化水平。
Description
技术领域
本申请涉及炼钢技术领域,具体涉及一种氧枪控制方法、系统、电子设备及存储介质。
背景技术
转炉炼钢是以铁水、废钢、铁合金为主要原料,以铁液本身的物理热量和铁液组分间化学反应产生的热量在转炉中完成炼钢的过程,在此过程中,除去铁液中的P、S等有害元素,并向铁液中加入Mn、Cr等有益元素,以改善制得的钢材的性能。在转炉炼钢过程中,氧枪是必不可少的主要工艺设备之一,氧枪的控制好坏直接影响到冶炼效果和吹炼时间,进而影响钢材的产量和质量。
目前,现有的转炉炼钢过程中,主要通过人工方式完成氧枪操作过程。操作人员根据经验提升或下放氧枪。然而,采用这种方式进行生产,氧枪的插入位置和深度难以每次都达到规定要求,影响了生产的准确性、稳定性;同时现场操作复杂,劳动强度大,需应对情况较多。
综上,亟需一种氧枪智能控制方法,以提高准确性和稳定性,降低劳动强度。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种氧枪控制方法、系统、电子设备及存储介质,以提高准确性和稳定性,降低劳动强度。
本申请提供一种氧枪控制方法,包括:
获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据,所述转炉炼钢历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长;
通过训练集对状态预测模型进行训练,并用所述测试集对所述状态预测模型进行测试,得到训练好的状态预测模型,所述状态预测模型以所述转炉炼钢历史炉口图像为输入,以所述转炉炼钢状态为输出;
根据所述转炉炼钢历史炼钢数据确定氧枪的初始控制参数;
基于初始控制参数控制所述氧枪,并实时获取冶炼过程中转炉的炉口冶炼图像;
根据所述炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况,所述冶炼情况包括异常状态;
基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整。
在本申请的一示例性实施例中,根据转炉的历史炼钢数据确定氧枪的初始控制参数,包括:
获取当前转炉炼钢初始参数;
根据所述当前转炉炼钢初始参数及历史炼钢数据,得到与所述当前转炉炼钢初始参数相近的历史炼钢数据对应的炼钢炉次;
将所述炼钢炉次对应的氧枪高度及氧枪高度对应的时间点,确定为所述初始控制参数。
在本申请的一示例性实施例中,根据所述当前转炉炼钢初始条件及历史炼钢数据,得到与所述当前转炉炼钢初始条件相近的历史炼钢数据对应的炼钢炉次,包括:
将所述历史初始冶炼参数进行相似度分析,得到与所述当前转炉炼钢初始冶炼参数相近的历史初始冶炼参数对应的若干炼钢炉次;
将所述若干炼钢炉次按照氧枪高度进行聚类,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数,将评价指数的炼钢炉次确定为与所述当前转炉炼钢初始条件相近的历史初始冶炼参数对应的炼钢炉次。
在本申请的一示例性实施例中,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数,将评价指数最高的炼钢炉次确定为与所述当前转炉炼钢初始条件相近的历史初始冶炼参数对应的炼钢炉次前,还包括:
去除历史成品钢质量指标不在预设质量指标区间范围内的炼钢炉次。
在本申请的一示例性实施例中,将所述历史初始冶炼参数进行相似度分析,包括:
对历史初始冶炼参数的各指标数据进行归一化处理,得到归一化处理后的历史初始冶炼参数;
计算当前转炉炼钢初始参数中各指标数据与所述归一化处理后的历史初始冶炼参数对应的指标数据的差值;
根据所述差值,确定相似度;
将相似度排名在前的若干历史初始冶炼参数对应的若干炼钢炉次确定为与所述当前转炉炼钢初始参数相近的历史初始冶炼参数对应的若干炼钢炉次。
在本申请的一示例性实施例中,将所述若干炼钢炉次按照氧枪高度进行聚类,包括:
对所述若干炼钢炉次的炼钢时长及氧枪高度进行归一化处理;
计算经归一化处理后的两两炼钢炉次的同一时间点对应的氧枪高度差;
根据所述氧枪高度差及预设聚类半径,按照最大距离层次进行聚类。
在本申请的一示例性实施例中,基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整,包括:
若所述预测转炉的冶炼情况为异常状态,根据预设异常状态-氧枪高度调节方式对应关系确定氧枪控制参数;
控制氧枪按照所述氧枪控制参数进行调节。
第二个方面,本申请提供一种氧枪控制系统,包括:
