基于多元回归模型分析影响合金元素收得率主要因素.docxVIP

基于多元回归模型分析影响合金元素收得率主要因素 　　摘要：该文针对国内炼钢厂难以实现合金配料的自动优化和成本配置问题，运用多元回归分析判断钢产品c、mn元素收得率的影响因素主要是转炉终点元素和合金加料量。对钢产品的数据按照钢号不同进行筛选分类后，根据钢水中合金的元素收得率，分别计算出元素c、mn的收得率，其中c元素历史收得率为0.90，mn元素的历史收得率为0.93。 　　关键词：多元回归分析时间序列模型合金收得率 　　中图分类号：f01文献标识码：a文章编号：1672-3791（2019）03（c）-0035-02 　　炼钢过程中的脱氧合金化是钢铁冶炼中的重要工艺环节。对于不同的钢种在熔炼结束时，需加入不同量、不同种类的合金，以使其所含合金元素达标，最终使得成品钢在某些物理性能上达到特定要求。随着钢铁行业中高附加值钢种产量的不断提高，如何通过历史数据对脱氧合金化环节建立数学模型，在线预测并优化投入合金的种类数量，在保证钢水质量的同时最大限度地降低合金的生产成本，是各大钢铁企业提高竞争力所需要解决的重要问题[1]。 　　1合金元素历史收得率及影响因素 　　1.1合金收得率计算分析 　　首先在充分了解合金收得率计算方法的基础上进行了适当的假设，为了消除不同钢号钢产品对合金收得率的影响，将不同钢号钢产品分别独立计算其合金收得率;将所收集到的历史收得率的数据进行了筛选与排查;整理出了可以供研究使用的历史数据。 　　通过查阅文献得知在多数情况下，脱氧和合金化是同时进行的，加入钢中的合金一部分消耗于钢水的脱氧，转化为脱氧产物排出x[b]+y[o]=bxoy，其中b为加入的合金元素;另一部分被钢水吸收从而起到了合金化的作用。生产实践表明，准确判断和估算合金元素收得率，是达到脱氧和提高成品钢成分命中率的关键。然而，合金元素收得率受诸多因素影响，需要具体情况具体分析。如脱氧合金化前钢水含氧量越高，元素的脱氧能力越强，则该元素的收得率越低。因此为了排除含氧量对元素收得率的影响，该文假设在脱氧合金化前钢水的含氧量都是一样且在脱氧合金化的过程中不受空气中氧气的影响;钢水的氧含量不受操作工艺的影响，如高枪位、低氧压、熔池搅拌减弱都不会对其产生影响。 　　该文根据以下公式计算得出了不同钢号钢产品的c和mn收得率，并将同种钢号的钢产品的c和mn的收得率进行了求平均值处理。 　　（1） 　　联系炼钢厂实际，钢产品合金的元素收得率为： 　　（2） 　　该文得出的不同钢号钢产品的c和mn的收得率如表1所示。 　　1.2模型的建立 　　利用spss软件对影响不同钢号钢产品的多种变量因子与因变量合金收得率进行了多元回归分析，得出了影响不同钢号钢产品c和mn合金收得率的主要影响因子和次要影响因子。 　　经过多元回归分析后发现对于hrb400b钢号的钢产品，影响c的收得率的主要影响因子是石油焦增碳剂，转炉终点c，碳化硅;影响mn的收得率的主要因素是硅锰面、锰硅合金femn64si27（合格块）、锰硅合金femn68si18（合格块）、转炉终点mn。 　　同理，经过多元回归分析后发现对于hrb400d钢号的钢产品，影响c的收得率的主要影响因子是石油焦增碳剂、转炉终点c、碳化硅、硅铝合金feal30si25、钒氮合金（进口）、钒铁（fev50-b）。影响mn的收得率的主要因素是硅锰面、锰硅合金femn64si27（合格块）、锰硅合金femn68si27。 　　1.3模型的改进 　　粒子群算法作为一种应用很广泛的智能演化算法，能够通过粒子追随自己找到的最好解和整个群体的最好解来完成优化，其主要的优点是概念简单、容易实现、可调整参数少并且能在较短的时间内产生高质量解。所以可以利用粒子群算法对多元回归模型进行改进，将改进粒子群算法应用于回归模型的参数估计计算，实现更准确的参数估计[2]。 　　1.4模型的检验 　　为了检验供研究所用的多元回归模型是否存在太大的误差，利用spss软件对多元回归模型进行了检验。 　　由得到的数据可知，r2的值达到了0.96说明自变量与因变量的关系是十分密切的，f的值是4.221，说明该回归方程具有显著意义。 　　2arima模型的建立 　　将所收集到的炉号排序梳理后导入到spss中，然后建立时间序列并进行预测分析。首先对炉号进行排序后筛选，将非平稳序列转化为平稳序列。创建元素收得率的时间序列图，由于导出的数据没有周期性的变化，所以元素的历史收得率是稳定的。采用自相关系数和偏自相关函数来判断arima（p，d，q）模型的系数和阶数，进行模型识别，判断模型的形式，