硅钢RH真空处理过程中脱硫剂加入量推荐方法及系

本发明属于炼钢工艺生产领域，尤其涉及一种硅钢rh真空处理过程中脱硫剂加入量推荐方法及系统。背景技术：1、近年来，随着国内高质量宽厚板产品和冷轧板产品产量的逐渐增加，炼钢厂rh真空处理工序的作用变得越来越重要，其中部分高质量产品，例如硅钢，对硫的要求越来越严格，钢水中的硫含量对成品性能影响较大。rh真空脱硫在真空条件下进行，可以最大程度地消除顶渣对脱硫的影响，因此能够显著提高脱硫的效率。同时，rh真空脱硫工艺还能起到促使夹杂物变性的作用，有利于夹杂物的去除。2、rh真空脱硫效果受多个因素影响，其中脱硫剂的加入量是一个重要的影响因素。在实际生产中，由于操作上没有系统指导，脱硫剂的加入量和加入时间均依赖操作人员的经验；3、另外，脱硫剂的有效成分因为生产批次、外部环境等因素的影响，也会有很大的波动，进一步导致脱硫效果的不稳定。4、为了保证脱硫效果，操作人员往往会刻意增加脱硫剂的加入量，不但导致脱硫成本的增加，而且会极大的缩减炉龄。5、在目前发布的类似技术中，尚没有如本发明这样的基于大数据分析、机器学习等现代信息技术与工艺知识深入融合的、用于rh真空脱硫工艺方面的技术。技术实现思路1、本发明的目的在于提供一种硅钢rh真空处理过程中脱硫剂加入量推荐方法及系统，可指导操作员工合理的加入脱硫剂、减少终点s控制效果波动。2、一种硅钢rh真空处理过程中脱硫剂加入量推荐方法，包括以下步骤：3、步骤1、获取与脱硫剂加入量相关度大于设定值的历史因素y0的历史数据，将所有历史因素y0的历史数据集成以生成历史数据集j0；4、步骤2、将历史数据集j0按钢种、真空设备号、时间区间分成多个子数据集j0i，j0i=1~n;5、步骤3、基于各个子数据集j0i，分别训练机器学习算法，以建立与各个子数据集对应的建议模型集m0i;6、步骤4、将所有建议模型m0i输入至调参规则单元，调参规则单元以同钢种、同真空设备脱硫剂加入量最小为目标，根据调参规则，得到所有建议模型集m0i加权后的最优建议模型集ym0；7、步骤5、控制单元检测到rh到站钢水化验结果更新，则根据当前的钢种和设备信息，调用最优建议模型集ym0中对应的模型ym；8、步骤6、控制单元基于初始条件输入和最优建议模型ym，得到建议值；9、步骤7、用户参考建议值控制料仓中脱硫剂的使用量（放权6）。10、进一步地，步骤1具体包括：11、步骤11、获得疑似相关因素和控制因素的历史数据，所有历史数据组成数据集j；12、步骤12、对数据集j进行相关性分析，以筛选掉相关性小的疑似历史因素，获取历史因素y0。13、进一步地，步骤12中历史因素y0包括：钢种、真空站号、铝粒加入量、到站s含量、出站s含量铁水重量、废钢重量。14、进一步地，在步骤7之后，还包括步骤8：当控制单元检测到rh出钢，则将当前炉的相关数据更新至模型集j0，并进行步骤2-4，得到更新后的最优建议模型集ym0。15、进一步地，同设备同钢种采用同一个最优建议模型ym，每个最优建议模型集ym0由多个同设备同钢种但生产时间不同的建议模型集m0i进行加权得到。16、进一步地，如果人工修改初始条件，则在步骤6中将初始条件替换为人工修改后的初始条件。17、本发明还提出一种硅钢rh真空处理过程中脱硫剂加入量推荐系统，用于实现硅钢rh真空处理过程中脱硫剂加入量推荐方法，包括：18、集成单元一、相关性分析单元及筛选单元，依次连接，用于筛选疑似相关因素的数据集j；19、集成单元一，用于生成数据集j；20、相关性分析单元，用于对数据集j进行相关性分析，输出相关性分析结果；21、筛选单元，用于筛选相关性分析结果，以输出历史因素y0、历史因素y0的历史数据；22、集成单元二、划分单元、机器学习算法单元、调参单元及最优建议模型存储单元，用于建立动态最优建议模型；23、集成单元二，用于集成历史因素y0的历史数据，以生成历史数据集j0；24、划分单元，用于将历史数据集j0划分为若干子数据集j0i；25、机器学习算法单元，用于生成对应的建议模型；26、调参单元，用于将所有建议模型集m1i加权后，并输出最优建议模型集;27、及最优建议模型存储单元，用于存储最优建议模型；28、控制单元，其输出端连接显示单元、最优建议模型集存储单元；29、显示单元，用于显示初始条件并供操作人员修改；30、初始条件存储单元，与控制单元的输入单元连接；31、出钢数据存储单元，用于存储出钢数据，并将其通过控制器传输至控制单元；出钢数据更新到历史数据集j0中。32、与现有技术相比，本发明的优点为：33、1、提供的硅钢rh真空脱硫剂智能加入的方法，可以指导操作员工合理的加入脱硫剂，减少了脱硫剂的浪费；34、2、由于进行了多模型的加权，减少了人员差异与脱硫剂有效成分变化导致的终点s控制效果波动 ，提高产量和脱硫效果。技术特征：1.一种硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，包括以下步骤：2.根据权利要求1所述的硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，步骤1具体包括：3.根据权利要求2所述的硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，步骤12中历史因素y0包括：钢种、真空站号、铝粒加入量、到站s含量、出站s含量铁水重量、废钢重量。4.根据权利要求1所述的硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，在步骤7之后，还包括步骤8：当控制单元检测到rh出钢，则将当前炉的相关数据更新至模型集j0，并进行步骤2-4，得到更新后的最优建议模型集ym0。5.根据权利要求1所述的硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，同设备同钢种采用同一个最优建议模型ym，每个最优建议模型集ym0由多个同设备同钢种但生产时间不同的建议模型集m0i进行加权得到。6.根据权利要求1所述的硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，如果人工修改初始条件，则在步骤6中将初始条件替换为人工修改后的初始条件。7.一种硅钢rh真空处理过程中脱硫剂加入量推荐系统，用于实现权利要求1所述的硅钢rh真空处理过程中脱硫剂加入量推荐方法，其特征在于，包括：技术总结本发明提出了一种硅钢RH真空处理过程中脱硫剂加入量推荐方法及系统，该方法包括：获取历史数据，将所有历史因素Y0的历史数据集成以生成历史数据集J0；将历史数据集J0按钢种、真空设备号、时间区间分成多个子数据集J0I；基于各个子数据集J0I，分别训练机器学习算法，以建立与各个子数据集对应的建议模型集M0I；调参规则单元以同钢种、同真空设备脱硫剂加入量最小为目标，得到所有建议模型集M0I加权的最优建议模型集YM0；根据当前钢种和设备信息，调用最优建议模型集YM0中对应的模型YM；控制单元基于初始条件输入和最优建议模型YM，得到建议值；用户参考建议值控制料仓中脱硫剂的使用量。本发明可指导操作员工合理的加入脱硫剂、减少终点S控制效果波动。技术研发人员：李小田,夏奇,翟明,陆建惠,王建江受保护的技术使用者：江苏沙钢高科信息技术有限公司技术研发日：技术公布日：2024/8/16