PDF《基于 K-Means 聚类的炼钢生产过程控制目标优化》

1 工序控制目标优化方法 在炼钢过程各工序控制目标较宽泛的条件下,进入各工序的 钢水(铁水)在成分、温度等参数上差异较大,综合成分和温度, 实际分为几类钢水.工序为达到相应的控制目标,需要提供多种 操作模式处理每类钢水,这样增加了工序的处理复杂度.不同的 操作模式下,钢水的命中率也有一定差异.因此,为提高钢水的 命中率、简化处理模式、降低处理成本,就需要挖掘出工序对应 的合理工艺模式, 找出更有利于该工序控制命中率的初始钢水 (铁水)成分和温度范围,该成分和温度范围既是该工序的最优钢水 (铁水)初始条件,也是前一工序的优化控制目标.工序控制目 标优化的工作流程如图

1 所示.

2 工序钢水(铁水)质量控制参数的选取 对于整个炼钢过程而言,每个工序的冶金功能不同,主要控 制的质量参数也不同.但在制定控制目标时,对于每个工序而言, 控制目标的指标类别应该包括操作规程中所有的质量控制参数.因为本方法采用前溯法优化工序控制目 标,即根据后一工序合理工艺模式对应的钢水(铁水)条件,结合前一工序的控制水平,确定前一工序 的优化控制目标. 部分质量参数虽然在后一工序不作为控制对象, 但在上一工序可能是重要的控制对象, 而本研究采用的又是往前追溯的方法得到控制目标,所以控制参数选取操作规程中的所有参数. 2.1 数据的整理与标准化处理 先将各工序数据串联到一起进行清洗和筛选,再根据某钢种的实际生产情况,选择合理操作范围内 的数据进行分析,剔除特殊操作(例如大批量加调温废钢或长时间加热补温)下的炉次数据. 另外,由于这些成分和温度数据在分布区间和单位上各有不同,直接对其聚类是不合理的,所以要 先进行标准化处理.这里采用的处理方式是 Min-Max 标准化处理方法.设min A 和max A 分别为属性 A 的最小值和最大值,将A的一个原始值 x 通过 Min-Max 标准化映射为区间[0,1]中的值 x',其公式为 ( min ) (max min ) A A x' A A ? = ? . (1) 2.2 工艺模式挖掘 本研究所使用的 K-Means 聚类算法[11~12] 需要预先知道聚类数, 这里采用系统聚类的方法来确定最佳 聚类数的大致范围,再依据专家经验对聚类数进行最终选择. 图1工序控制目标的优化流程 Fig.

1 Process of the optimized control objectives in process 第12卷第2期2019 年4月中国科技论文在线精品论文

338 由于钢水的很多成分和温度并不是相互独立的变量,在调整某一个变量时往往也会对其他变量造成 影响,所以应该将这些变量作为依赖变量来考虑.本研究将成分和温度变量均作为 K-Means 聚类算法的 聚类变量储存在数据矩阵中,并用相异度矩阵来储存这些同一钢种、不同炉次之间的差异性,n 个炉次 钢水的相异度矩阵表示为 n*n 维的矩阵,用d(A,B)表示 A 与B的相异性,则含有 n 个炉次的集合 X={x1,x2,・・・,xn}的相异度矩阵为

2 1

3 1

3 2

1 2

3 0 ( , )

0 0

0 n n n d x x d x x d x x d x x d x x d x x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # # # % " , 其中,d(xi, xj)为某种相似性度量函数.当xi 相似或相近时,d(xi, xj)的值接近 0;

而当 d(xi, xj)值较大时, 表示炉次 xi 和xj 有很大差异.目前,最常用的相似性度量函数为欧式距离,定义为

2 2

2 1

1 2

2 i j i j i j ip jp d x x x x x x x x " ,i, j=1,2,・・・,n, (2) 其中,xi 和xj 为任意两炉钢水;