钢水“脱氧合金化”配料方案的优化

刘玉庆　金宇悦　李晓航

摘要：脱氧合金化是钢铁冶炼中的重要工艺环节，如何优化脱氧合金化配料方案，最大限度地降低合金钢的生产成本，已成为各大钢铁企业提升竞争力的关键。

首先，本文通过采集的低合金钢种前期冶炼历史真实数据，选择恰当的方法，计算出C，Mn两种元素的历史合金收得率，接着建立BP神经网络预测模型，实现对C、Mn两种元素收得率的预测。

接着根据不同合金的投入量和价格建立非线性方程模型。以总成本、收得率、投入合金质量的上限和下限作为非线性方程的限制条件。然后，选取不同的合金进行实验和比较，计算得出最优的合金配料方案。优化后，每一包钢水生产成本比平均成本节约239.18万元。

关键词：BP神经网络;遗传算法;非线性规划;成本优化

中图分类号：TF713.5 文献标识码：A 文章编号：1672-9129（2020）06-0037-01

Abstract：Deoxidizingalloyingisanimportantprocessinironandsteelsmelting.Howtooptimizethemixingschemeofdeoxidizingalloyingandreducetheproductioncostofalloysteeltothemaximumextenthasbecomethekeytoimprovethecompetitivenessofmajorironandsteelenterprises.

Firstofall，thispapercalculatedthehistoricalalloyyieldofCandMnthroughthecollectedrealhistoricaldataofearlysmeltingoflowalloysteel，andselectedappropriatemethods.ThenBPneuralnetworkpredictionmodelwasestablishedtorealizethepredictionoftheyieldofCandMn.

Thenthenonlinearequationmodelisestablishedaccordingtotheinputquantityandpriceofdifferentalloys.Thetotalcost，yield，upperandlowerlimitsofinputalloymassareusedasthelimitingconditionsofnonlinearequation.Then，differentalloysareselectedforexperimentandcomparison，andtheoptimalalloybatchingschemeiscalculated.Afteroptimization，theproductioncostofeachpackofmoltensteelis2，391，800yuanlessthantheaveragecost.

Keywords：BPneuralnetwork;Geneticalgorithm;Nonlinearprogramming;Costoptimization

引言：如何通过历史数据对脱氧合金化环节建立具备以合金收得率预测及成本优化算法为主体的自动配料的数学模型，在线预测并优化投入合金的种类及数量，在保证钢水质量的同时最大限度地降低合金钢的生产成本，是各大钢铁企业提高竞争力所要解决的重要问题。

本文通过低合金钢种前期冶炼所采集的历史真实数据，计算出C，Mn两种元素的历史合金收得率。接着建立BP神经网络预测模型，并根据预测结果的相关性确定准确率的大小。

1历史收得率

合金收得率为脱氧合金化时被钢水吸收的合金元素的重量与加入该元素总重量之比。

合金元素的吸收重量[1]应为脱氧合金化之后的钢水的总质量乘以合金元素连铸正样时的重量百分比减去脱氧合金化之前的钢水的总质量乘以转炉终点时合金元素的重量百分比。

合金元素加入质量为各类合金质量与其相应元素的所占百分比的乘积的总和。

2BP神经网络模型

有關研究表明，，有一个隐层的神经网络[2]，只要隐节点足够多，就可以以任意精度逼近一个非线性函数。网络中隐层神经元的数目与实际问题的复杂程度、输入和输出层的神经元数以及对期望误差的设定有着直接的联系。

其中，n为输入层神经元个数，m为输出层神经元个数，a为[1，10]之间的常数。问题中输入层神经元个数为10个，输出层为1个。所以根据上式可以计算出神经元个数为4-13个之间，在本文中选择6个隐层神经元，建立如图1所示的10×6×1的三层BP网络模型。

本文将十项数据[4]作为输入，即（转炉终点温度、转炉终点C、碳化硅、锰硅合金、钒铁、转炉终点Mn、石油焦增碳剂、钢水净重、硅铝钙、连铸正样Mn），将收得率作为输出。由于输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。

所以利用Matlab中的premnmx（）函数，对数据进行归一化处理。然后，运用MATLAB对70%的数据进行训练，将30%的数据作为测试数据进行训练和测试。最后，进行数据反归一化处理，得到两种元素的收得率。

R越接近1说明相关性越高，越接近0说明相关性越低，而相关性越高说明预测准确率越高。训练相关性为0.7，验证相关性为0.9，测试相关性为0.68，综合相关性为0.73，相关性较高，预测准确性较高。

3非线性规划法求解配料方案

根据不同合金的投入量和价格建立非线性方程[5]，以总成本、收得率、投入合金质量的上限和下限作为非线性方程的限制条件，建立模型，然后选取不同合金进行实验和比较，用合适的低成本合金替代高成本合金，计算得出最优的合金配料方案[6]。

在求解过程中，需要确定目标成本[7]与投入质量和配比的数据关系式。以Mn为例，各原料中Mn与混料中Mn指标需根据各原料配比计算得到。

针对生产过程中，成本的最佳方案的规划求解，约束条件有质量指标约束条件和生产工艺约束条件。质量指标约束条件是指配料完成后各质量指标的上下限。

非线性规划数学模型建立后，可利用现有的数据分析软件进行计算，本文运用常见的Excel实现非线性规划求解。将原料质量数据输入Excel中，按照对应关系录入相应的单元格中，并设置好各指标上下限和配比上下限。

将优化前平均投入和成本与优化的的数据进行对比，可知，优化后的合金收得率相比优化前平均收得率略有提高，而成本节约了239.18万元。

得出最佳配料方案为：每一包钢水生产中氮化钒铁FeV55N11-A投入8.35kg、钒铁（FeV50-B）投入20.37kg、硅铝钙投入18.55kg、石油焦增碳剂投入102.43kg、锰硅合金FeMn64Si27（合格块）投入1350.72kg、碳化硅（55%）投入116.54kg并且温度控制在1661摄氏度左右，能够在合金收得率较高的情况下，降低成本。

4结论

本文通过历史数据分析，根据不同合金的投入量和其价格建立非线性方程，以总成本、收得率、投入合金质量的上限和下限作为非线性方程的限制条件，建立模型。然后，选取不同合金进行实验和比较，得出最佳配料方案，用合适的低成本合金替代高成本合金，从脱氧合金化工艺源头控制合金成本，进而节约成本。预计优化后每一包钢水生产成本比平均成本预计节约239.18万元。

参考文献：

[1]叶成立，王承.一种高合金钢钢水量的计算方法[J].大型铸锻件，2019（02）：8-9.

[2]鱼丹.基于遗传算法的BP神经网络在汇率预测中的应用[J].科学技术创新，2019（03）：100-101.

[3]熊壮壮，熊峰.BP神经网络算法在PM_（2.5）数据预测方面的应用[J].通信电源技术，2017，34（03）：77-79.