高炉过共晶铁水的热分析定硅

应用热响应时间短的2型热分析样杯,使过共晶铁水按灰口凝固。通过准确测得共晶反应的最低、最高和结束温度等特征点,来预报其含硅量,预报精度满足实际生产中控制炉外喷粉增硅的精度要求。     

转炉铁水预处理脱磷实验研究

首钢京唐公司采用转炉铁水预处理脱磷工艺作为洁净钢生产平台,通过前期58炉冶炼实验,摸索出一套适和京唐公司生产实际的操作工艺,并在造渣制度、吹炼模式、温度控制等方面取得了重大突破,实现了稳定、高效生产低磷钢、超低磷钢的目标.脱磷炉终点磷的质量分数平均为0.017%,碳的质量分数为3.69%,脱磷炉终点平均温度为1350℃,并有10炉钢的脱磷炉终点磷的质量分数小于0.015%,最低为0.008%,达到了生产超低磷钢的预脱磷要求.对实验中影响脱磷效果的因素,如铁水硅含量,脱磷炉终点温度、终点碳含量、终渣碱度和氧化性等,进行了深入研究.分析表明当铁水硅的质量分数小于0.45%时,可以达到比较好的脱磷效果;脱磷炉的脱磷效果随终点温度的升高而逐渐变差,但为保证脱碳炉有足够的热量,脱磷炉终点温度控制范围为1350～1380℃;脱磷炉合理的碳含量范围应该在3.3%～3.8%之间;碱度控制在1.8～2.2即可满足脱磷炉的脱磷效果;通过增加矿石加入量,保持较高枪位可以提高冶炼过程渣中(FeO)含量,提高脱磷炉的脱磷效率.     

人工神经网络预测高炉铁水硅含量

提出了BP神经网络预测高炉铁水硅含量的几种网络优化方法，指出了神经网络预测硅含量的可行性与局限性。     

人工神经网络预测高炉铁水硅含量

提出了BP神经网络预测高炉铁水硅含量的几种网络优化方法,指出了神经网络预测硅含量的可行性与局限性.     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统。引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型。用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1％时命中率达到81％。     

高炉铁水含硅量预测的计算机在线实现

本文给出了铁水含硅量预测模型的三种在线辨识的方法，讨论了数据库的建立和多种预测模型的计算机在线实现。     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统.引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型.用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1%时命中率达到81%.     

神经网络高炉铁水含硅量预报模型

研究了基于神经网络的高炉铁水含硅量预报模型，运用高炉生产过程中工艺参数，实现了铁水含硅量的中短期预报，仿真结果表明，本模型具有良好的预报效果。     

莱钢高炉合理渣系的研究

为使莱钢高炉冶炼中具有合理渣系,保障高炉长期稳定运行,对其炉渣二元碱度及MgO、Al2O3、FeO含量对炉渣黏度的影响进行研究。结果表明,为保证较低的黏度,高炉渣保持二元碱度约为1.15、w(MgO)为8%~10%较适宜;当高炉渣Al2O3含量达到一定值时,其黏度会明显提高,高炉渣中Al2O3含量最好应控制在15%以内;高炉渣黏度随着FeO含量的增加而显著降低,初渣中较高FeO含量可改善其流动性能。     

基于偏最小二乘回归的高炉铁水硅含量模型

在高炉炼铁过程中,常用铁水硅含量[Si]来衡量铁水的质量和表征高炉的热状态,即用铁水硅含量反映高炉炉温.将偏最小二乘回归方法应用于预测硅含量[Si]中,在高炉炉况相对稳定的条件下,得出影响硅含量[Si]的因素为风量和喷煤,与冶炼专家的经验相符.利用包钢6号高炉的数据,建立铁水硅含量[Si]的回归模型,该模型对高炉炉温预测的准确度达到87.61%,对在线监测高炉硅含量具有一定的实用价值.     

铁水预处理中钛硅锰同时脱除规律及工艺

通过钼丝炉上1kg铁水和感应炉上10kg铁水的实验,研究了铁水预处理时炉渣碱度和铁水温度对脱钛硅锰的影响,并系统的分析了其脱出规律.研究表明铁水中钛硅的氧化基本不受铁水温度和炉渣碱度的影响,锰的氧化受铁水温度和炉渣碱度的影响较大,低温、低碱度有利于铁水脱锰.当铁水温度T=1280℃,碱度R=0.44,铁水中钛硅锰可分别脱除至[Si]=0.011%,[Ti]<0.005%,[Mn]=0.024%,满足了高纯生铁对锰的指标要求.     

