基于遗传算法的钢水“脱氧合金化”成本优化研究

苏庆 周泓机 邹立志

摘 要：随着钢铁行业中高附加值钢种产量的不断提高，在保证钢铁质量的同时尽可能减少成本尤为重要。本文基于低碳钢HRB400B的历史数据记录，构建BP神经网络-脱氧合金化预测模型。根据16种合金原料的元素含量和单价，建立“脱氧合金化”总成本最优化模型，并采用遗传算法进行求解。结果显示，相同成本的不同方案中，各合金原料的用量可能存在较大差别，故应根据炼钢厂的实际情况确定合理的合金配料方案。

关键词：多元回归;BP神经网络;遗传算法;目标约束模型

中图分类号：TF769文献标识码：A文章编号：1003-5168（2019）16-0032-03

Abstract： With the continuous improvement of the output of high value-added steel in the iron and steel industry， it is particularly important to reduce the cost of steel while ensuring the quality as much as possible. Based on the historical data of HRB400B of low carbon steel， a BP neural network-deoxidization alloying prediction model was constructed in this paper. According to the element content and unit price of 16 kinds of alloy raw materials， the total cost optimization model of "deoxidization alloying" was established and solved by genetic algorithm. The results show that there may be great difference in the amount of alloy raw materials in different schemes with the same cost， so the reasonable alloy proportioning scheme should be determined according to the actual situation of the steelmaking plant.

Keywords： multiple regression;BP neural network;genetic algorithm; goal constraint model

随着对现代钢材质量要求的提高，对冶炼过程中加入合金的数量和种类要求也越来越精准。在炼钢产业中，合金收得率是炼钢设备工艺和技术操作的一个重要指标，即脱氧合金化过程中被钢水吸收的合金元素的重量与加入该元素总重量之比。C、Mn元素是钢材中两种最主要的元素。本文基于HRB400B低碳钢的炼钢历史数据、合金料成分说明及主要合金元素含量的国家标准，对现有的脱氧合金工艺进行优化分析，在满足合金元素含量要求的前提下，确定最佳的合金配料方案，以尽可能控制生产成本。

1 影响C、Mn收得率的主要因素

设钢水净重为M（kg），炉内钢水元素占比为a（%），合金加入总量为Mp（kg），合金中元素成分占比为b（%），合金元素收得率为[δ]（%），可得到合金加入后的元素成分占比为c（%）的表达式：

（1）

由于低合金钢合金元素含量低，合金加入量少，合金用量对钢液总质量的影响可以忽略。……