CN115857335A - 一种用于矿料冶炼的控制方法与系统 - Google Patents

Abstract

本发明涉及一种用于矿料冶炼的控制方法与系统，包括：获取矿料在冶炼过程中的原始数据；对原始数据进行数据清洗得到数据清洗后的训练数据；对数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；对归一化后的训练数据进行聚类得到聚类中心；将聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。本发明通过对原始数据进行数据清洗和聚类，并将聚类中心作为径向基函数的中心进行训练，不仅可以使径向基函数网络的收敛加快，还可以大大提高不同冶炼控制参数下对应的钢坯质量的预测精度。

Description

一种用于矿料冶炼的控制方法与系统

技术领域

本发明涉及矿料冶炼技术领域，特别是涉及一种用于矿料冶炼的控制方法与系统。

背景技术

钢铁冶炼过程是一个多阶段、多变量、生产工艺复杂的工业过程，其中包括炼铁、炼钢、连铸、热轧、冷轧、镀锌等多个阶段，每个阶段又由多种因素共同作用，各种因素、各个阶段之间相互耦合，共同作用，同时对最终产品质量造成影响。所以，钢铁冶炼的过程中由于工艺和各阶段参数指标的控制不到位，通常会对产品质量产生影响，需要一种科学的方法来分析导致产品质量问题的原因，调整工艺参数指标，降低产品不合格率，提高生产效率。

传统对矿料冶炼参数的调整主要是通过构建控制图来进行质量控制，但是对控制图的观测和分析一般都是根据质量管理人员的经验完成的。目前，控制图技术的研究和实践大多还局限在对简单的加工过程进行质量检测和控制，对于复杂的钢铁冶炼过程难以构建出控制图，所以传统的控制图技术已经不能很好的满足企业对质量管理的需求。

发明内容

为解决上述问题，本发明实施例的目的在于提供一种用于矿料冶炼的控制方法与系统。

一种用于矿料冶炼的控制方法，包括：

步骤1：获取矿料在冶炼过程中的原始数据；所述原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；

步骤2：对所述原始数据进行数据清洗得到数据清洗后的训练数据；

步骤3：对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；

步骤4：对所述归一化后的训练数据进行聚类得到聚类中心；

步骤5：将所述聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；

步骤6：将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。

优选的，所述步骤2：对所述原始数据进行数据清洗得到数据清洗后的训练数据，包括：

步骤2.1：按照钢坯质量依次递增的方式对各组矿料参数和冶炼控制参数进行排列得到钢坯质量参数序列；

步骤2.2：依次计算下一组钢坯质量参数序列与前一组钢坯质量参数序列的相似度系数；

步骤2.3：判断所述相似度系数的值是否在预设的范围内；

步骤2.4：若所述相似度系数的值不在预设的范围内，则将相应的钢坯质量参数序列去除；

步骤2.5：若所述相似度系数的值在预设的范围内，则将相应的钢坯质量参数序列保留，直到遍历完所有的钢坯质量参数序列，得到数据清洗后的训练数据。

优选的，所述相似度系数的计算公式为：

其中，p_X,Y为相似度系数，cov(X,Y)表示前一组钢坯质量参数序列X与下一组钢坯质量参数序列Y之间的协方差，σ_X表示前一组钢坯质量参数序列X的方差，σ_Y表示下一组钢坯质量参数序列Y的方差。

优选的，所述步骤3：对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据，包括：

采用公式：

对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；其中，x′_pi为第p个样本的第i个变量的归一化后的数据，x_pi为第p个样本的第i个变量的原始数据，min{X}为训练数据中的最小值，max{X}为训练数据中的最大值。

优选的，所述步骤4：对所述归一化后的训练数据进行聚类得到聚类中心，包括：

步骤4.1：根据训练样本点到初始的聚类中心的距离构建距离聚类函数；

步骤4.2：对所述距离聚类函数进行迭代求解得到聚类中心更新函数；

步骤4.3：根据所述聚类中心更新函数对所述归一化后的训练数据进行聚类得到最终的聚类中心。

优选的，所述步骤4.1：根据训练样本点到初始的聚类中心的距离构建距离聚类函数，包括：

利用训练样本点到聚类中心的距离构建距离聚类函数；其中，所述距离聚类函数为：

其中，v_i表示第i个聚类中心，m表示预设的模糊阈值，

表示训练样本点x_j隶属第i个聚类中心的隶属度，d_ij＝x_j-v_i表示训练样本点x_j与第i个聚类中心之间的距离，c表示初始的聚类中心个数。

优选的，所述聚类中心更新函数为：

其中，d_kj表示训练样本点x_j到第k个聚类中心的距离。

本发明还提供了一种用于矿料冶炼的控制系统，包括：

冶炼数据获取模块，用于获取矿料在冶炼过程中的原始数据；所述原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；

