鄭 偉， 陳 勇， 李廷剛， 馬仲群， 孫建鵬， 毛 勇， 王大博

（五礦營口中板有限責任公司， 遼寧 營口 115000）

摘 要：以某鋼廠轉爐冶煉過程中的合金配加工序為研究對象，通過研究合金的成本、收得率以及現場操作的實際情況等特性，自主開發了使用于本廠情況的轉爐合金配加系統。利用單純形法對元素配比進行了線性規劃，規劃后平均噸鋼成本降低 5 元，應用神經網絡算法與現場數據進行訓練仿真預測函數，預測結果的最大誤差小于 3.5%。

關鍵詞：轉爐冶煉；元素配比；神經網絡算法；仿真預測函數

轉爐冶煉過程中，合金配加過程作為轉爐冶煉的最后環節，決定著前一道工序的成功與否，同時也直接影響著后一道精煉工序的冶煉難度與周期，在多方面影響著冶煉成本。傳統合金配加工藝主要以轉爐現場合金操作工人的操作經驗進行判斷，始終存在著成本偏高、實際成分與目標成分偏差較大等缺點。因此，需要一種能夠對合金配加量進行精確計算的合金配加系統，為現場合金配加量提供準確的量化指導方案，在減少合金配加工人操作負擔的同時降低成本，提高工藝精度。

1 合金配加系統的界面設計

合金配加系統的登陸界面，與主界面分別如圖1、圖 2 所示。圖 1 為登陸界面，用戶通過用戶名與密碼進行登陸，程序內部有用戶注冊功能。用戶權限分為管理員權限與普通用戶權限，以確保只有已經注冊的場內相關工作人員擁有使用權限及管理權限。

圖 2 為合金配加系統主界面，界面的中的數據輸入主要由兩個 DataGridView 數據展示控件導入。用于顯示材質終點成分要求的 DataGridView 控件中的數據由 access 數據庫調入，鑒于實際生產過程中使用的每一批合金的合金成分及價位都會存在部分差異，合金成分及成本數據需要時常變更，本程序的設計為，界面中顯示合金成分的 DataGridView 控件中的數據由現場較為熟悉 Excel 軟件調入，以方便煉鋼廠工程師定期更新合金成分數據。

2 成本規劃與收得率的計算

2.1 單純形法優化合金配比

在實際生產過程中由于合金的種類、價格、合金元素成分含量、有害元素成分含量等條件的不同，在相同條件下有會有多種不同的合金配比方案，不同方案之間合金成本存在有較大變動，筆者應用單純形法編寫的優化程序對合金的配加進行線性規劃，在滿足實際鋼種合金需求的條件下選出成本最低的合金配比方案，以降低工藝成本。

單純形法作為求解線性規劃問題的最優方法，其基礎思本思路：先從限制條件內部找出一個可行解，判斷該解是否為最優解，如果為最優解則停止計算，若不是最優解則尋找更好的解，反復執行上述過程直至找出最優解，或判斷該條件下無解^[1]。單純形法的一般形式由目標函數與約束條件組成如公式 （1）、公式（2）所示。

目標函數：

在求合金配比的最優解時目標函數中的 Z 為合金總價，現場生產時合金成本最低 Z 取最小值。c₁、 c₂、…、c_n 為合金 1、合金 2、…、合金 n 的單價，a_ij 為合金 j 中元素 i 的單位增量，x₁、x₂、…、x_n 為合金 1、合金2、…、合金 n 的用量均大于 0，b_i 為鋼液中元素的限制條件。

以某鋼廠轉爐煉鋼車間 2018 年 12 月生產數據進行計算，使用合金配加系統后噸鋼成本可降低 5 元。

2.2 BP 神經網絡算法預測合金收得率

合金收得率會受實際生產操作影響而發生變化，應用仿真擬合函數對合金收得率進行實時預測，可有效提高合金配加精度^[2]。筆者選用 BP 神經網絡算法對合金收得率進行預測。由現場經驗可得，在脫氧劑使用制度相同的情況下，合金收得率主要由終點 C 含量、Si 含量、氧含量，終點出鋼溫度決定。筆者以上述 4 個變量為輸入變量 x，以合金元素收得率為輸出變量 y，通過 BP 神經網絡算法訓練仿真預測函數^[2]。統計得預測函數預測結果的最大誤差小于3.5%低于原操作誤差。

3 結論

1）本程序設計了適用度較高的數據引用方式，直接引入 Excel 表格作為數據源，方便了數據的維護與更新。

2）應用單純形法對合金成本進行線性規劃，得出最佳配比，經計算得噸鋼成本降低 5 元。

3）應用 BP 神經網絡算法訓練的仿真預測函數對收得率進行預測，收得率預測結果最大誤差小于3.5%，低于原操作誤差。

參考文獻

[1] 劉春華.煉鋼鐵合金最優結構消耗標準制定模型[D].上海：上海 交通大學，2007.

[2] 朱光俊，梁本川.轉爐煉鋼靜態控制優化模型[J].煉鋼，1999，15 （4）：25- 28.