Page 48 - 国外钢铁技术信息内参（ 2022年5月）
P. 48

ᇏݓࣁඋ࿐߶







                   的距离测度以检索“相关”实例的困难以及不相关特征对距离测度的负面影响。但

                   是，本文中的特征和指标已经有所变化，便于选择那些呈现最佳结果的特征和指

                   标。                                                                                ᇏݓࣁඋ࿐߶
            ᇏݓࣁඋ࿐߶

















                                          ᇏݓࣁඋ࿐߶







                                                  图 3    新实例输出值                                                                    ᇏݓࣁඋ࿐߶


                        操作员根据自己的经验以及钢和炉渣的定性条件，探索向 LF 炉加入添加物

                   的想法，在调整炉渣成分和加入添加物、工艺条件、EAF 炉添加物以及其他变
                                                                       ᇏݓࣁඋ࿐߶
 ᇏݓࣁඋ࿐߶
                   量或实践时，可以发现重复的模式。因此，使用 KNN 很方便，从而找到最相似
                   铸造事件之间的关系，平均过去的添加次数，以获取最方便的添加量。

                        尤其是在这次操作中，输入的选定值如表 1 所示，距离测度类型为欧几里得

                   距离，邻域值（K）等于 6，并使用平均值作为输出函数来预测白云石石灰、细

                   石灰和粗石灰、铝块和铝柱的量。从 KNN 获得添加量和输出量，用于输入冶金


                   模型，以推断 LF 炉渣中存在的氧化物，并对其进行优化，然后利用人工神经网
 ᇏݓࣁඋ࿐߶
                   络计算 Cs。

                        5) 冶金模型

                        对变量的了解和控制影响着钢铁工艺的改进和决策。因此，通过质量平衡计

                   算可以得到 LF 炉渣成分估计值。通过适当调整 LF 炉中的添加量，有助于操作

                   员调整炉渣成分。但是，这些信息必须及时且以适当的方式提供。因此，建立了

                   一个质量平衡来估计 LF 炉中的氧化物。

            ᇏݓࣁඋ࿐߶
                        该模块对EAF炉和LF炉渣质量以及炉渣中氧化物的比例进行计算。特别是，

                                                            45
   43   44   45   46   47   48   49   50   51   52   53