数据清洗模块，用于对所述原始数据进行数据清洗得到数据清洗后的训练数据；

归一化处理模块，用于对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；

聚类模块，用于对所述归一化后的训练数据进行聚类得到聚类中心；

训练模块，用于将所述聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；

参数控制模块，用于将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。

优选的，所述数据清洗模块，包括：

钢坯质量参数序列排序单元，用于按照钢坯质量依次递增的方式对各组矿料参数和冶炼控制参数进行排列得到钢坯质量参数序列；

相似度计算单元，用于依次计算下一组钢坯质量参数序列与前一组钢坯质量参数序列的相似度系数；

相似度判断单元，用于判断所述相似度系数的值是否在预设的范围内；

钢坯序列去除单元，用于若所述相似度系数的值不在预设的范围内，则将相应的钢坯质量参数序列去除；

训练数据获取单元，用于若所述相似度系数的值在预设的范围内，则将相应的钢坯质量参数序列保留，直到遍历完所有的钢坯质量参数序列，得到数据清洗后的训练数据。

本发明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，其特征在于，所述计算机程序被处理器执行时实现上述的一种用于矿料冶炼的控制方法中的步骤。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明涉及一种用于矿料冶炼的控制方法与系统，包括：获取矿料在冶炼过程中的原始数据；原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；对原始数据进行数据清洗得到数据清洗后的训练数据；对数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；对归一化后的训练数据进行聚类得到聚类中心；将聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。本发明通过对原始数据进行数据清洗和聚类，并将聚类中心作为径向基函数的中心进行训练，不仅可以使径向基函数网络的收敛加快，还可以大大提高不同冶炼控制参数下对应的钢坯质量的预测精度。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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。

图1为本发明提供的实施例中的一种用于矿料冶炼的控制方法示意图；

图2为本发明提供的实施例中的一种用于矿料冶炼的控制系统示意图。

具体实施方式

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

本发明实施例的目的在于提供一种用于矿料冶炼的控制方法，旨在解决现有的电极针在治疗过程中，放电电压不能实时调节的问题。

请参阅图1，一种用于矿料冶炼的控制方法，包括：

步骤1：获取矿料在冶炼过程中的原始数据；所述原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；需要说明的是，矿料参数包括但不限于高炉铁水硅含量、凸台温差、冶炼强度、透气性指数、料速、顶风压力以及炉渣碱等。冶炼控制参数包括但不限于喷煤量、风量、风温以及富氧量等。

步骤2：对所述原始数据进行数据清洗得到数据清洗后的训练数据；

进一步的，所述步骤2包括：

步骤2.1：按照钢坯质量依次递增的方式对各组矿料参数和冶炼控制参数进行排列得到钢坯质量参数序列；

步骤2.2：依次计算下一组钢坯质量参数序列与前一组钢坯质量参数序列的相似度系数；在本发明实施例中，相似度系数的计算公式为：

其中，p_X,Y为相似度系数，cov(X,Y)表示前一组钢坯质量参数序列X与下一组钢坯质量参数序列Y之间的协方差，σ_X表示前一组钢坯质量参数序列X的方差，σ_Y表示下一组钢坯质量参数序列Y的方差。

步骤2.3：判断所述相似度系数的值是否在预设的范围内；

步骤2.4：若所述相似度系数的值不在预设的范围内，则将相应的钢坯质量参数序列去除；

步骤2.5：若所述相似度系数的值在预设的范围内，则将相应的钢坯质量参数序列保留，直到遍历完所有的钢坯质量参数序列，得到数据清洗后的训练数据。

本发明通过协方差构建相似度系数计算公式，然后基于此将不符合要求的钢坯质量参数序列去除，可以保证数据的真实性，提升预测精度。

在网络的训练过程中，由于数据属性差异较大，容易导致较大输入抑制较小输入，这样不仅会导致网络的训练速度变慢，甚至还会导致网络无法收敛。为了避免出现以上问题，保持模型的稳定性，使模型达到更好的效果，因此本发明在使用样本进行训练之前，需要对其进行归一化和聚类处理，以加快收敛。

