第36卷增刊1 北京科技大学学报 Vol.36 Suppl.1 2014年4月 Journal of University of Science and Technology Beijing Apr.2014 基于收得率动态库的合金加料优化模型 杨凌志)四，王学义”，王志东，王振祥 1)北京科技大学治金与生态工程学院，北京1000832)天津钢管集团有限公司，天津300301 ☒通信作者，E-mail:yanglingzhi@163.com 摘要为了获得准确实时的合金元素收得率，采用历史加料数据自学习的方法，利用计算机技术建立了合金元素收得率动 态库，并运用两阶段单纯形算法为天津钢管公司第一炼钢厂建立了合金加料优化模型.通过模型在线运行，得出了不同钢种 的合金收得率，从而提高了不同钢种炉次合金加料的准确度.通过优化合金配料，不同钢种的合金加料平均成本最多降低 54.96元t,最小降低8.57元1.吨钢合金成本降低6.76%-11.40%，平均降低了9.74%. 关键词单纯形法：合金加料：收得率动态库：成本 分类号TF741 Alloy charging optimization model based on the yield dynamic libraries YANG Ling-zhi,WANG Xue-yi,WANG Zhi-dong?,WANG Zhen-xiang? 1)School of Metallurgical and Ecological Engineering,University of Science and Technology Beijing,Beijing 100083,China 2)Tianjin Pipe Co.Ltd,Tianjin,300301,China Corresponding author,E-mail:yanglinghi@163.com ABSTRACT Alloy yield dynamic libraries were established based on selfHearning of historical data and computer technology, through which accurate real-time alloy yield was obtained.Alloy charging optimization model was established for the First Steel-Making Plant of Tianjin Pipe Co.Ltd using the two-stage simplex method.As the operation of steelmaking is online,the alloy yields of different steel grades are obtained,and the accuracy of dosage of the alloy is improved.By optimizing alloy charging,average cost of alloy char- ging for each steel grade has been reduced.The maximum of the cost reduced is 54.96 yuan't,and the minimum is 8.57 yuan't. The cost of alloy charging per ton steel was reduced by 6.76%-11.40%,and the average cost was reduced by 9.74%. KEY WORDS simplex method:alloy charging:yield dynamic libraries:cost 对于特殊钢治炼来说，无论是电弧炉还是LF 及企业的规定要求进行合金添加习.目前，合金配 炉，在冶炼过程中都需要添加多种合金料来调整钢 料过程中常用的方法有补加系数法、单纯形法、神经 液的成分达到钢种的技术标准要求.影响合金料使 网络法与遗传算法等0 用量的最重要的因素就是合金元素收得率，然而生 产过程中收得率是企业人员根据一段较长时间内的 1合金元素收得率动态库的研究 合金加料记录统计得出的，同时也不区分钢种，与炉 在合金料优化计算模型中，元素收得率对合金 次实际的收得率存在差距，不具备实时性 投料量的计算具有至关重要的作用.准确判断和控 合金料成本是炼钢生产成本的重要组成部分， 制元素收得率，是提高钢液成分调整的关键.而同 优化合金料的添加组合和质量，可以有效地降低吨 时收得率对于不同的精炼炉，不同钢种以及不同电 钢生产成本，并能将钢液成分控制在一个较窄的范 弧炉出钢条件都是不同的，而在快节奏的生产过程 围内，使产品性能保持在比较稳定的水平. 中，也无法依靠人工进行每炉次收得率的核算与修 合金料优化模型的目标是在满足成分要求的前 正·因此，为了获得准确实时的合金元素收得率，本 提下投料成本最低，按照炉次治炼钢种的技术指标 文将通过历史加料数据自学习的方法，利用计算机 收稿日期：2013-1008 DOI:10.13374/j.issn1001-053x.2014.s1.020:http://jourals.ustb.edu.cn第 36 卷 增刊 1 2014 年 4 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 36 Suppl． 