基于灰箱模型的LF精炼终点温度预测

以国内某钢厂一30 t LF精炼炉为研究对象,通过建立由传热机理模型和黑箱模型相结合的灰箱模型对LF精炼终点温度进行了预测。首先根据能量守恒定律建立了传热机理模型。针对包衬耐材的蓄热以及合金的热效应难以精确计算的问题,采用偏最小二乘黑箱模型对这一部分温度进行了处理,最后将两种模型相结合综合预测了LF钢包精炼的终点温度。结果表明,偏最小二乘法在预测包衬的耐材蓄热和合金热方面的温度误差在±5℃以内的命中率达到97%以上,总的灰箱模型预测LF精炼终点温度误差在±5、±8、±10℃以内的命中率分别达到88%、96%和99%,模型具有较高的预测精度。研究可为该钢厂的LF精炼工艺提供指导。     

基于机理模型的影响钢水温度因素研究

RH精炼过程是一套复杂的系统工程,其中影响冶炼过程中钢水温度变化的因素众多,确定影响钢水温度变化的主要因素是建立钢水温度预报模型的基础。以210 t的RH精炼炉为研究对象,结合RH精炼工艺特点并利用传感系统获得的数据,根据热平衡和冶金热力学原理建立机理模型,计算各因素在整个精炼过程中造成钢水温度的变化量,最后分析和比较这些变化量总结出影响钢水温度变化的主要因素为:钢水重量,钢水初温,精炼时间,钢水含氧量,金属铝加入量。相比以往人工采集数据和通过经验分析影响钢水温度因素,该方法有着更充分的科学依据和更准确的结果。     

基于ELM新方法的LF终点温度软测量混合模型

针对LF精炼炉冶炼过程中物理化学反应过程及传热过程的复杂性,采用混合模型对钢水温度进行软测量,将传统的机理模型与ELM新方法相结合,利用ELM智能算法校正机理模型中难以准确获得的参数,再用机理模型进行预测.这种混合模型既克服了传统机理模型难以准确实现的不足也避免了"黑箱"模型过分依赖数据的缺陷.同时ELM新方法也克服了传统BP算法的不足,使预测精度得到了提高.仿真结果表明,此混合模型具有较好的预测结果,终点温度预测误差不大于±5℃的炉次大于90%.     

基于微分进化的钢水温度预报混合模型

针对LF冶炼过程钢水温度预报问题对机理模型进行了分析.将基于微分进化的BP网络引入混合模型,以确定模型中难以准确获得的参数,建立了基于微分进化的钢水温度混合预报模型.模型通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效解决了BP网络训练的困难,避免了算法早熟.实验结果表明,混合模型具有较好的预测结果,基本满足了实际生产的需要.     

基于模型迁移方法的精炼炉钢水终点硫含量预报

针对精炼炉(LF)钢水脱硫过程的非线性、强动态和多工况问题,提出了基于局部模型迁移方法的钢水硫含量终点预报模型.首先建立简化的机理模型捕捉主要的过程特性,然后采用模型迁移方法补偿机理简化和工况变化引起的预报误差.针对传统模型迁移方法不能处理过程非线性问题,提出局部模型迁移方法,在输入空间内建立多个局部迁移模型,通过融合算法组合成全局迁移模型来自适应校正机理模型的偏差.由于充分利用了机理模型的优势,相比现有的智能预报模型,该方法具有良好的预报精度.最后,通过现场实际数据验证了所提方法的有效性.     

RH-MFB精炼过程中钢水温度预测模型

建立了RH-MFB精炼过程中钢水温度的数学模型,通过Delphi程序计算了精炼过程中钢水的温度.结果表明,RH-MFB精炼开始阶段,钢水温度急剧下降,前10 min降温速率约为3℃·min-1,加Al吹氧、加合金和真空室内壁初始温度对钢水温度影响较大.采用该模型预测了精炼结束时刻的钢水温度,与生产中钢水温度平均误差在±5℃以内的占80%.     

