朱雯琼，周木春，赵 琦，廖 俊

南京理工大学电子工程与光电技术学院，江苏 南京 210094

引 言

转炉炼钢是我国主要的炼钢技术，它通过吹入氧气与铁水进行化学反应，以消除铁水中的杂质，最终产出钢铁的质量与出钢时的温度和钢铁中的成分含量密切相关，因此对炼钢终点的精准控制尤为重要。近年来，针对传统控制方法如人工经验控制、 副枪控制、 烟气分析等命中率低、 成本高、 难以实时控制的缺陷，火焰光谱分析技术被提出并用于炼钢终点的控制[1]。光谱分析早在冶金、 化学等方面被广泛应用，不仅可以用于测量温度，也可用于检测物质成分含量, 它所提供的的实时测量信息可保证生产过程的优化控制[2]。目前，机器学习方法随着硬件的发展，在各个领域显示出优越的性能，特别在数据分析预测方面表现出色，若将火焰光谱分析与机器学习方法相结合，建立炼钢终点预测模型，能够有效对炼钢过程进行实时控制，从而提高钢铁产量、 降低工业成本。但由于炉口火焰光谱数据量大，包含大量冗余信息，直接使用其进行建模会导致模型预测精度低且耗时长，因此需要首先对光谱进行处理，提取出相应特征用于建模。

目前的光谱特征提取方法主要分为两种，一种是连续谱分段处理法, 通过对光谱整体特征的分析，使用数学方法计算出能够代表光谱整体信息的某些参数，如张彩军等[3]对炉口火焰光谱进行分段最小二乘拟合得到拟合参数作为光谱稳定特征，并对特征峰区域光强积分值作为光谱不稳定特征；……