鋼水“脫氧合金化”收得率的預(yù)測(cè)模型研究

姜皓月

（山東科技大學(xué)，山東 青島 266590）

脫氧合金化是鋼鐵冶煉中的重要環(huán)節(jié)。通過(guò)控制煉鋼過(guò)程中加入的合金比例和種類(lèi)，可以使不同鋼種在冶煉結(jié)束時(shí)具有某些特定的物理性能。本文將通過(guò)歷史數(shù)據(jù)對(duì)脫氧合金化環(huán)節(jié)建立數(shù)學(xué)模型，計(jì)算歷史收得率并分析影響其變化的因素，在線(xiàn)預(yù)測(cè)金屬收得率。

1 元素歷史收得率及影響因素的求解

1.1 影響因素模型的建立

脫氧合金化環(huán)節(jié)中的各種物質(zhì)反應(yīng)十分復(fù)雜，元素種類(lèi)、元素含量、鋼水溫度等等，都有可能會(huì)對(duì)最終的合金收得率造成影響，直接從微觀(guān)的元素物質(zhì)層面分析影響脫氧合金化的因素較為復(fù)雜。本文從宏觀(guān)出發(fā)，分不同鋼號(hào)，并計(jì)算每個(gè)爐號(hào)對(duì)應(yīng)的歷史收得率。由此對(duì)脫氧合金化過(guò)程中C、Mn的收得率的影響因素進(jìn)行分析。

影響Mn的加入量的物質(zhì)有硅鋁錳合金球、硅錳渣、硅錳合金（FeMn64Si27）、硅錳合金（FeMn64Si27）。根據(jù)所給的不同物質(zhì)中C和Mn的含量，可分別得到C、Mn元素的加入總量。由此可分別計(jì)算出C、Mn的歷史收得率：

計(jì)算可知C、Mn元素收得率基本維持在0.9左右。由于其他未知雜質(zhì)或未知因素的影響，模型的假設(shè)不能被完全滿(mǎn)足，數(shù)據(jù)中可能會(huì)出現(xiàn)極個(gè)別收得率大于1的情況，可以忽略其影響。在得到每個(gè)爐號(hào)的收得率之后，便可以利用主成分分析法得出收得率和各個(gè)影響因素之間的相關(guān)性。

主成分分析法操作步驟如下：

原始數(shù)據(jù)標(biāo)準(zhǔn)化處理，若觀(guān)測(cè)樣本數(shù)據(jù)的矩陣為：

計(jì)算相關(guān)系數(shù)矩陣：

求解相關(guān)系數(shù)矩陣的特征值：

根據(jù)得出的總方差解釋表、成分得分系數(shù)矩陣，選擇重要成分，寫(xiě)出主成分表達(dá)式。

最后根據(jù)表達(dá)式得出主要影響因素，收得率與它們的相關(guān)性。

1.2 影響因素模型的求解

以鋼號(hào)為HRB400B的鋼材料為例，鋼號(hào)為HRB400B的鋼材料對(duì)C元素進(jìn)行主成分分析可得：

HRB400B中C元素的收得率與連鑄正樣C、連鑄正樣Ceq_val的正相關(guān)程度較高。與石油焦增碳劑、碳化硅、轉(zhuǎn)爐終點(diǎn)C負(fù)相關(guān)程度高。以此為例可求出不同金屬中不同元素的收得率。C、Mn兩種元素的歷史收得率都和本身元素的連鑄正樣有較大程度的正相關(guān)關(guān)系，也與連鑄正樣Ceq_val、連鑄正樣V_val有一定的程度的正相關(guān)關(guān)系。

因此，若想要提高元素的收得率，可以從提高脫氧合金化之后的該元素的含量入手。而對(duì)于C、Mn元素而言，連鑄正樣Ceq_val、連鑄正樣V_val的值也對(duì)其收得率的提高有較為明顯的貢獻(xiàn)。

2 元素收得率的預(yù)測(cè)

2.1 神經(jīng)網(wǎng)絡(luò)模型的建立

一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：感知器。它包含兩種節(jié)點(diǎn)：幾個(gè)輸入結(jié)點(diǎn)，用來(lái)表示輸入屬性，一個(gè)輸出節(jié)點(diǎn)，用來(lái)提供模型輸出。原始BP神經(jīng)網(wǎng)絡(luò)算法存在著一些不足：收斂速度慢；往往收斂于局部最小點(diǎn)；數(shù)值穩(wěn)定性差，學(xué)習(xí)率、動(dòng)量項(xiàng)系數(shù)和初始權(quán)值等參數(shù)難以調(diào)整。

改進(jìn)后的Levenberg Marquardt算法基本步驟：

（1）選取初始點(diǎn)x0，取參數(shù)ε、μ0、γ1、γ2、η1、η2使 得 0＜ε＜1,μ0＞0，0＜γ1＜1＜γ2，0＜ η1≤ η2≤11，令k=0；

在確立了基本模型和相應(yīng)算法之后，利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱不同鋼號(hào)金屬的C、Mn歷史收得率數(shù)據(jù)，按照每個(gè)爐號(hào)的各種因素指標(biāo)和對(duì)應(yīng)收得率，導(dǎo)入MATLAB進(jìn)行處理。

2.2 預(yù)測(cè)分析模型的求解

以鋼號(hào)為HRB400B的鋼材料中C元素收得率為例，神經(jīng)網(wǎng)絡(luò)模型結(jié)果如圖1所示。HRB400B鋼材料共有632個(gè)樣本，24個(gè)衡量指標(biāo)。

圖1 HRB400B-C元素收得率神經(jīng)網(wǎng)絡(luò)訓(xùn)練及測(cè)試結(jié)果

LM算法的神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)HRB400B-C的指標(biāo)數(shù)據(jù)后，除極個(gè)別點(diǎn)誤差較大外，其他驗(yàn)證及測(cè)試得出的收得率預(yù)測(cè)結(jié)果基本維持在0.9左右，符合收得率應(yīng)有預(yù)期。

3 結(jié)語(yǔ)

對(duì)于C、Mn的收得率的預(yù)測(cè)分析模型，首先要區(qū)分不同鋼號(hào)的鋼材料，然后借助基于LM算法的神經(jīng)網(wǎng)絡(luò)模型結(jié)合誤差糾正，可以較好的擬合出各種因素對(duì)C、Mn收得率的影響規(guī)律。