PDF《基于 K-Means 聚类的炼钢生产过程控制目标优化》

p 为钢水的变量数. 计算聚类中心:

1 1 1,2, , i N i ij j i m x i k N = = = ∑ " , , (3) 其中,Ni 为第 i 类钢水的炉次数. 计算偏差:

2 1

1 || || i N k ij i i j J x m = = = ? ∑∑ . (4) 通过反复运算直至 J 值收敛.这样就得到了 k 个类及 k 个聚类中心. 2.3 优化控制目标的确定 对工序处理后命中炉次数据(符合控制目标范围的炉次)划分得到的 k 个类的聚类中心作为该工序 处理后所有炉次数据的聚类中心,并再进行一次分类,这样就将所有工序 处理后炉次数据分为了 k 个类,然后分别计算每类中命中数据占该类所有 数据的比例即命中率,选取命中率高的类往前追溯至工序前钢水信息的范 围即为该工序的优化控制目标.如图

2 所示,粗线圈表示命中数据的范围, 虚线圈 I、II、III 表示三种操作模式下的三类钢水.由图

2 可以看出,三类 钢水的命中率有一定的差别,其中 I 类命中数据的比例明显高于其他类, 说明当工序按 I 类模式操作时,钢水的质量命中率更高.这样往前追溯 I 类 钢水在该工序处理前的质量参数范围作为工序处理前的钢水质量目标就能 有效提高命中率.

3 案例分析 依据 Q 钢厂钢种操作规程发现,所有数据在精炼结束时均满足化学成分判定,这是由于钢厂设定的 化学成分判定范围较宽,为实现质量窄窗口控制,本文依据化学成分目标设定了精炼结束窄窗口,如表

1 所示. 图2工序处理后钢水质量 命中率示意图 Fig.

2 Schematic diagram of the hit rate of molten steel after process treatment Vol.12 No.2 April

2019 阮 威等:基于 K-Means 聚类的炼钢生产过程控制目标优化

339 表1SPHC-W1 钢种精炼结束窄窗口 Tab.

1 Narrow window of SPHC-W1 steel in refining end 参数 C/% Si/% Mn/% P/% S/% 中间包温度范围/℃ 数值