1 Apr． 2014 基于收得率动态库的合金加料优化模型 杨凌志1) ，王学义2) ，王志东2) ，王振祥2) 1) 北京科技大学冶金与生态工程学院，北京 100083 2) 天津钢管集团有限公司，天津 300301 通信作者，E-mail: yanglingzhi@ 163． com 摘 要 为了获得准确实时的合金元素收得率，采用历史加料数据自学习的方法，利用计算机技术建立了合金元素收得率动 态库，并运用两阶段单纯形算法为天津钢管公司第一炼钢厂建立了合金加料优化模型． 通过模型在线运行，得出了不同钢种 的合金收得率，从而提高了不同钢种炉次合金加料的准确度． 通过优化合金配料，不同钢种的合金加料平均成本最多降低 54. 96 元·t － 1 ，最小降低 8. 57 元·t － 1 ． 吨钢合金成本降低 6. 76% ～ 11. 40% ，平均降低了 9. 74% ． 关键词 单纯形法; 合金加料; 收得率动态库; 成本 分类号 TF741 Alloy charging optimization model based on the yield dynamic libraries YANG Ling-zhi 1)  ，WANG Xue-yi 2) ，WANG Zhi-dong2) ，WANG Zhen-xiang2) 1) School of Metallurgical and Ecological Engineering，University of Science and Technology Beijing，Beijing 100083，China 2) Tianjin Pipe Co． Ltd，Tianjin，300301，China Corresponding author，E-mail: yanglingzhi@ 163． com ABSTＲACT Alloy yield dynamic libraries were established based on self-learning of historical data and computer technology， through which accurate real-time alloy yield was obtained． Alloy charging optimization model was established for the First Steel-Making Plant of Tianjin Pipe Co． Ltd using the two-stage simplex method． As the operation of steelmaking is online，the alloy yields of different steel grades are obtained，and the accuracy of dosage of the alloy is improved． By optimizing alloy charging，average cost of alloy char￾ging for each steel grade has been reduced． The maximum of the cost reduced is 54. 96 yuan·t － 1 ，and the minimum is 8. 57 yuan·t － 1 ． The cost of alloy charging per ton steel was reduced by 6. 76% － 11. 40% ，and the average cost was reduced by 9. 74% ． KEY WOＲDS simplex method; alloy charging; yield dynamic libraries; cost 收稿日期: 2013--10--08 DOI: 10． 13374 /j． issn1001--053x． 2014． s1． 020; http: / /journals． ustb． edu． cn 对于特殊钢冶炼来说，无论是电弧炉还是 LF 炉，在冶炼过程中都需要添加多种合金料来调整钢 液的成分达到钢种的技术标准要求． 影响合金料使 用量的最重要的因素就是合金元素收得率，然而生 产过程中收得率是企业人员根据一段较长时间内的 合金加料记录统计得出的，同时也不区分钢种，与炉 次实际的收得率存在差距，不具备实时性． 合金料成本是炼钢生产成本的重要组成部分， 优化合金料的添加组合和质量，可以有效地降低吨 钢生产成本，并能将钢液成分控制在一个较窄的范 围内，使产品性能保持在比较稳定的水平． 合金料优化模型的目标是在满足成分要求的前 提下投料成本最低，按照炉次冶炼钢种的技术指标 及企业的规定要求进行合金添加［1--3］． 目前，合金配 料过程中常用的方法有补加系数法、单纯形法、神经 网络法与遗传算法等［4］． 1 合金元素收得率动态库的研究 在合金料优化计算模型中，元素收得率对合金 投料量的计算具有至关重要的作用． 准确判断和控 制元素收得率，是提高钢液成分调整的关键． 而同 时收得率对于不同的精炼炉，不同钢种以及不同电 弧炉出钢条件都是不同的，而在快节奏的生产过程 中，也无法依靠人工进行每炉次收得率的核算与修 正． 因此，为了获得准确实时的合金元素收得率，本 文将通过历史加料数据自学习的方法，利用计算机