铁水扒渣检测系统的研究与实现

铁水扒渣检测系统是一套基于机器视觉的扒渣评级系统,其主要作用是采用高分辨率摄像器观察铁水罐中实时情况,通过工控机采集成像,分析图像中铁渣的厚度和范围,并对照评级工艺条件评判出扒渣的等级。本系统提高在线扒渣等级评判的自动化水平,降低工人经验判别不稳定因素的影响,实现工人的劳动保护。     

CaO颗粒铁水脱硫反应的模型

建立了CaO颗粒在铁水中脱硫反应的模型和喷吹O2渣再生反应的模型.对CaO颗粒在铁水中的反应经历进行了详细的描述.计算研究了颗粒尺寸、传质系数、铁水初始含硫量等参数对脱硫反应和渣再生反应的影响.     

唐钢二炼铁厂3号高炉铁水硅含量神经网络预报模型

根据唐钢二炼铁厂3^#高炉的生产情况和技术水平，建立了高炉铁水硅含量神经网络预报模型。模型采用BP网络，仿真试验结果表明，该模型具有较好的命中效果。同时，基于预报的铁水硅含量，结合部分专家知识，指导操作决策。具有很强的实用性。     

基于稀疏化鲁棒LS--SVR与多目标优化的铁水硅含量软测量建模

针对高炉炼铁过程的关键工艺指标———铁水硅含量[ Si]难以直接在线检测且化验过程滞后的问题,提出一种基于稀疏化鲁棒最小二乘支持向量机( R-S-LS-SVR)与多目标遗传参数优化的铁水[ Si]动态软测量建模方法。首先,针对标准最小二乘支持向量机( LS-SVR)的拉格朗日乘子与误差项成正比导致最终解缺少稀疏性的问题,提取样本数据在特征空间映射集的极大无关组来实现训练样本集的稀疏化,降低建模的计算复杂度;其次,标准最小二乘支持向量机的目标函数鲁棒性不足的问题将IGGIII加权函数引入稀疏化后的最小二乘支持向量机模型进行鲁棒性改进,得到鲁棒性较强的稀疏化鲁棒最小二乘支持向量机模型;最后,针对常规均方根误差评价模型性能的不足,提出从建模误差与估计趋势评价建模性能的多目标评价指标。在此基础上,利用非支配排序的带有精英策略的多目标遗传算法优化模型参数,从而获得具有最优参数的铁水[ Si]在线软测量模型。工业实验及比较分析验证了所提方法的有效性和先进性。     

铁水包吹气排渣过程的模拟

设计喷枪置于铁水包后部(相对于扒渣嘴),在扒渣开始前,通过此喷枪向铁水内喷吹气体,气体上浮后排开一定面积渣层,使表面渣向扒渣嘴方向聚集,为下一步扒渣机的操作提供便利条件,从而减少扒渣次数,提高效率,降低铁损. 使用1:3.5比例设计铁水包水模型,模拟不同工况下,气体排渣的效果. 同时采用数值模拟的方法验证水模实验结果. 实验表明喷枪浸入深度从200mm变到400mm,无渣比(无渣区域占总面积的百分比)从10%增加到30%;气体流量从4m~3·h~(-1)变到6m~3·h(-1),无渣比从30%增加到37%. 说明浸入深度越大,吹气量越大,排渣的效果越好. 数值模拟与水模型符合较好.     

CaO-Mg铁水脱硫渣改性剂的实验研究

重钢使用CaO-Mg混合脱硫剂进行铁水预处理脱硫,脱硫渣流动性差、渣铁分离困难.解决这一问题的途径一般是采用改性剂对脱硫渣进行改性.通过研究分析,在原有重钢改性剂的基础上对其进行组分的优化,优化后改性剂的熔点930°C,在1250°C时黏度为0.627Pa·s;通过该改性剂改性的脱硫渣熔点在1350～1370°C之间,黏度小于1Pa·s.初步工业实践表明,该改性剂很好地改善了脱硫渣的物理性能,能解决渣铁分离的难题.     

低硅冷轧电机钢用热带的研制

结合承德钢厂电机硅钢开发项目,针对其无精炼设备,不采用电磁搅拌技术的现状,对比电机钢传统生产工艺,确定以中小型电机转子用硅钢为目标,通过合理的冶炼、连铸、热轧工艺设计,严格控制各工序工艺参数,在承钢普碳钢生产工艺流程的基础上进行工业试验,以开发研制低硅冷轧电机钢用热带.结果表明:成品电机钢的各项性能均达到国标50w1300标准,铸坯表面、内部没有明显缺陷,热轧、冷轧钢带表面良好,特别适合小电机转子的制造.     

应用COMI炼钢工艺进行转炉全铁水冶炼基础研究

基于二氧化碳与氧气混合喷吹(简称COMI)炼钢工艺热力学理论计算及实验研究,建立了转炉全铁水COMI炼钢工艺物料与能量模型.研究发现:应用COMI炼钢工艺进行转炉全铁水冶炼工艺研究不仅能解决转炉全铁水常规冶炼过程中存在的大渣量及大喷溅问题,而且在提高转炉煤气热值,降低转炉吨钢氧耗及石灰消耗、调节矿石加入量方面有显著效果.