权利要求
	1.转炉出钢过程合金加入量的确定方法,其特征在于,包括以下步骤:
	S1.采集转炉生产数据集,建立预测模型数据库;
	S2.对采集的转炉生产数据集进行数据筛选和淘洗,对筛选和淘洗后的数据进行预处理;
	S3.确定影响转炉出钢过程Si收得率的工艺参数变量,作为模型的输入变量,建立LSTM神经网络Si收得率预测模型;
	S4.确定影响转炉出钢过程Mn收得率的工艺参数变量,作为模型的输入变量,建立LSTM神经网络Mn收得率预测模型;
	S5.确定影响转炉出钢过程Cr收得率的工艺参数变量,作为模型的输入变量,建立LSTM神经网络Cr收得率预测模型;
	S6.预测模型训练和测试;
	S7.采集现场冶炼过程的实时数据,预测Si、Mn和Cr元素收得率;
	S8.通过整数线性规划求解合金加入量;
	S9.按照求解的合金加入量结果配加合金,出钢结束,数据存入预测模型数据库。
	
	2.根据权利要求1所述的转炉出钢过程合金加入量的确定方法,其特征在于,所述步骤S1中,所述转炉生产数据集包括:
	生产日期、炉次号、吹炼周期、铁水成分、铁水装入量、废钢装入量、渣料加入量、合金加入量、副枪信息、终点化验成分、吹氧信息、出钢温度、出钢量和合金化后包样化验成分。
	
	3.根据权利要求1所述的转炉出钢过程合金加入量的确定方法,其特征在于,所述步骤S2中,所述对采集的转炉生产数据集进行数据筛选和淘洗,具体包括:
	删除重复数据,删除异常点和极端异常点,异常数据的评判如式(1):
	 (1)
	其中,表示待测数据按照从小到大排序后的第个数据,为上四分位数,为下四分位数,表示四分位距。
	
	4.根据权利要求1所述的转炉出钢过程合金加入量的确定方法,其特征在于,所述步骤S2中,所述对筛选和淘洗后的数据进行预处理,具体包括:
	将数据集归一化到[-1,1],具体处理方式如式(2)所示:
	 (2)
	其中,为生产数据样本的原始数据;为经过归一化处理的数据;表示第个样本点;表示第个输入变量;、、分别为原始数据样本中的最小值、最大值和平均值。
	
	5.根据权利要求1所述的转炉出钢过程合金加入量的确定方法,其特征在于,所述步骤S3中,所述Si收得率预测模型输入变量包括:钢包状态                    
                    				    
				        声明:
				        
				         “转炉出钢过程合金加入量的确定方法和系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
				        
				        
				        我是此专利(论文)的发明人(作者)