LF-RH工艺生产超低硫钢钢水温度预报模型

根据LF-RH精炼超低硫钢的工艺流程,基于冶金热力学、传热和热量平衡等原理,同时考虑钢包的热状态,建立出钢至浇注过程中的钢水温度预报模型。通过该模型可以得到不同时刻钢水温度和钢包内衬温度的分布曲线。实例验证结果显示,模型计算值与实测值的平均误差为5.6℃,误差在±8℃以内的占87.5%。另外,运用该模型分析了钢包热状态、出钢过程、传运时间、RH真空室内壁温度等因素对钢水温度的影响规律,可为超低硫钢精炼工艺的优化提供参考。     

基于主元分析的转炉终点ESN静态预测模型

以主元分析方法和新型ESN(回声状态网络)算法为核心,研究了转炉终点静态预测模型.通过对某钢厂转炉生产数据的主元分析,建立了ESN模型,同时将ESN模型与传统的BP 和RBF神经网络模型进行了对比研究.结果表明,使用ESN建立的模型比传统的BP网络模型和RBF网络模型,在钢水温度预测方面精度分别提高了0.85%和0.45%,在钢水碳质量分数预测方面精度分别提高了0.45%和0.19%,能够有效的对转炉终点碳含量和温度进行预测,从而为转炉炼钢过程提供更准确的操作指导.     

超低硫钢生产工艺的实践

在济钢生产X80、X100管线钢为平台的超低硫钢的工艺基础上,对LF深脱硫控制技术进行了分析研究,结果表明LF深脱硫主要取决于精炼渣系配比、钢包底吹氩工艺、钢水温度和钢水中[Als]含量。通过工艺调整,使生产X80、X100管线钢时LF炉终点w[S]可稳定控制在15ppm以内,平均控制在10ppm。     

120 t LF精炼炉生产工艺优化

120 t LF精炼炉自投产以来,存在精炼周期长、升温速度慢、钢水质量不稳定等诸多问题.经现场调研发现,进站钢水渣量大、温度及成分波动大,精炼渣成分配比及吹Ar制度不合理.因此,通过改进精炼造渣工艺、控制过程温度、优化吹氩工艺,提高了钢水的可浇性,同时使得平均冶炼周期缩短40％,耗电量降低23％,显著降低了生产成本.     

基于神经网络的转炉冶炼终点磷和硫含量预报模型

通过研究转炉冶炼终点磷、硫含量的影响因素.确定了影响冶炼终点的控制变量,根据人工神经网络技术,对常用BP算法进行改进,建立了基于神经网络的转炉冶炼终点双节点输出模型,实现了对终点钢水磷、硫含量同时进行预报,选取现场实际生产数据为样本,对模型进行训练,使模型对磷、硫含量的预报误差在±0.003%的命中率均达到了85%以上,预报精度达到了炼钢工艺的要求。     

基于主元分析的转炉终点ESN静态预测模型

以主元分析方法和新型ESN(回声状态网络)算法为核心,研究了转炉终点静态预测模型。通过对某钢厂转炉生产数据的主元分析,建立了ESN模型,同时将ESN模型与传统的BP和RBF神经网络模型进行了对比研究。结果表明,使用ESN建立的模型比传统的BP网络模型和RBF网络模型,在钢水温度预测方面精度分别提高了0.85%和0.45%,在钢水碳质量分数预测方面精度分别提高了0.45%和0.19%,能够有效的对转炉终点碳含量和温度进行预测,从而为转炉炼钢过程提供更准确的操作指导。     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。     

BOF-LF-RH-CC流程钢液增氮控制研究

通过对25Mn2和36Mn2V转炉冶炼钢种氮含量取样分析,得出各工序氮含量变化的规律,研究各工序增氮机制及氮含量控制措施。结果表明,增氮量从大到小的工序依次为大包至中包的长水口段、LF精炼段、转炉出钢段,RH真空处理段钢水氮含量有所下降;采用适当的终点高拉碳工艺可降低终点氮含量;采用高碱度低熔点预熔渣覆盖钢液面和控制LF吹氩强度可减少精炼前期吸氮和避免钢水被吹裸而引起的吸氮;适当延长极限真空度保持时间有利于进一步降低钢水中的氮含量。     

出钢过程钢水净化工艺优化研究

介绍了转炉在出钢过程强化钢水净化的工艺,实验结果表明:该工艺能在较短时间内降低钢水及熔渣氧化性,利用出钢过程良好的动力学条件进行脱硫,从而提高了LF精炼炉的精炼效果,显著提高了钢水纯净度.通过对工艺的优化和完善,可使部分钢种不经LF炉处理也能满足品种钢性能的要求,进而缓解LF炉作业压力,减少了LF增碳增硅的几率,提高了低碳低硅钢的成分命中率.     

