本发明涉及一种预测铁矿石软化熔滴温度的方法、装置、电子设备及介质，具体地说是一种基于多种优化算法和计算流体力学耦合的预测铁矿石软化熔滴温度的方法、装置、电子设备及介质，属于冶金。
背景技术：
1、高炉炼铁是钢铁生产中的重要环节，是应用焦炭、含铁矿石(天然富块矿及烧结矿和球团矿)和熔剂(石灰石、白云石)在竖式反应器——高炉内连续生产液态生铁的方法。现代高炉炼铁是由古代竖炉炼铁法改造、发展起来的，是现代钢铁生产的重要环节。虽然有很多新的炼铁法，但由于高炉炼铁技术经济指标良好，工艺简单，生产量大，劳动生产率高，能耗低，高炉炼铁仍是现代炼铁的主要方法。
2、炉料是高炉炼铁的基础，高炉入炉炉料包括烧结矿、球团矿、块矿，高炉炼铁指标的好坏与所用的入炉炉料质量密不可分，通常，炉料的软化熔滴温度通过铁矿石软化熔滴温度测试仪进行检测分析获得。铁矿石高温荷重还原软熔滴落实验用于检验铁矿石软熔、滴落性的性能，它模拟高炉冶炼的状态下检测矿石的膨胀量、软化区间、还原气的压力差、熔融区间、滴落温度等重要参数。目前研究人员只能通过物理实验获得炉料冶金性能数据，但是物理实验过程时间长、费用高，不能满足大量铁矿石试样在较短时间内获得软化熔滴温度的要求。
3、为了提高获取铁矿石软化熔滴温度的效率，因此，需要形成一套通过数据技术和多种仿真模拟技术结合的铁矿石软化熔滴温度智能预测的方法。
技术实现思路
1、为了解决上述问题，本发明提出了一种预测铁矿石软化熔滴温度的方法、装置、电子设备及介质，能够提高获取铁矿石软化熔滴温度的效率。
2、本发明解决其技术问题采取的技术方案是：
3、第一方面，本发明实施例提供的一种预测铁矿石软化熔滴温度的方法，包括以下步骤：
4、步骤1，分别对不同烧结矿、球团矿、块矿及混合矿进行检测分析，收集数据并分类整理，收集的数据包括：所含矿种比例、矿种化学成分、还原气体成分、矿石粒径、软化开始温度和软化终了温度；
5、步骤2，将炉料所含矿种比例、矿种化学成分、还原气体成分和矿石粒径数据做为输入数据集，软化开始温度和软化终了温度作为响应数据集，并基于线性相关性分析法评价输入数据集与响应数据集的相关性复杂度，通过相关性复杂度进行数据筛选；
6、步骤3，基于神经网络算法建立bp神经网络模型；
7、步骤4，基于粒子群算法对bp神经网络模型的权重、偏置参数进行优化，获得优化后的bp神经网络模型；
8、步骤5，建立铁矿石软化熔滴温度测定仪几何模型，设定几何模型的尺寸参数，并对几何模型进行网格划分；
9、步骤6，基于计算流体力学并耦合铁矿石软化熔滴温度测定仪几何模型建立铁矿石软化熔滴温度测定仪本体模型，将软化开始温度和软化终了温度数据作为输入条件模拟铁矿石软化熔滴实验过程，通过分析铁矿石软化熔滴温度测定仪本体模型模拟结果获得铁矿石在软化开始温度、软化终了温度下的还原度；
10、步骤7，将铁矿石在软化开始温度、软化终了温度下的还原度作为新增输入数据结合输入数据集形成观测数据集；
11、步骤8，将观测数据集作为神经网络的输入、响应数据集作为神经网络的输出，进行优化后的bp神经网络模型训练，获得铁矿石软化熔滴温度预测模型。
12、作为本实施例一种可能的实现方式，在步骤1中，收集的数据包括：烧结矿比例、球团矿比例、块矿比例、tfe含量、feo含量、sio2含量、cao含量、al2o3含量、mgo含量、ni含量、s含量、ti含量、co气体含量、n2气体含量、铁矿石颗粒粒径、铁矿石质量、软化开始温度t10和软化终了温度t40。
