.1692 工程科学学报.第43卷，第12期 Start Read heal No,match steel grade Data input:interact with oracle Data analysis based on K-means database through interface clustering software functions BOF Obtain molten steel data,ferroalloy composition,price and target composition information Steel grade X historical Ferroalloy production data information database Solving:The model calculates the ferroalloy batching plan Intelligently analyze the appropriate ferroalloy type Add ferroalloy according to selection according to the the calculation result input data Obtain molten steel and moee Production process parameters and corresponding alloy yield Solving:the model I calculates the ferroalloy batching plan Principal component analysis Intelligent call LF The main component variables of >of ferroalloy Temperature measurement, sampling the influencing factors of yield yield 4 BP neural network Forecast results of Whether the ingredients ferroalloy yield meet the standards Yes Output:Data feedback is output to the background,and the database is continuously improved after processing End 图2模型计算流程图 Fig.2 Model calculation flowchart 2.2 界面设计 成分模块、加入量计算结果模块 在模型进行配料计算前，需要获取当前炉次 2.3模型计算方法 所炼钢种内控目标成分、钢液信息、合金信息等， 模型在物料平衡计算的基础上，采用线性规 这些数据都是通过企业Oracle数据库与模型进行 划作为核心算法-2，包括决策变量、目标函数、 交互调用的，可在生产过程中实时获取.同时，模 约束条件三部分构成，其中决策变量为模型最终 型会将所读取数据显示在模型主界面并且用于后 的输出结果，为每种合金的加入量，目标函数为铁 续的合金配料计算，合金减量化智能控制模型主 合金总加入成本最低原则，约束条件包括需要保 界面如图3所示.模型数据显示主要由以下几部 证钢液合金元素含量满足品种标准需求，同时控 分组成：工艺基本参数模块、合金信息模块、合金 制杂质元素含量小于含量标准最大值，从而计算 种类选择模块、合金收得率预测模块、钢液化验 出成本最低的合金加料方案2.2    界面设计 在模型进行配料计算前，需要获取当前炉次 所炼钢种内控目标成分、钢液信息、合金信息等， 这些数据都是通过企业 Oracle 数据库与模型进行 交互调用的，可在生产过程中实时获取. 同时，模 型会将所读取数据显示在模型主界面并且用于后 续的合金配料计算，合金减量化智能控制模型主 界面如图 3 所示. 模型数据显示主要由以下几部 分组成：工艺基本参数模块、合金信息模块、合金 种类选择模块、合金收得率预测模块、钢液化验 成分模块、加入量计算结果模块. 2.3    模型计算方法 模型在物料平衡计算的基础上，采用线性规 划作为核心算法[17– 23] ，包括决策变量、目标函数、 约束条件三部分构成，其中决策变量为模型最终 的输出结果，为每种合金的加入量，目标函数为铁 合金总加入成本最低原则，约束条件包括需要保 证钢液合金元素含量满足品种标准需求，同时控 制杂质元素含量小于含量标准最大值，从而计算 出成本最低的合金加料方案. Start Read heal No, match stee1 grade Data input: interact with oracle database through interface software functions Data analysis based on K-means clustering Stee1 grade X historical production data Obtain molten steel data, ferroalloy composition, price and target composition information Solving: The model calculates the ferroalloy batching plan Intelligently analyze the appropriate ferroalloy type selection according to the input data Add ferroalloy according to the calculation result Obtain molten steel and ferroalloy information, set model calculation parameters Production process parameters and corresponding alloy yield Solving: the model calculates the ferroalloy batching plan Principal component analysis The main component variables of the influencing factors of yield Temperature measurement, sampling BP neural network Forecast results of Whether the ingredients ferroalloy yield meet the standards Output: Data feedback is output to the background, and the database is continuously improved after processing End Ferroalloy information database Intelligent call of ferroalloy yield BOF LF NO Yes 图 2 模型计算流程图 Fig.2 Model calculation flowchart · 1692 · 工程科学学报，第 43 卷，第 12 期