采集模块,用于获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据,所述转炉炼钢历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长;
状态预测模型构建模块,用于通过训练集对状态预测模型进行训练,并用所述测试集对所述状态预测模型进行测试,得到训练好的状态预测模型,所述状态预测模型以所述转炉炼钢历史炉口图像为输入,以所述转炉炼钢状态为输出;
初始控制参数确定模块,用于根据所述转炉炼钢历史炼钢数据确定氧枪的初始控制参数;
处理模块,用于基于初始控制参数控制所述氧枪,并用于实时获取冶炼过程中转炉的炉口冶炼图像;
冶炼情况预测模块,用于根据所述炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况,所述冶炼情况包括异常状态;
控制模块,基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整。
另一个方面,本申请还提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如上提供的氧枪控制方法。
再一个方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机如上所述的氧枪控制方法。
本发明的有益效果:
本申请通过状态预测模型将转炉炼钢炉口图像与转炉炼钢状态相关联,并基于状态预测模型预测冶炼情况,若冶炼情况为异常状态,根据预设异常状态-氧枪高度调节方式对应关系调节氧枪高度,进而实现氧枪的智能化控制,在保证冶炼可靠的前提下,使冶炼过程更加准确、稳定,同时,还降低了操作人员的劳动强度,提高了智能化生产水平。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请的一示例性实施例示出的氧枪控制方法的流程图;
图2为图1所示实施例中步骤S130在一示例性实施例中的流程图;
图3为图2所示实施例中步骤S220在一示例性实施例中的流程图;
图4为图3所示实施例中步骤S310在一示例性实施例中的流程图;
图5为图3所示实施例中步骤S320中将若干炼钢炉次按照氧枪高度进行聚类在一示例性实施例中的流程图;
图6为图1所示实施例中步骤S160在一示例性实施例中的流程图;
图7为一具体实施例示出的氧枪控制方法的流程图;
图8为图7所示实施例中按照氧枪高度进行聚类的聚类结果图;
图9是本申请的一示例性实施例示出的氧枪控制系统的框图;
图10示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
请参阅图1,图1为本申请的一示例性实施例示出的氧枪控制方法的流程图。
如图1所示,在本申请的一示例性实施例中,氧枪控制方法至少包括步骤S110、步骤S120、步骤S130、步骤S140、步骤S150和步骤S160,详细介绍如下:
步骤S110.获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据;
需要说明的是,转炉炼钢历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长。
示例性地,如随机将80%的历史冶炼图像及根据历史冶炼图像的变化情况人为或设备识别出的转炉炼钢状态划分为训练集,剩余20%的历史冶炼图像及根据历史冶炼图像的变化情况人为或设备识别出的转炉炼钢状态划分为测试集。
训练集和测试集的划分方式不进行设定,此处不进行赘述。
步骤S120.通过训练集对状态预测模型进行训练,并用测试集对状态预测模型进行测试,得到训练好的状态预测模型;
预测模型以转炉炼钢历史炉口图像为输入,以转炉炼钢状态为输出。
具体的,将测试集中的历史冶炼图像输入状态预测模型中,输出转炉炼钢状态(即预测结果),将根据预测模型预测得到的转炉炼钢状态与测试集中历史冶炼图像对应的人为识别出的转炉炼钢状态(即实际结果)进行比较。
若精度不小于预设精度阈值,将状态预测模型确定为训练好的状态预测模型。示例性地,若测试集中预测结果与实际结果相符的比例不小于预设精度阈值(如95%),则状态预测模型的精度符合要求,将状态预测模型确定为训练好的状态预测模型。
步骤S130.根据转炉炼钢历史炼钢数据确定氧枪的初始控制参数;
需要说明的是,历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长;
步骤S140.基于初始控制参数控制所述氧枪,并实时获取冶炼过程中转炉的炉口冶炼图像;