13、作为本实施例一种可能的实现方式，在步骤2中，通过相关性复杂度进行数据筛选的输入数据集：烧结矿比例、球团矿比例、块矿比例、tfe含量、feo含量、sio2含量、cao含量、al2o3含量、mgo含量、co气体含量、铁矿石颗粒粒径，筛选后的输出数据集包括软化开始温度t10、软化终了温度t40。
14、作为本实施例一种可能的实现方式，所述bp神经网络模型的设定参数至少包括：训练数据、验证数据、测试数据、隐藏层数、神经元数、优化算法、激活函数、训练次数和学习率。
15、作为本实施例一种可能的实现方式，所述的训练数据、验证数据和测试数据为分别随机抽取预测数据集的75％、15％、15％；所述隐藏层设定为1层，所述神经元数量设定为10，所述优化算法设定为梯度下降算法；输入层与隐藏层间的激活函数设定为隐藏层与输出层间的激活函数设定为purelin(x)＝x；所述训练次数设定为5000次，所述学习率设定为0.05。
16、作为本实施例一种可能的实现方式，所述铁矿石软化熔滴温度测定仪本体模型至少包括化学反应模型、传热模型、传质模型和软熔带模型。
17、作为本实施例一种可能的实现方式，所述模拟铁矿石软化熔滴实验过程包括求解内部温度场、压力场、速度场和软熔带透气性指数的过程。
18、第二方面，本发明实施例提供的一种预测铁矿石软化熔滴温度的装置，包括：
19、数据采集模块，用于分别对不同烧结矿、球团矿、块矿及混合矿进行检测分析，收集数据并分类整理，收集的数据包括：所含矿种比例、矿种化学成分、还原气体成分、矿石粒径、软化开始温度和软化终了温度；
20、数据集形成模块，用于将炉料所含矿种比例、矿种化学成分、还原气体成分和矿石粒径数据做为输入数据集，软化开始温度和软化终了温度作为响应数据集，并基于线性相关性分析法评价输入数据集与响应数据集的相关性复杂度，通过相关性复杂度进行数据筛选；
21、神经网络模型建立模块，用于基于神经网络算法建立bp神经网络模型；
22、神经网络模型优化模块，用于基于粒子群算法对bp神经网络模型的权重、偏置参数进行优化，获得优化后的bp神经网络模型；
23、几何模型建立模块，用于建立铁矿石软化熔滴温度测定仪几何模型，设定几何模型的尺寸参数，并对几何模型进行网格划分；
24、本体模型建立模块，用于基于计算流体力学并耦合铁矿石软化熔滴温度测定仪几何模型建立铁矿石软化熔滴温度测定仪本体模型，将软化开始温度和软化终了温度数据作为输入条件模拟铁矿石软化熔滴实验过程，通过分析铁矿石软化熔滴温度测定仪本体模型模拟结果获得铁矿石在软化开始温度、软化终了温度下的还原度；
25、观测数据集形成模块，用于将铁矿石在软化开始温度、软化终了温度下的还原度作为新增输入数据并结合输入数据集形成观测数据集；
26、预测模型获得模块，用于将观测数据集作为神经网络的输入、响应数据集作为神经网络的输出，进行优化后的bp神经网络模型训练，获得铁矿石软化熔滴温度预测模型。
27、第三方面，本发明实施例提供的一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器运行的程序，当所述电子设备运行时，所述处理器执行所述程序时实现如上述任意预测铁矿石软化熔滴温度的方法的步骤。
28、第四方面，本发明实施例提供的一种存储介质，该存储介质上存储有程序，该程序被处理器运行时执行如上述任意预测铁矿石软化熔滴温度的方法的步骤。
29、本发明实施例的技术方案可以具有的有益效果如下：
