(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210848243.5 (22)申请日 2022.07.19 (71)申请人 北京博谦工程 技术有限公司 地址 100071 北京市丰台区南四环西路18 8 号十八区1号楼 2层 (72)发明人 杨涤　余兵　苏生奎　梁宇鹏　 (74)专利代理 机构 北京鹏帆慧博知识产权代理 有限公司 1 1903 专利代理师 祝辽原 (51)Int.Cl. C21C 5/30(2006.01) G06F 30/20(2020.01) (54)发明名称 一种转炉终点碳含量测量的智能软测量方 法及系统 (57)摘要 本发明涉及一种转炉终点碳含量测量的智 能软测量方法及系统， 属于智能软测量技术领 域。 先获取输入数据， 然后将转炉的吹炼过程划 分为多个转炉阶段， 每一转炉阶段对应一预先训 练好的预测子模 型， 以输入数据分别 作为各个预 测子模型的输入， 得到每一预测子模 型在预测时 刻对应的终点碳含量初始预测值， 最后对所有终 点碳含量初始预测值进行融合， 得到在预测时刻 的终点碳含量最终预测值， 从而在软测量过程中 考虑转炉在吹炼过程中各个转炉阶段的特点， 各 个转炉阶段之间的依赖关系， 以及辅助变量的时 间相关性， 实现终点 碳含量的高精度测量。 权利要求书3页 说明书8页 附图2页 CN 115058555 A 2022.09.16 CN 115058555 A 1.一种转炉终点碳含量测量的智能软测量方法， 其特征在于， 所述智能软测量方法包 括： 获取输入数据； 所述输入数据包括终点碳含量在预测时刻之前的多个连续历史值、 每 一辅助变量在所述预测时刻的实时值以及每一所述辅助变量在所述预测时刻之前的多个 连续历史值； 所述辅助变量包括一氧化碳含量、 二氧化碳含量、 脱碳量、 吹氧强度和吹氧时 间； 将转炉的吹炼过程划分为多个转炉阶段， 每一所述转炉阶段对应一预先训练好的预测 子模型； 以所述输入数据分别作为各个所述预测子模型 的输入， 得到每一所述预测子模型 在所述预测时刻对应的终点 碳含量初始预测值； 对所有所述终点碳含量初始预测值进行融合， 得到在所述预测时刻的终点碳含量最终 预测值。 2.根据权利要求1所述的智能软测量方法， 其特征在于， 各个所述辅助变量的连续历史 值的个数不同。 3.根据权利要求1所述的智能软测量方法， 其特征在于， 在以所述输入数据分别作为各 个所述预测子模型 的输入之前， 所述智能软测 量方法还包括： 训练得到各个转炉阶段的预 测子模型， 具体包括： 对于每一所述 转炉阶段， 执 行以下步骤： 获取训练数据集； 所述训练数据集包括多个训练用输入数据和每一所述训练用输入数 据对应的训练用终点 碳含量预测值； 基于所述训练数据集， 采用工艺机理分析、 回归分析、 人工神经网络、 模式识别、 模糊数 学、 状态估计、 相关 分析或非线性信息处 理进行建模， 得到预测子模型。 4.根据权利要求1所述的智能软测量方法， 其特征在于， 在以所述输入数据分别作为各 个所述预测子模型 的输入之前， 所述智能软测 量方法还包括： 训练得到各个转炉阶段的预 测子模型， 具体包括： 对于每一所述 转炉阶段， 执 行以下步骤： 获取训练数据集； 所述训练数据集包括多个训练用输入数据和每一所述训练用输入数 据对应的训练用终点 碳含量预测值； 以所述训练数据集为输入， 利用模糊聚类算法计算得到多个模糊集以及每一所述模糊 集对应的隶属度函数； 基于所述多个模糊集以及每一所述模糊集对应的隶属度函数， 利用最小二乘辨识方法 得到预测子模型。 5.根据权利要求1所述的智能软测量方法， 其特征在于， 所述对所有所述终点碳含量初 始预测值进行融合， 得到在所述预测时刻的终点碳含量最终预测 值具体包括： 以所有所述 终点碳含量初始预测值为输入， 利用融合公式计算得到在所述预测时刻的终点碳含量最 终 预测值； 其中， 所述融合公式为：权　利　要　求　书 1/3 页 2 CN 115058555 A 2其中， y(k)为预测时刻k的终点碳含量最终预测值； βi(s)为第i个转炉阶段的预测子模 型的匹配度函数； yi(k)为第i个转炉阶段的预测子模型在预测时刻k对应的终点碳含量初 始预测值； i ＝1， 2， ...， P， P为转炉阶段的总个数。 6.根据权利要求5所述的智能软测量方法， 其特征在于， 所述第i个转炉阶段的预测子 模型的匹配度函数 的获取方式为： 选取所述第i个转炉阶段的预测子模型 的各个模糊集对 应的隶属度函数的最小值作为所述第i个转炉阶段的预测子模型的匹配度函数。 7.根据权利要求1所述的智能软测量方法， 其特征在于， 在得到所述终点碳含量最终预 测值之后， 所述智能软测量方法还包括： 对于每一所述转炉阶段， 获取专家基于所述输入数 据确定的经验值， 并利用所述终点碳含量最 终预测值和所述经验值对所述转炉阶段的预测 子模型进行自适应调整， 得到调整后模型， 并以所述调整后模型作为下一预测时刻所述转 炉阶段对应的预测子模型。 8.一种转炉终点碳含量测量的智能软测量系统， 其特征在于， 所述智能软测量系统包 括： 数据获取模块， 用于获取输入数据； 所述输入数据包括终点碳含量在预测时刻之前的 多个连续历史值、 每一辅助变量在所述预测时刻的实时值以及每一所述辅助变量在所述预 测时刻之前的多个连续历史值； 所述辅助变量包括一氧化碳含量、 二氧化碳含量、 脱碳量、 吹氧强度和吹氧时间； 转炉阶段预测模块， 用于将转炉的吹炼过程划分为多个转炉阶段， 每一所述转炉阶段 对应一预先训练好的预测子模型； 以所述输入数据分别作为各个所述预测子模型 的输入， 得到每一所述预测子模型在所述预测时刻对应的终点 碳含量初始预测值； 融合模块， 用于对所有所述终点碳含量初始预测值进行融合， 得到在所述预测时刻的 终点碳含量最终预测值。 9.根据权利要求8所述的智能软测量系统， 其特征在于， 所述对所有所述终点碳含量初 始预测值进行融合， 得到在所述预测时刻的终点碳含量最终预测 值具体包括： 以所有所述 终点碳含量初始预测值为输入， 利用融合公式计算得到在所述预测时刻的终点碳含量最 终 预测值； 其中， 所述融合公式为： 其中， y(k)为预测时刻k的终点碳含量最终预测值； βi(s)为第i个转炉阶段的预测子模 型的匹配度函数； yi(k)为第i个转炉阶段的预测子模型在预测时刻k对应的终点碳含量初 始预测值； i ＝1， 2， ...， P， P为转炉阶段的总个数。权　利　要　求　书 2/3 页 3 CN 115058555 A 3