机理和数据混合驱动的RH脱碳建模方法

摘要：

RH精炼是冶炼超低碳钢的重要工序之一,其中碳含量的控制尤为重要.为提高RH脱碳模型计算的精准度和应用的泛化性,提出一种机理和数据混合驱动的RH脱碳模型构建方法.首先,为更贴近实际生产过程的吹氧操作,采用即时学习算法预测RH脱碳过程的吹氧量;然后,针对脱碳方程中不同地点的脱碳量引入权值参数,结合历史数据通过即时学习算法确定参数值;最后,将权值参数代入脱碳机理模型,实现机理和数据混合驱动的碳含量预测.相较于传统机理模型,机理和数据混合驱动的RH脱碳模型具有更高的预测精度,吹氧量预测误差在±10 m3以内的命中率为89％;碳质量分数预测误差在±5×10-6以内的命中率为100％,误差在±3× 10-6以内的命中率为78％,模型可为现场操作人员提供参考.

关键词：RH、脱碳、吹氧量、混合模型、即时学习

所属期刊栏目：33

分类号：TP391.9;TF704.5;TP273

资助基金：国家重点研发计划2021YFE0113200

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-60,111