30、本发明基于多种优化算法和计算流体力学耦合进行铁矿石软化熔滴温度智能预测，通过仿真模拟铁矿石软化熔滴实验过程获得铁矿石在软化开始温度下和软化终了温度下的还原度，利用仿真模拟数据结合物理实验数据基于多种优化算法建立铁矿石软化熔滴温度预测模型，通过预测模型可以分析具有不同组成的铁矿石的软化开始温度、软化终了温度。本发明获取铁矿石软化熔滴温度的方法计算精度高，速度快、适用性强，并且降低物理实验成本，可通过铁矿石物理性能数据和化学性能数据获得铁矿石的冶金性能数据。与物理实验相比，本发明通过数据技术结合仿真技术获取铁矿石软化熔滴温度的方式效率更高，成本更低。
31、本发明通过计算流体力学模拟铁矿石软化熔滴实验过程，求解铁矿石在不同温度下的还原度；利用仿真模拟数据结合物理实验数据、多种优化算法耦合计算流体力学来预测铁矿石的软化熔滴温度数据。本发明通过数据技术结合仿真技术预测铁矿石软化熔滴温度，解决了现有铁矿石软化熔滴温度数据分析主要依赖物理实验的问题。
32、本发明实施例的技术方案的一种预测铁矿石软化熔滴温度的装置具备与本发明实施例的技术方案的一种预测铁矿石软化熔滴温度的方法同样的有益效果。
1.一种预测铁矿石软化熔滴温度的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的预测铁矿石软化熔滴温度的方法，其特征在于，在步骤1中，收集的数据包括：烧结矿比例、球团矿比例、块矿比例、tfe含量、feo含量、sio2含量、cao含量、al2o3含量、mgo含量、ni含量、s含量、ti含量、co气体含量、n2气体含量、铁矿石颗粒粒径、铁矿石质量、软化开始温度t10和软化终了温度t40。
3.根据权利要求2所述的预测铁矿石软化熔滴温度的方法，其特征在于，在步骤2中，通过相关性复杂度进行数据筛选的输入数据集：烧结矿比例、球团矿比例、块矿比例、tfe含量、feo含量、sio2含量、cao含量、al2o3含量、mgo含量、co气体含量、铁矿石颗粒粒径，筛选后的输出数据集包括软化开始温度t10、软化终了温度t40。
4.根据权利要求1所述的预测铁矿石软化熔滴温度的方法，其特征在于，所述bp神经网络模型的设定参数至少包括：训练数据、验证数据、测试数据、隐藏层数、神经元数、优化算法、激活函数、训练次数和学习率。
5.根据权利要求4所述的预测铁矿石软化熔滴温度的方法，其特征在于，所述的训练数据、验证数据和测试数据为分别随机抽取预测数据集的75％、15％、15％；所述隐藏层设定为1层，所述神经元数量设定为10，所述优化算法设定为梯度下降算法；输入层与隐藏层间的激活函数设定为隐藏层与输出层间的激活函数设定为purelin(x)＝x；所述训练次数设定为5000次，所述学习率设定为0.05。
6.根据权利要求1-5任意一项所述的预测铁矿石软化熔滴温度的方法，其特征在于，所述铁矿石软化熔滴温度测定仪本体模型至少包括化学反应模型、传热模型、传质模型和软熔带模型。
7.根据权利要求1-5任意一项所述的预测铁矿石软化熔滴温度的方法，其特征在于，所述模拟铁矿石软化熔滴实验过程包括求解内部温度场、压力场、速度场和软熔带透气性指数的过程。
8.一种预测铁矿石软化熔滴温度的装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器及存储在存储器上并可在处理器运行的程序，当所述电子设备运行时，所述处理器执行所述程序时实现如权利要求1-7任一所述的预测铁矿石软化熔滴温度的方法的步骤。
10.一种存储介质，其特征在于，该存储介质上存储有程序，该程序被处理器运行时执行如权利要求1-7任一所述的预测铁矿石软化熔滴温度的方法的步骤。