步骤3：对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；

具体的，本发明可采用公式：

对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；其中，x′_pi为第p个样本的第i个变量的归一化后的数据，x_pi为第p个样本的第i个变量的原始数据，min{X}为训练数据中的最小值，max{X}为训练数据中的最大值。

本发明通过利用上述公式对训练数据进行归一化处理可以将样本的数据范围限定在预设范围之间，便于训练。

步骤4：对所述归一化后的训练数据进行聚类得到聚类中心；

进一步的，所述步骤4包括：

步骤4.1：根据训练样本点到初始的聚类中心的距离构建距离聚类函数；

在本发明中，步骤4.1包括：

利用训练样本点到聚类中心的距离构建距离聚类函数；其中，所述距离聚类函数为：

其中，v_i表示第i个聚类中心，m表示预设的模糊阈值，

表示训练样本点x_j隶属第i个聚类中心的隶属度，d_ij＝x_j-v_i表示训练样本点xj与第i个聚类中心之间的距离，c表示初始的聚类中心个数。

步骤4.2：对所述距离聚类函数进行迭代求解得到聚类中心更新函数；其中，所述聚类中心更新函数为：

其中，d_kj表示训练样本点x_j到第k个聚类中心的距离。

步骤4.3：根据所述聚类中心更新函数对所述归一化后的训练数据进行聚类得到最终的聚类中心。

步骤5：将所述聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；

需要说明的是，径向基函数网络的参数主要包括三种：径向基函数的中心、方差和隐含层到输出层的权值，本发明将所述聚类中心作为径向基函数的中心，可以使径向基函数网络的收敛更快，方差和隐含层到输出层的权值可以采用监督学习算法对其进行训练得到。

步骤6：将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。

本发明通过对原始数据进行数据清洗和聚类，并将聚类中心作为径向基函数的中心进行训练，不仅可以使径向基函数网络的收敛加快，还可以大大提高不同冶炼控制参数下对应的钢坯质量的预测精度。

本发明还提供了一种用于矿料冶炼的控制系统，包括：

冶炼数据获取模块，用于获取矿料在冶炼过程中的原始数据；所述原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；

数据清洗模块，用于对所述原始数据进行数据清洗得到数据清洗后的训练数据；

归一化处理模块，用于对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；

聚类模块，用于对所述归一化后的训练数据进行聚类得到聚类中心；

训练模块，用于将所述聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；

参数控制模块，用于将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。

优选的，所述数据清洗模块，包括：

钢坯质量参数序列排序单元，用于按照钢坯质量依次递增的方式对各组矿料参数和冶炼控制参数进行排列得到钢坯质量参数序列；

相似度计算单元，用于依次计算下一组钢坯质量参数序列与前一组钢坯质量参数序列的相似度系数；

相似度判断单元，用于判断所述相似度系数的值是否在预设的范围内；

钢坯序列去除单元，用于若所述相似度系数的值不在预设的范围内，则将相应的钢坯质量参数序列去除；

训练数据获取单元，用于若所述相似度系数的值在预设的范围内，则将相应的钢坯质量参数序列保留，直到遍历完所有的钢坯质量参数序列，得到数据清洗后的训练数据。

与现有技术相比，本发明提供的一种用于矿料冶炼的控制系统的有益效果与上述技术方案所述一种用于矿料冶炼的控制方法的有益效果相同，在此不做赘述。

本发明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，其特征在于，所述计算机程序被处理器执行时实现上述的一种用于矿料冶炼的控制方法中的步骤。与现有技术相比，本发明提供的一种计算机可读存储介质的有益效果与上述技术方案所述一种用于矿料冶炼的控制方法的有益效果相同，在此不做赘述。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换的技术方案，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种用于矿料冶炼的控制方法，其特征在于，包括：