步骤S150.根据炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况;
需要说明的是,冶炼情况包括异常状态,异常状态包括喷溅、返干、过度高温(超过预设温度阈值)等情形。
步骤S160.基于转炉的冶炼情况对初始控制参数进行修正,并根据修正后的控制参数对氧枪进行调整。
示例性地,若通过状态预测模型预测出的转炉的冶炼情况为异常状态,根据预设异常状态-氧枪高度调节方式对初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整。
预设异常状态-氧枪高度调节方式将不同的异常情形与相对应的氧枪高度调节方式关联起来,故当炼钢状态为异常状态时,能够根据预设异常状态-氧枪高度调节方式对应关系确定相对应的氧枪高度调节方式。
相关技术中,对于氧枪操作过程主要通过人工方式完成。操作人员根据经验提升或下放氧枪。发明人通过对上述方案进行分析后,发现按照相关技术进行生产,氧枪的插入位置和深度难以每次都达到规定要求,影响了测温取样的准确性、稳定性;同时现场操作复杂,劳动强度大,需应对情况较多。故考虑到通过状态预测模型将转炉炼钢炉口图像与冶炼状态相关联,并基于状态预测模型实时预测转炉的冶炼情况,进而基于转炉的冶炼情况对初始控制参数进行修正,并根据修正后的控制参数对氧枪进行调整,实现氧枪的智能化控制,在保证冶炼可靠的前提下,使冶炼过程更加准确、稳定,同时,还降低了操作人员的劳动强度,提高了智能化生产水平。
请参阅图2,图2为图1所示实施例中步骤S130在一示例性实施例中的流程图。
如图2所示,在本申请的一示例性实施例中,图1所示实施例中根据转炉的历史炼钢数据确定氧枪的初始控制参数的过程包括步骤S210、步骤S220和步骤S230,详细介绍如下:
步骤S210.获取当前转炉炼钢初始参数;
步骤S220.根据当前转炉炼钢初始参数及历史炼钢数据,得到与当前转炉炼钢初始参数相近的历史炼钢数据对应的炼钢炉次;
步骤S230.将炼钢炉次对应的氧枪高度及氧枪高度对应的时间点,确定为初始控制参数。
请参阅图3,图3为图2所示实施例中步骤S220在一示例性实施例中的流程图。
如图3所示,在本申请的一示例性实施例中,图2所示实施例中根据当前转炉炼钢初始条件及历史炼钢数据,得到与当前转炉炼钢初始条件相近的历史炼钢数据对应的炼钢炉次的过程包括步骤S310和步骤S320,详细介绍如下:
步骤S310.将历史初始冶炼参数进行相似度分析,得到与当前转炉炼钢初始冶炼参数相近的历史初始冶炼参数对应的若干炼钢炉次;
步骤S320.将若干炼钢炉次按照氧枪高度进行聚类,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数,将评价指数的炼钢炉次确定为与当前转炉炼钢初始条件相近的历史初始冶炼参数对应的炼钢炉次。
示例性地,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数可按照以下方式进行,
按照预设成品钢质量指标-质量指数对应关系确定各成品钢质量指标对应的质量指数,然后将各成品钢质量指标对应的质量指数与其相应的预设权重进行相乘,再加和,得到评价指数。
请参阅图4,图4为图3所示实施例中步骤S310在一示例性实施例中的流程图。
如图4所示,在本申请的一示例性实施例中,图3所示实施例中将历史初始冶炼参数进行相似度分析的过程包括步骤S410、步骤S420、步骤430和步骤S440,详细介绍如下:
步骤S410.对历史初始冶炼参数的各指标数据进行归一化处理,得到归一化处理后的历史初始冶炼参数;
具体的,对历史初始冶炼参数的各指标数据(如废钢重量、初始碳元素含量等)进行归一化处理,即将各指标数据转换成0-1之间的具体数值,具体为:(data-Min)/(Max-Min);
其中,data为初始条件中指标数据,Min为初始条件中相应的指标数据的最小值,Max为初始条件中相应的指标数据的最大值。
步骤S420.计算当前转炉炼钢初始参数中各指标数据与归一化处理后的历史初始冶炼参数对应的指标数据的差值;
步骤S430.根据差值,确定相似度;
示例性地,根据差值,确定相似度的方式可以为将各指标数据的差值加权之和再开方,得到的数值即可确定为相似度。
步骤S440.将相似度排名在前的若干历史初始冶炼参数对应的若干炼钢炉次确定为与当前转炉炼钢初始参数相近的历史初始冶炼参数对应的若干炼钢炉次。
请参阅图5,图5为图3所示实施例中步骤S320在一示例性实施例中的流程图。
如图5所示,在本申请的一示例性实施例中,图3所示实施例中将所述若干炼钢炉次按照氧枪高度进行聚类的过程包括步骤S510、步骤S520和步骤530,详细介绍如下:
