(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110614850.0 (22)申请日 2021.06.02 (65)同一申请的已公布的文献号 申请公布号 CN 113362903 A (43)申请公布日 2021.09.07 (73)专利权人 邯郸钢铁集团有限责任公司 地址 056015 河北省邯郸市复兴区复兴 路 232号 专利权人 河钢股份有限公司邯郸分公司 (72)发明人 邓建军　武志杰　何方　韩闯闯　 程迪　姜丽梅　周钢　张才华　 侯钢铁　 (74)专利代理 机构 石家庄冀科专利商标事务所 有限公司 13108 专利代理师 李桂琴(51)Int.Cl. G16C 10/00(2019.01) G16C 60/00(2019.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) C21C 5/28(2006.01) C21C 7/00(2006.01) C21C 7/064(2006.01) G06F 111/10(2020.01) (56)对比文件 CN 103397140 A,2013.1 1.20 CN 110362044 A,2019.10.2 2 CN 112036081 A,2020.12.04 审查员 程呈 (54)发明名称 一种大型转炉TSC阶段智能添加石灰的方法 (57)摘要 本发明涉及一种大型转炉TSC阶段智能添加 石灰的方法， 属于钢铁冶金技术领域。 本发明的 技术方案 是： 采用机理模型按照冶金机理进行预 测， 进行数据训练， 采用BP神经网络为基础的深 度学习人工智能， 输入数据以机理模型为基础， 进行标准化处理， 构建输入数据与输出数据间的 内在联系， 通过人工智 能计算获得输出数据。 本 发明的有益效果是： 采用 “机理模型+人工智能预 测”的方式， 在充分分析转炉石灰加入量影响因 素的基础上， 构建转炉各影响因素间的内在联 系， 实现在不同物料条件下， 大型转炉TSC阶段智 能加入石灰的方法， 解决转炉石灰准确加入的问 题， 减少质量事故和生产事故， 降低冶炼成本 。 权利要求书2页 说明书10页 附图2页 CN 113362903 B 2022.05.20 CN 113362903 B 1.一种大 型转炉TSC阶段智能添加石灰的方法， 其特 征在于包 含以下步骤： (1)采用机理模型按照冶金机理进行 预测， 机理模型公式如下： 其中Wsh代表石灰加入量， 数据范围2 2kg/t‑49kg/t； ashc代表石灰CaO质量百分数， 数据范围8 8％‑93％； ashs代表石灰SiO2质量百分数， 数据范围2％ ‑5％； Wqs代表轻烧白云石加入量， 数据范围7.5kg/t ‑30.1kg/t； aqsc代表轻烧白云石CaO质量百分数， 数据范围40％ ‑48％； aqss代表轻烧白云石SiO2质量百分数， 数据范围0.1％ ‑3.3％； Wgz代表钢渣冷料加入量， 数据范围小于1 13kg/t； agzc代表钢渣CaO质量百分数， 数据范围20％ ‑45％； agzs代表钢渣SiO2质量百分数， 数据范围8％ ‑23％； Wts代表铁水加入量， 数据范围90 0kg/t‑1085kg/t； ats代表铁水Si质量百分数， 数据范围0.15％ ‑0.60％； 2.14为Si转化为SiO2的转化系数； R代表碱度， 碱度由碱度选择模型确定， 将碱度分为四个梯度， 取值分别为3、 3.5、 4和 4.5； (2)进行人工智能预测， 采用BP神经网络架构为基础的深度学习人工智能， 其架构为输 入是16维数据， 输出是1维数据， 16维输入数据分别为， 机理模型石灰量、 冶炼班组、 冶炼炉 座、 钢种要求、 废钢、 铁水温度、 铁水重量、 铁水锰、 铁水硅、 铁水磷、 钢渣、 白云石加入量、 TS C 磷、 TSC锰、 TSC碳和TSC温度， 1维输出数据为石灰量； 输入数据以机理模 型为基础， 进行标准 化处理， 处理方式如下： y是需要标准 化的参数值， ystd是这一组参数的标准差， yave是这组参数的平均值； 构建输入数据与输出 数据间的内在联系， 通过 人工智能计算获得输出 数据； (3)通过反标准 化还原计算所需的修 正误差， 通过以下公式进行反标准 化 y＝y*×yave+ystd (4)激励函数 形式为： 2.根据权利要求1所述的一种大型转炉TSC阶段智能添加石灰的方法， 其特征在于： 所 述步骤(1)中， 机理模型选择原则如下： 钢种磷含量要求制定4个梯度档位， ①磷质量百分数要求为≤0.015％， ②磷质量百分 数要求为＞0.015％且≤0.020％， ③磷质量百分数要求为＞0.020％且≤0.025％， ④磷质 量百分数要求 为＞0.025％； 终点温度大于1650℃的钢种， 磷质量百分数要求档位为 ①， 碱度选择4.5； 磷质量百分权　利　要　求　书 1/2 页 2 CN 113362903 B 2数要求为②， 碱度选择4； 磷质量百分数要求 为③和④， 碱度选择3； 对终点温度小于1650℃的钢种， 铁水磷质量百分数≤0.15％， 钢种磷质量百分数要求 为①， 碱度选择4； 铁水磷质量百分数≤0.15％， 钢种磷质量百分数要求为 ②时， 碱度选择 3.5； 铁水磷质量百分数≤0.15％， 钢种磷质量百分数要求为 ③和④时碱度选择3.0； 铁水磷 质量百分数＞0.15％， 钢种磷质量百分数要为 ①， 碱度选择4.5； 铁水磷质量百分数＞ 0.15％， 钢种磷质量百分数要求为 ②时， 碱度选择4； 铁水磷质量百分数＞0.15％， 钢种磷质 量百分数要求为 ③时， 碱度选择3.5； 铁水磷质量百分数＞0.15％， 钢种磷质量百分数要求 为④时， 碱度选择3 。 3.根据权利要求1所述的一种大型转炉TSC  阶段 智能添加石灰的方法， 其特征在于： 所述步骤(2)中， BP神经网络结构为3个隐藏层的结构， 第一个隐藏层的节点数量为3个， 第 二个隐藏层的节点数量 为50个， 第三个隐藏层节点数量 为5个。 4.根据权利要求1所述的一种大型转炉TSC  阶段 智能添加石灰的方法， 其特征在于： 所述步骤(2)中， 人工智能预测的训练数据均通过数据择优规则模型筛选， 通过筛除数据采 集错误或无典型性数据， 模型计算精度提高， 减少错误数据对模型计算的干扰， 具体择优规 则如下： ①铁水重量+废钢重量在280t至 320t之间， 择优挑选； ②铁水硅质量百分数小于 0.6％， 择优挑选； ③石灰加入量在6t以上的， 择优挑选； ④轻烧白云石加入量在2 t以上， 择优挑选； ⑤铁水温度＞1320℃， 废钢量＜30t， 铁水硅质量百分数＞0.3％时， 加入矿石的， 择优 挑选。权　利　要　求　书 2/2 页 3 CN 113362903 B 3