一种转炉终点钢水质量异常原因分析方法与流程
本发明涉及炼钢，尤其涉及到一种转炉终点钢水质量异常原因分析方法。
背景技术：
1、转炉是钢铁生产流程中重要的一环，转炉终点钢水质量直接影响产品的质量和炼钢流程的效率和成本。由于转炉冶炼过程中影响因素众多，导致转炉终点钢水质量出现异常时，无法快速分析出质量异常的原因。
2、而现有的质量异常溯源主要应用在连铸坯缺陷溯源上。
3、例如：公开号为cn117196355a的专利文件公开的一种进行连铸板坯质量缺陷因素追溯的方法，公开号为cn117009586a的专利文件公开的一种基于决策树和知识图谱的连铸坯质量溯源方法、公开号为cn113420157a的专利文件公开的一种基于基于知识图谱的钢铁产品表面纵裂纹缺陷溯源分析方法、以及公开号为cn113578972b的专利文件公开的一种热轧产品质量追溯方法及装置等。
4、上述现有技术均是在成品阶段发现异常后进行溯源，尚无涉及到在转炉工序时对钢水质量进行异常溯源的方法。因此，需要开发一种转炉终点钢水质量异常原因分析方法，以实现对造成异常原因的快速定位。
技术实现思路
1、本发明的目的是提供一种转炉终点钢水质量异常原因分析方法，以解决现有技术中存在的问题。
2、本发明的上述技术目的是通过以下技术方案实现的：
3、一种转炉终点钢水质量异常原因分析方法，包括如下步骤：
4、s1.获取转炉的历史工艺数据，对历史工艺数据进行预处理，去除其中包含的异常数据，筛选出钢水质量合格的炉次工艺数据；
5、s2.基于聚类算法建立聚类模型，并将预处理后的数据作为训练集输入聚类模型，得到聚类中心和对应的聚类数据集；
6、s3.基于异常检测算法为每一类别的聚类数据集建立钢水质量原因分析模型，并将每一类别的聚类数据集作为钢水质量原因分析模型的训练集，得到工艺参数的控制限；
7、s4.根据工艺参数的控制限筛选出转炉终点质量异常的炉次，将该炉次的工艺参数输入到对应类别的钢水质量原因分析模型中，得到造成质量异常的主要因素。
8、进一步的，所述步骤s2的具体方法如下：
9、s21.从训练集中随机选择k个数据作为初始聚类中心；
10、s22.计算其余数据对象与聚类中心的欧氏距离，找出离目标数据对象最近的聚类中心，并将数据对象分配到聚类中心所对应的簇中；
11、s23.计算每个簇中数据对象的平均值将将其作为新的聚类中心；
12、s24.重复步骤s22和s23，直到聚类中心不再变化或达到最大的迭代次数。
13、进一步的，所述步骤s3的具体方法如下：
14、s31.通过非线性映射φ：xi→φ(xi)，将训练集中的样本点xi映射到高维特征空间f中得到新的样本点φ(xi)；
15、s32.通过公式(1)和(2)在高维特征空间中寻找体积最小的超球体；
16、
17、s.t.|||φ(xi)-c||2≤r2+ξi,ξi≥0,i＝1,2,…,n (2)
18、式中，r是超球体半径，c是超球体的球心，ξi为第i个样本点的松弛变量，用于控制第i个样本点超出超球面的距离；c为惩罚因子，是对松弛变量的惩罚，用于控制超球体半径和松弛变量取值的的权衡值；
19、引入拉格朗日因子和拉格朗日函数，如公式(3)所示；
20、
21、s34.为解决公式(2)的优化问题，关于超球体的球心c和超球体的半径r的导数，令其为0通过公式(4)和(5)进行求解；
22、
23、通过公式(4)和(5)求解得到：
24、
25、将公式(6)-(8)代入公式(2)可得：
26、
27、把公式(9)中的优化问题转化为如下对偶优化问题：
28、
29、式中，αi是样本对应的拉格朗日系数；通过求解该对偶问题，获取所有样本对应的拉格朗日系数；
30、在所有训练集的样本点中，把拉格朗日系数满足0＜αi＜c的样本点称为支持向量，假设训练集中属于支持向量的样本集合为sv，那么超球体的球心c和半径r的计算公式分别为：
31、
32、式中，xv∈sv，k(xi，xj)是核函数，等同于特征空间中样本的内积，即k(xi，xj)＝<φ(xi)，φ(xj)>。
33、进一步的，所述步骤s4的具体方法如下：
34、获取新炉次的工艺参数，将其输入到对应类别的钢水质量原因分析模型中，通过公式(13)计算其到超球体球心的距离：
35、d＝|k(xtest，xtest)-2>′αik(xtest，xi)+>′>′αiαjk(xi，xj) (13)
36、当d≤r，则说明测试样本在超球体上或者内部，属于正常样本；反之则属于异常样本。
37、综上所述，本发明具有以下有益效果：
1.一种转炉终点钢水质量异常原因分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的转炉终点钢水质量异常原因分析方法，其特征在于，所述步骤s2的具体方法如下：
3.根据权利要求2所述的转炉终点钢水质量异常原因分析方法，其特征在于，所述步骤s3的具体方法如下：
4.根据权利要求3所述的转炉终点钢水质量异常原因分析方法，其特征在于，所述步骤s4的具体方法如下：