步骤S510.对若干炼钢炉次的炼钢时长及氧枪高度进行归一化处理;
具体的,可根据经验或预设条件进行归一化处理,如取若干炼钢炉次的炼钢时长的中位值作为归一化处理后的炼钢时长,如取若干炼钢炉次的氧枪高度的中位值作为归一化处理后的氧枪高度。
步骤S520.计算经归一化处理后的两两炼钢炉次的同一时间点对应的氧枪高度差;
需要说明的是,本申请中,术语“时间点”是以转炉炼钢起始时间作为0时刻,计算得到的时间点(即炼钢过程中各时刻与转炉炼钢起始时间的差值),如第600s是指距转炉炼钢起始时间点间隔600s的炼钢过程中的时间点。
步骤530.根据氧枪高度差及预设聚类半径,按照最大距离层次进行聚类。
在本申请的另一示例性实施例中,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数,将评价指数最高的炼钢炉次确定为与当前转炉炼钢初始条件相近的历史初始冶炼参数对应的炼钢炉次前,还包括以下步骤:
去除历史成品钢质量指标不在预设质量指标区间范围内的炼钢炉次。
预设质量指标区间范围可自行设定,此处不再赘述。
通过去除历史成品钢质量指标不在预设质量指标区间范围内的炼钢炉次,能够提高氧枪控制的准确性,保证成品钢质量。
请参阅图6,图6为图1所示实施例中步骤S160在一示例性实施例中的流程图。
如图6所示,在本申请的一示例性实施例中,图1所示实施例中基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整的过程包括步骤S610和步骤S620,详细介绍如下:
步骤S610.若预测转炉的冶炼情况为异常状态,根据预设异常状态-氧枪高度调节方式对应关系确定氧枪控制参数;
预设异常状态-氧枪高度调节方式可自行设定,此处不再赘述。
步骤S620.控制氧枪按照氧枪控制参数进行调节。
请参阅图7,图7为一具体实施例示出的氧枪控制方法的流程图。
如图7所示,在一具体实施例中,氧枪控制方法具体步骤如下:
S1.获取存储转炉炼钢的历史数据,历史数据含获取钢厂冶炼中转炉近三个月每一炉的炉次号,初始冶炼参数(如废钢重量、初始P含量、初始C含量、目标温度、目标C含量等),每一秒采集得到的冶炼过程中氧枪的高度数据,冶炼过程中的状态数据(喷溅信息、返干等异常情况),以及冶炼结束后钢水的实际成分、温度、性能等;历史数据按照炉次冶炼的先后顺序排列、存储、索引,炉次号是所有数据对应的主键,可以通过检索炉次号查找到对应的数据;
S2.计算相似度,然后对氧枪操作高度进行聚类,计算冶炼结果的得分,得到历史炉次数据中初始条件和当前炉次很相近,同时冶炼效果也较好的历史炉次;
具体的,对初始条件中各指标(如废钢重量、初始C含量等)数据进行归一化操作,即统一将范围化为0-1之间,具体为:(data-Min)/(Max-Min);
其中,data为初始条件中指标数据,Min为初始条件中相应的指标数据的最小值,Max为初始条件中相应的指标数据的最大值。
然后计算与当前炉次转炉炼钢初始参数各指标数据(按照上述计算公式先归一化)的差值,各指标数据差值平方加权之和再开方,作为相似度,加权系数根据元素的重要性预先设定;
取相似度排名在前的前50炉数据进一步分析;
对选出来的相似度排名在前的前50炉氧枪高度进行聚类,由于每一炉炼钢时长不一致,因此对炼钢时长及氧枪高度进行截长补短,使每一炉的氧枪高度数据时序上保持一致,具体取前面600秒的数据,然后降维每6秒数据的平均值作为新数据,将维度降低到100个数据;
然后计算两两炉次中100个氧枪高度时序数据的距离的平均值,根据以给定的预设聚类半径作为聚类半径,按照最大距离层次聚类分为5类。
分别对5类中每一类中每一炉次的冶炼结果进行评价;按照各成品钢质量指标权重(预设)之和计算评价值,各成品钢质量指标的权重不一样,当某成品钢质量指标十分重要的数据不达标,实行一票否决,得分为0;5类数据中,若某一类数据包含炉次数很少,例如小于等于3炉,则剔除这一类数据,提高聚类推荐数据的代表性,其中,聚类结果如图8所示,横坐标time为时间,单位为s;纵坐标high为氧枪高度,单位为m。
将评价值最高的炼钢炉次确定为与当前转炉炼钢初始参数相近的历史初始冶炼参数对应的炼钢炉次;
S3.将选出来的炼钢炉次的氧枪高度操作的时序数据(含炼钢时间点及相应的氧枪高度数据),赋值给当前炉次氧枪自动化的操作数据中,作为氧枪的初始控制参数,按照该初始控制参数控制氧枪并进行生产;
S4.将转炉炼钢历史炉口图像(前10秒钟50帧的图像信息)及转炉炼钢历史炼钢状态(标签为喷溅、返干等分类数据)划分为训练集和测试集,其中训练集占80%;定义LSTM网络模型层数为3层,训练数据,得到状态预测模型;
