基于案例推理的LF炉温度控制中属性及权值的研究

刘 杰

（昭通学院 物理与信息工程学院，云南 昭通 657000）

0 引言

LF炉由钢包，电极，底部吹氩设备，电极升降设备等几部分构成，如图1所示。

图1 LF炉精炼设备

LF精炼中，主要分为钢液温度控制和钢液成分控制两个部分。企业、公司对钢材的质量要求与日俱增，所以使得钢材的成分越来越窄，而为了保证良好的铸坯质量及稳定的工艺过程，对LF炉精炼过程的终点钢水温度控制提出了更高的要求[1]。大多数的研究都聚集在LF炉的钢水温度预报，而对LF炉的钢水温度的控制还有很大的研究空间，由于精炼的造渣阶段工况复杂，参数难以精确测量，所以可以采用案例推理来对造渣阶段钢水进行温度控制，本文主要对案例推理中属性的选择和属性权值做了研究。

1 LF炉的工况案例表示

案例的设计是CBR中的一个重要内容，是案例推理的基础和核心，具体表现为：如何选择合适的结构来构成案例，什么样的信息应该放在案例中。影响案例推理系统的性能是案例设计的结构和内容是否科学，案例的设计是案例检索，案例调整和案例学习的基础[2]。

本文对于精炼过程案例的设计主要有以下几个方面：

(1)问题或情景描述：造渣阶段影响钢水温度的关键要素；

(2)案例解：对于造渣阶段温度控制的解决方案.

下面我们具体讨论精炼过程中造渣阶段的具体工况，选取的案例的情景描述应该是影响钢水温度的关键因素：

钢种：钢种决定了钢材中成分的不同，对钢水的终点温度目标也不同，本文中选取一种特定的钢种作为研究对象。

钢水质量：每次的钢水质量都会因为具体情况不同，加热钢水所需要的总电量也会有差异。

钢包的使用次数：随着钢包的重复使用，钢液会不断地侵蚀钢包，使得钢包越来越薄，随着钢包的重复使用，钢包工作层厚度会变化，图2为钢水温度受钢包使用次数影响的关系图。

钢包预热温度：为了提高钢包内表面的温度，降低温度差，降低对钢水的吸热量，一般采用烘烤钢包的方法，所以钢包烘烤后的温度会影响钢水的温度[2]。

加入渣料质量：加入的钢渣升温、融化都需要消耗电能，钢液上层的渣层对钢水有着保温隔热的功能，有效的减小了热辐射，但是对流损失的热量却无法避免。

图2 包龄对钢水温度的影响

钢液初始温度：影响造渣阶段温度控制的另一个关键要素是钢水的初始温度，终点目标温度和钢水起始温度的差是造渣阶段需要提高的钢液温度[3]：

ΔT决定了精炼过程中需要的电量。

精炼时间：钢包的散热随着时间而增减，时间越久，散热损失的热能就越多。

2 属性特征权重

2.1 LF炉属性特征权值的计算

本文采用基于覆盖度的权值确定方案，这样能提高案例检索的效率和质量，方法就是基于所有的特征权值都相等的条件下，然后再逐个对不同属性的案例覆盖度进行比较和分析，最终计算出各个属性对应的权值[4]。

(1)特征权值计算方案：

具体实现步骤如下：

S3:去掉属性yk后，计算属性集中的覆盖度，把覆盖度的案例个数赋值给

S4：如果条件k≥m成立，则进行下一步；如果条件不成立，令k=k+1，回到S3；

S5:如果条件i≥n成立，进如下一阶段；条件不成立，令i=i+1，回到S2；

S6:基于每个属性对案例平均覆盖度的影响，按公式计算特征属性yk的重要性

S7:最后对各个属性的重要性进行归一化，按下列公式可以得到属性的特征权值wk：

(2)LF炉属性权值的算法

选取以下有代表性的案例进行模拟计算，相似度阀值设定为为0.7，如表1。

表1.CBR案例属性表

根据定义，案例相似度阀值设定为0.675，各个属性的覆盖度计算结果如下：

对以上数据进行归一化处理后，计算的权值结果依次为｛0.107，0.071，0.178，0.321，0.142，0.178｝，如表2所示。

表2.属性权值表

考虑到权值属性的计算只是基于数据，没有和精炼的实际情况相结合，这里采用一种新的方法，考虑最后求取的解是精炼过程造渣阶段所需的电能，因此各个属性的浮动会对最后的求解产生影响，所以每个属性对最后的解都会有一定的影响[5]，这里我们定义一个对案例解的影响度：

f( ∗)是基于覆盖度求出的案例解，通过以上处理可以求解出各个属性对于案例最终解的影响程度，本文采用案例的影响度和属性权值求均值，这样实现了统计数据和精炼过程实际情况的结合，使得求出的属性权值更加的精确，下面是对每个属性的影响度进行计算：

S1：首先求出案例中每个属性的f(∗)，例如属性x1钢液的质量，式中csteel为钢水的比热，Δt为钢水需要提高的温度，q1为案例中对应属性x1最大值和最小值的差，然后依次求组每个属性对应的值。对于钢渣的影响程度我们也可以根据不同厚度的渣层对引起的钢水温度变化来估算。同理对于包龄的影响程度可以根据考虑在钢包使用次数差距最大时根据钢液的温降来计算。

S2：按照公式求得属性的影响程度，然后进行归一化处理，解出每个属性的Zi如表3所示:

表3.案例属性重要度

从表3可以看出各个属性在精炼过程造渣阶段对供电量的影响。用求出的影响程度和根据相似度计算出各个属性权值做比较后发现，两者都有相同的趋势，重要的影响因素都是钢水的初始温度。不同的是这两种方法一种是基于数据，一种是基于理论和实际工况的研究，所以本文采用把两者相结合来确定最终的权值属性：

式中：

Zi为属性对供电量的影响程度；

wi为基于覆盖度的权值。

最终确定的权值如表4：

表4.改进的属性权值表

3 结束语

本文主要工作是研究基于通过案例推理来控制精炼过程造渣阶段钢液温度中案例属性的选择和权值的计算，通过对造渣阶段的工况的具体分析，构成了案例的属性结构。对于属性权值的计算，使用基于覆盖度的方法求取属性权值，但是这是一种建立在数据上的方案，为了使得求出的权值能更加精确，使用了一种基于属性对案例解的影响程度的方法，最后采用两种方案想结合的方法来求取最终的属性权值。