步骤1：获取矿料在冶炼过程中的原始数据；所述原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；

步骤2：对所述原始数据进行数据清洗得到数据清洗后的训练数据；

步骤3：对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；

步骤4：对所述归一化后的训练数据进行聚类得到聚类中心；

步骤5：将所述聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；

步骤6：将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。

2.根据权利要求1所述的一种用于矿料冶炼的控制方法，其特征在于，所述步骤2：对所述原始数据进行数据清洗得到数据清洗后的训练数据，包括：

步骤2.1：按照钢坯质量依次递增的方式对各组矿料参数和冶炼控制参数进行排列得到钢坯质量参数序列；

步骤2.2：依次计算下一组钢坯质量参数序列与前一组钢坯质量参数序列的相似度系数；

步骤2.3：判断所述相似度系数的值是否在预设的范围内；

步骤2.4：若所述相似度系数的值不在预设的范围内，则将相应的钢坯质量参数序列去除；

步骤2.5：若所述相似度系数的值在预设的范围内，则将相应的钢坯质量参数序列保留，直到遍历完所有的钢坯质量参数序列，得到数据清洗后的训练数据。

3.根据权利要求2所述的一种用于矿料冶炼的控制方法，其特征在于，所述相似度系数的计算公式为：

其中，p_X,Y为相似度系数，cov(X,Y)表示前一组钢坯质量参数序列X与下一组钢坯质量参数序列Y之间的协方差，σ_X表示前一组钢坯质量参数序列X的方差，σ_Y表示下一组钢坯质量参数序列Y的方差。

4.根据权利要求1所述的一种用于矿料冶炼的控制方法，其特征在于，所述步骤3：对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据，包括：

采用公式：

对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；其中，x′_pi为第p个样本的第i个变量的归一化后的数据，x_pi为第p个样本的第i个变量的原始数据，min{X}为训练数据中的最小值，max{X}为训练数据中的最大值。

5.根据权利要求4所述的一种用于矿料冶炼的控制方法，其特征在于，所述步骤4：对所述归一化后的训练数据进行聚类得到聚类中心，包括：

步骤4.1：根据训练样本点到初始的聚类中心的距离构建距离聚类函数；

步骤4.2：对所述距离聚类函数进行迭代求解得到聚类中心更新函数；

步骤4.3：根据所述聚类中心更新函数对所述归一化后的训练数据进行聚类得到最终的聚类中心。

6.根据权利要求5所述的一种用于矿料冶炼的控制方法，其特征在于，所述步骤4.1：根据训练样本点到初始的聚类中心的距离构建距离聚类函数，包括：

利用训练样本点到聚类中心的距离构建距离聚类函数；其中，所述距离聚类函数为：

其中，v_i表示第i个聚类中心，m表示预设的模糊阈值，

表示训练样本点x_j隶属第i个聚类中心的隶属度，d_ij＝||x_j-v_i||表示训练样本点x_j与第i个聚类中心之间的距离，c表示初始的聚类中心个数。

7.根据权利要求6所述的一种用于矿料冶炼的控制方法，其特征在于，所述聚类中心更新函数为：

其中，d_kj表示训练样本点x_j到第k个聚类中心的距离。

8.一种用于矿料冶炼的控制系统，其特征在于，包括：

冶炼数据获取模块，用于获取矿料在冶炼过程中的原始数据；所述原始数据包括矿料参数、冶炼控制参数及其相应的钢坯质量；

数据清洗模块，用于对所述原始数据进行数据清洗得到数据清洗后的训练数据；

归一化处理模块，用于对所述数据清洗后的训练数据进行归一化处理得到归一化后的训练数据；

聚类模块，用于对所述归一化后的训练数据进行聚类得到聚类中心；

训练模块，用于将所述聚类中心作为径向基函数的中心，并且将归一化后的训练数据输入到径向基函数网络中进行训练得到钢坯质量评估模型；

参数控制模块，用于将当前的矿料参数和钢坯目标质量输入到钢坯质量评估模型中确定对应的冶炼控制参数。

9.根据权利要求8所述的一种用于矿料冶炼的控制系统，其特征在于，所述数据清洗模块，包括：

钢坯质量参数序列排序单元，用于按照钢坯质量依次递增的方式对各组矿料参数和冶炼控制参数进行排列得到钢坯质量参数序列；

相似度计算单元，用于依次计算下一组钢坯质量参数序列与前一组钢坯质量参数序列的相似度系数；

相似度判断单元，用于判断所述相似度系数的值是否在预设的范围内；

钢坯序列去除单元，用于若所述相似度系数的值不在预设的范围内，则将相应的钢坯质量参数序列去除；

训练数据获取单元，用于若所述相似度系数的值在预设的范围内，则将相应的钢坯质量参数序列保留，直到遍历完所有的钢坯质量参数序列，得到数据清洗后的训练数据。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种用于矿料冶炼的控制方法中的步骤。

Images