具体的,以训练集中的历史冶炼图像作为输入,以根据历史冶炼图像的变化情况人为或设备识别出的转炉炼钢状态作为输出,对状态预测模型进行训练。
用测试集中的数据测试状态预测模型的精度,具体将测试集中的历史炉口图像输入状态预测模中,输出历史炉口图像对应的转炉炼钢历史炼钢状态(即预测结果),将预测结果与测试集中根据历史冶炼图像的变化情况人为或设备识别出的对应转炉炼钢状态(即实际结果)进行比较,若测试集中预测结果与实际结果相符的比例不小于预设精度阈值(如95%),则状态预测模型的精度符合要求,将状态预测模确定为训练好的状态预测模型。
冶炼过程中实时获取转炉炼钢炉口图像,将转炉炼钢炉口图像输入状态预测模型中,预测后续短时间内将出现的冶炼情况;
S5.根据预测出的冶炼情况,若预测将出现的冶炼情况为异常状态,根据预设异常状态-氧枪高度调节方式对应关系确定氧枪控制参数,并控制氧枪按照氧枪控制参数进行调节,实现自动修正氧枪高度,防止出现喷溅、返干等不良现象;
S6.冶炼结束后,采集这一炉的冶炼数据,存储至历史数据库中,等待下一次冶炼。
请参阅图9,本申请实施例还提供一种氧枪控制系统900。
如图9所示,本申请实施例的氧枪控制系统900包括:
采集模块910,用于获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据,转炉炼钢历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长;
状态预测模型构建模块920,用于通过训练集对状态预测模型进行训练,并用测试集对状态预测模型进行测试,得到训练好的状态预测模型,预测模型以转炉炼钢历史炉口图像为输入,以转炉炼钢状态为输出;
初始控制参数确定模块930,用于根据转炉炼钢历史炼钢数据确定氧枪的初始控制参数;
处理模块940,用于基于初始控制参数控制所述氧枪,并用于实时获取冶炼过程中转炉的炉口冶炼图像;
冶炼情况预测模块950,用于根据炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况;
控制模块960,基于转炉的冶炼情况对初始控制参数进行修正,并根据修正后的控制参数对氧枪进行调整。
需要说明的是,上述实施例所提供的氧枪控制系统与上述实施例所提供的氧枪控制方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的氧枪控制系统在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处不对此进行限制。
本申请的实施例还提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现上述各个实施例中提供的氧枪控制方法。
图10示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图10示出的电子设备的计算机系统1000仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,计算机系统1000包括中央处理单元(Central Processing Unit,CPU)1001,其可以根据存储在只读存储器(Read-Only Memory,ROM)1002中的程序或者从储存部分加载到随机访问存储器(Random Access Memory,RAM)1003中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1003中,还存储有系统操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(Input/Output,I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1007;包括硬盘等的储存部分;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入储存部分。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,所述计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在所述计算机程序被中央处理单元(CPU)1001执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机的处理器执行时,使计算机执行如前所述的氧枪控制方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的氧枪控制方法。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种氧枪控制方法,其特征在于,包括:
