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 m^(3)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。