基于神经网络的转炉冶炼终点磷和硫含量预报模型

通过研究转炉冶炼终点磷、硫含量的影响因素,确定了影响冶炼终点的控制变量,根据人工神经网络技术,对常用BP算法进行改进,建立了基于神经网络的转炉冶炼终点双节点输出模型,实现了对终点钢水磷、硫含量同时进行预报,选取现场实际生产数据为样本,对模型进行训练,使模型对磷、硫含量的预报误差在±0．003％的命中率均达到了85％以上,预报精度达到了炼钢工艺的要求。     

中碳含硼钢氮含量的控制

采用氧氮分析仪分析湖南华菱涟源钢铁集团有限公司中碳含硼钢A36-LB在生产各工序中氮含量的变化,研究其吸氮原因。结果表明,转炉终点碳含量控制不稳定是造成该厂钢中氮含量波动的主要因素;虽然转炉终点碳含量高可以降低钢中的氮含量,但同时也会导致钢中磷含量增高;在LF精炼整个过程中钢水增氮约11×10-6,增氮较多,其中原材料增氮并不是主要原因,主要原因是电弧加热过程增氮较为严重;连铸工艺段增氮较少,保护浇铸较好。     

帘线钢生产过程中钛含量的影响因素及控制

为了有效控制钛夹杂对帘线钢盘条拉拔加工性能的不利影响,通过热力学理论计算结合现场实际生产数据,对铁水中的[Ti]-[Si]平衡、转炉脱钛以及精炼增钛过程进行了分析,提出了相应的钛质量分数控制措施.结果表明:铁水中钛和硅的质量分数存在较好的线性关系,将高炉铁水硅质量分数控制在较低水平,对降低铁水钛质量分数具有重要意义.转炉终点钢水钛质量分数受转炉终点钢水碳质量分数和温度的影响,其中温度的影响尤为明显.为了降低转炉终点钢水含钛量,必须做好转炉终点碳温控制.此外,为了尽量减少钢液精炼过程中的增钛量,必须严格控制转炉出钢下渣量和精炼渣料中的含钛量.     

基于案例推理的电弧炉终点预报

在电弧炉(EAF)冶炼生产过程中,出钢温度、碳含量和磷含量等终点参数直接关系到后续生产工艺,甚至影响产品质量.基于增量预报模型的思想,提出采用案例推理方法进行电弧炉炼钢的终点预报,该方法由于建立在已有的炼钢案例基础上,具有方法简单、不需要复杂数学推理的优点,并具有较强的鲁棒性.考虑到电弧炉炼钢影响因素较多、具有较强的非线性,采用支持向量机对案例推理的结果进行增量补偿修整.实践证明,经补偿后的案例推理方法预报精度较高,预报结果接近实际值,该方法是切实可行并有效的,可以用于电弧炉炼钢终点钢水温度、碳含量和磷含量的预报.     

RH脱碳过程中极低氧钢水的碳氧反应机理

BOF+LF+RH+CC工艺路线生产IF钢,在RH脱碳前,钢水经脱氧和LF精炼后,钢中自由氧达到极低水平.根据表观脱碳速率常数的不同,这种极低氧钢水的RH脱碳可以划分为四个阶段.与传统三个阶段的RH脱碳不同的是在低速脱碳阶段和快速脱碳阶段存在一个脱碳速率介于两者之间的过渡阶段.在正规溶液模型的基础上,建立了能够准确预报钢液氧含量及顶渣FeO含量的RH脱碳模型.结果表明:在RH吹氧前,极低氧含量的钢液与顶渣之间基本不传氧;吹氧之后,钢液氧含量呈线性增加,当钢液氧势大于顶渣氧势后,钢液向顶渣传氧,渣中FeO含量上升;RH处理结束FeO含量较处理初始有所回升,但是仍处于极低水平,能够有效降低顶渣对钢液的二次氧化.