获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据,所述转炉炼钢历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长;
通过训练集对状态预测模型进行训练,并用所述测试集对所述状态预测模型进行测试,得到训练好的状态预测模型,所述状态预测模型以所述转炉炼钢历史炉口图像为输入,以所述转炉炼钢状态为输出;
根据所述转炉炼钢历史炼钢数据确定氧枪的初始控制参数;
基于初始控制参数控制所述氧枪,并实时获取冶炼过程中转炉的炉口冶炼图像;
根据所述炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况,所述冶炼情况包括异常状态;
基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整。
2.根据权利要求1所述的氧枪控制方法,其特征在于,根据所述转炉的历史炼钢数据确定氧枪的初始控制参数,包括:
获取当前转炉炼钢初始参数;
根据所述当前转炉炼钢初始参数及历史炼钢数据,得到与所述当前转炉炼钢初始参数相近的历史炼钢数据对应的炼钢炉次;
将所述炼钢炉次对应的氧枪高度及氧枪高度对应的时间点,确定为所述初始控制参数。
3.根据权利要求2所述的氧枪控制方法,其特征在于,根据所述当前转炉炼钢初始条件及历史炼钢数据,得到与所述当前转炉炼钢初始条件相近的历史炼钢数据对应的炼钢炉次,包括:
将所述历史初始冶炼参数进行相似度分析,得到与所述当前转炉炼钢初始冶炼参数相近的历史初始冶炼参数对应的若干炼钢炉次;
将所述若干炼钢炉次按照氧枪高度进行聚类,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数,将评价指数的炼钢炉次确定为与所述当前转炉炼钢初始条件相近的历史初始冶炼参数对应的炼钢炉次。
4.根据权利要3所述的氧枪控制方法,其特征在于,获取每一类的炼钢炉次对应的历史成品钢质量指标的评价指数,将评价指数最高的炼钢炉次确定为与所述当前转炉炼钢初始条件相近的历史初始冶炼参数对应的炼钢炉次前,还包括:
去除历史成品钢质量指标不在预设质量指标区间范围内的炼钢炉次。
5.根据权利要求3所述的氧枪控制方法,其特征在于,将所述历史初始冶炼参数进行相似度分析,包括:
对历史初始冶炼参数的各指标数据进行归一化处理,得到归一化处理后的历史初始冶炼参数;
计算当前转炉炼钢初始参数中各指标数据与所述归一化处理后的历史初始冶炼参数对应的指标数据的差值;
根据所述差值,确定相似度;
将相似度排名在前的若干历史初始冶炼参数对应的若干炼钢炉次确定为与所述当前转炉炼钢初始参数相近的历史初始冶炼参数对应的若干炼钢炉次。
6.根据权利要求3所述的氧枪控制方法,其特征在于,将所述若干炼钢炉次按照氧枪高度进行聚类,包括:
对所述若干炼钢炉次的炼钢时长及氧枪高度进行归一化处理;
计算经归一化处理后的两两炼钢炉次的同一时间点对应的氧枪高度差;
根据所述氧枪高度差及预设聚类半径,按照最大距离层次进行聚类。
7.根据权利要求1所述的氧枪控制方法,其特征在于,基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整,包括:
若所述预测转炉的冶炼情况为异常状态,根据预设异常状态-氧枪高度调节方式对应关系确定氧枪控制参数;
控制氧枪按照所述氧枪控制参数进行调节。
8.一种氧枪控制系统,其特征在于,包括:
采集模块,用于获取转炉炉口的历史冶炼图像构建训练集和测试集,获取转炉炼钢历史炼钢数据,所述转炉炼钢历史炼钢数据包括历史初始冶炼参数、历史氧枪高度、历史氧枪高度对应的历史时间点及历史炼钢时长;
状态预测模型构建模块,用于通过训练集对状态预测模型进行训练,并用所述测试集对所述状态预测模型进行测试,得到训练好的状态预测模型,所述状态预测模型以所述转炉炼钢历史炉口图像为输入,以所述转炉炼钢状态为输出;
初始控制参数确定模块,用于根据所述转炉炼钢历史炼钢数据确定氧枪的初始控制参数;
处理模块,用于基于初始控制参数控制所述氧枪,并用于实时获取冶炼过程中转炉的炉口冶炼图像;
冶炼情况预测模块,用于根据所述炉口冶炼图像,通过状态预测模型预测转炉的冶炼情况;
控制模块,基于转炉的冶炼情况对所述初始控制参数进行修正,并根据修正后的控制参数对所述氧枪进行调整。
