摘要：为自动炼钢过程中炉口火焰光谱数据的有效特征提取提供一种快速算法,实现自动炼钢过程的碳含量和温度值的动态预报,以推动智能炼钢进程。本研究采用分波段最小二乘拟合算法对炉口火焰光谱信息的稳定特征进行提取,采用小波分析方法对炉口火焰光谱信息的不稳定特征进行提取,构建了时间、光谱数据主特征、累计耗氧量、碳含量、温度值等一一对应的样本集,借助极限学习机拟合算法构建了不同条件下的自动炼钢过程的碳含量和温度动态预报模型,通过预测误差矩阵、炼钢初始条件实现了基于支持向量机的动态预报模型分类,为不同条件下的样本提供最优的动态预报模型。研究结果表明：应用分波段最小二乘拟合算法和小波分析算法提取的炉口火焰光谱信息的稳定特征和不稳定特征,可以很好地反映全光谱信息;基于绝对误差设计交叉实验,得到的样本类别、预测模型类别和样本初始条件之间呈现出了一致性;光谱信息数据挖掘可以为自动炼钢过程中碳含量和温度值的动态预报进行修正标定,为炼钢终点的控制提供支持。

关键词：转炉炼钢 光谱特征 小波分析 超限学习机 支持向量机 

单位：华北理工大学冶金与能源学院; 唐山063210; 华北理工大学理学院; 唐山063210; 华北理工大学以升创新教育基地; 唐山063210