9.一种电子设备,其特征在于,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1-7中任一项提供的氧枪控制方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行权利要求1-7中任一项所述的氧枪控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145140.9A CN115600378A (zh) | 2022-09-20 | 2022-09-20 | 一种氧枪控制方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145140.9A CN115600378A (zh) | 2022-09-20 | 2022-09-20 | 一种氧枪控制方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115600378A true CN115600378A (zh) | 2023-01-13 |
Family
ID=84842199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211145140.9A Pending CN115600378A (zh) | 2022-09-20 | 2022-09-20 | 一种氧枪控制方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600378A (zh) |
-
2022
- 2022-09-20 CN CN202211145140.9A patent/CN115600378A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018012257A1 (ja) | 溶鋼中りん濃度推定方法及び転炉吹錬制御装置 | |
CN114611844B (zh) | 一种转炉出钢过程合金加入量的确定方法和系统 | |
CN110598958B (zh) | 一种钢包分级管理分析方法及系统 | |
CN104615856B (zh) | 基于热风炉组的煤气消耗量预测模型建立方法及装置 | |
CN114757587B (zh) | 一种基于大数据的产品质量控制系统及方法 | |
CN114971433B (zh) | 基于工业互联网的质量管控方法、装置、设备及存储介质 | |
CN116128531A (zh) | 一种产品质量异常原因追溯方法、装置、设备及存储介质 | |
CN102968644A (zh) | 一种氩氧精炼铁合金冶炼终点预测方法 | |
CN115600378A (zh) | 一种氧枪控制方法、系统、电子设备及存储介质 | |
TW202212020A (zh) | 品質設計方法與電子裝置 | |
CN116949233A (zh) | 一种高炉操作参数调整方法、装置、电子设备及存储介质 | |
JP2018178199A (ja) | 溶鋼中りん濃度推定方法、転炉吹錬制御装置、プログラム及び記録媒体 | |
JPWO2019039539A1 (ja) | 溶鋼中りん濃度推定方法、転炉吹錬制御装置、プログラム及び記録媒体 | |
CN114196799A (zh) | 一种转炉溢渣的检测方法、装置及计算机设备 | |
CN112853033A (zh) | 一种基于炉口图像分析的高效溅渣智能控制方法及系统 | |
CN117875791A (zh) | 一种转炉吹炼过程评价方法及装置 | |
CN116864022A (zh) | 转炉静态氧量的确定方法、装置、介质以及电子设备 | |
WO2024036713A1 (zh) | 一种计算高炉软熔带根部高度的方法、装置及存储介质 | |
CN117313529A (zh) | 转炉炼钢吹氧量预测方法、电子设备及存储介质 | |
CN117930658A (zh) | 一种设备控制方法、装置、电子设备及存储介质 | |
CN117807760A (zh) | 一种转炉终点碳含量建模方法 | |
CN114741269B (zh) | 一种推理系统业务性能评估的方法 | |
CN116240328A (zh) | 转炉炼钢终点控制方法、系统、装置、设备、介质及产品 | |
CN117350973A (zh) | 一种转炉喷溅预测方法、装置、设备及介质 | |
CN115564020A (zh) | 一种氧枪枪位变化状态确定方法、系统、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |