共查询到20条相似文献,搜索用时 31 毫秒
1.
转炉冶炼终点碳曲线拟合模型避开了熔池初始碳含量难以精准确定的问题,假设吹炼后期脱碳速率与熔池碳含量具有一定的函数关系,通过这种函数关系预报钢水终点碳含量.终点碳的三次方模型和指数模型预报精度在±0.02%之间的命中率分别为85.9%和81.2%.运用熔渣分子理论,基于冶炼热轧板材(SPHC)的渣组元成分,计算得出渣中FeO的活度为0.241.出钢温度为1686℃时,C和Fe元素选择性氧化的临界碳质量分数为0.033%.本文在传统指数模型的基础上,充分考虑了枪位、顶吹流量、底吹流量等操作参数对熔池脱碳速率的影响,建立了基于熔池混匀度的指数模型.基于熔池混匀度的指数模型与其他烟气分析碳曲线拟合模型相比,命中率有所提高.以新钢生产热轧板材(目标碳质量分数为0.06%)时的烟气数据为研究对象建模,终点碳质量分数预报误差在±0.02%之间的有75炉次,占验证数据量的88.2%. 相似文献
2.
3.
4.
5.
介绍了几种主要的转炉烟气分析碳含量预报模型,并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点。在综合三种模型优点的基础上,提出了基于“极限碳含量拟合+曲线同步更新”算法的改进指数模型。首先,利用历史炉次吹炼后期的脱碳氧效率和碳含量数据,通过指数拟合得到“历史脱碳曲线”和极限碳含量参数;其次,使用当前炉次吹炼中期的最大脱碳氧效率值对“历史脱碳曲线”的特征参数进行替换,得到当前炉次吹炼后期的“参考脱碳曲线”,再对其进行归一化处理,得到归一化的“参考脱碳曲线”;然后,采用多点校正的方法,计算当前炉次吹炼至各等距离校正点时“参考脱碳曲线”的脱碳量,并根据计算脱碳量与转炉实际脱碳量的偏差,对熔池碳含量及脱碳曲线参数进行计算与校正,得到“计算脱碳曲线”;最后,通过逐次迭代计算对“参考脱碳曲线”和“计算脱碳曲线”进行同步更新,进而实现对转炉吹炼后期熔池碳含量的精准预报。研究表明,改进的指数模型具有较高的准确率,终点碳含量预报误差在±0.02%范围内的命中率达到90%。 相似文献
6.
AOD冶炼中,终点碳和终点温度的命中率是提高生产率和产品质量的关键。由初始温度,初始成分及补加合金量等原始数据,通过本模型可预报要达到目标终点碳所需要的脱碳时间以及相应的终点温度。本模型计算得到的终点碳与实际终点碳,在同等条件下,两者极为接近,可作为一般AOD冶炼中预报终点碳与脱碳时间关系之用。通过分级调整O2、Ar、N2气比例得到最佳脱碳效果,终点碳命中率可提高到98%以上,最高温度可以控制不超过1750℃,延长炉衬寿命。 相似文献
7.
8.
9.
采用光谱仪对转炉烟气进行在线分析,利用转炉烟气分析数据,并通过改进常规转炉静态模型,开发了转炉冶炼过程碳、温的连续预报模型.实现了对冶炼过程碳、温度的全程预报.实际运行显示,基于烟气的动态碳预报模型具有很高的准确率,为提高终点命中率和直接出钢率起到积极作用. 相似文献
10.
应用改进的神经网络模型预报转炉冶炼终点 总被引:3,自引:0,他引:3
准确预报转炉冶炼终点的钢水温度与碳含量对提高转炉终点命中率具有重要意义。针对现有多层前馈网络学习算法的不足,基于BP模型提出一种改进算法,建立了复吹转炉冶炼终点的预报模型,并与BP模型的预测结果进行了统计比较。研究表明,改进后的模型能够对冶炼终点进行良好的预报。采用单节点输出模型对终点钢水碳含量与温度分别进行预报,预测误差w(Δ[C])<±0.03%的命中率达97.22%,Δt<±12℃的命中率为94.44%。还建立了神经网络双节点输出模型对转炉终点钢水碳含量及温度同时进行预报,误差Δt<±15℃、w(Δ[C])<0.03%的双命中率为76.92%。 相似文献
11.
12.
由于转炉冶炼过程中的热力学和动力学反应复杂,副枪控制模型和传统的烟气分析模型存在很大的局限性,导致了转炉冶炼终点碳含量的预测精度偏低,是实现智能炼钢的主要技术瓶颈. 针对上述问题,提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先,利用烟气分析得到连续监测的实时数据,以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后,根据熔池反应所处的不同阶段,利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上,按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数,从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例,证实函数型数字孪生模型具有良好的自学习和自适应能力,对异常冶炼状态具有良好的鲁棒性,可以实现全过程的熔池碳含量动态预测,终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是,在保证入炉原料成分、温度、质量等参数稳定的前提下,采用该模型可以有望取消基于副枪的停吹取样步骤,从而降低生产成本,提高产品质量和生产效率,具有广泛的工业应用前景. 相似文献
13.
14.
转炉炼钢是一个复杂的高温物理化学反应过程。在冶炼过程中不能连续检测钢的成分。所以,准确地预报终点的碳质量分数和温度对于提高终点命中率是非常有意义的。基于广西某钢厂80 t转炉炼钢实际生产数据,建立了终点碳质量分数和终点温度的孪生支持向量回归机(TSVR)预测模型,对100个炉次的实际生产数据进行了模型的训练,另外30个炉次的数据用于验证模型的精度。结果表明,预测误差Δω([C])≤ 0.01%的命中率为93.3%,Δt≤15 ℃的命中率为96.7%,双命中率为90%。与BP神经网络模型相比,TSVR模型的终点碳质量分数和终点温度命中率均比BP神经网络模型高。 相似文献
15.
16.
基于副枪控制的转炉终点预测模型 总被引:1,自引:0,他引:1
利用转炉吹炼末期脱碳指数方程、热平衡和热力学方程分别建立了转炉终点碳、温度、磷和锰的预报模型.终点碳质量分数预报误差为±0.015%的命中率达到87.6%;转炉终点目标w(C)=0.03%时,温度误差范围±10 ℃的比率为85.4%;模型预报钢中w(Mn)误差在±0.02%、w(P) 误差在±0.003%范围的比率分别达到了87.0%和81.2%.建立的预报模型具有较高的精度,实现了转炉终点碳、温度、残锰和磷的同时预报,为提高转炉的终点控制命中率、减少补吹的次数、实现直接出钢打下良好的基础. 相似文献
17.
现有的电弧炉终点碳预测模型大多忽略了电弧炉内余钢量中剩余的碳质量对下一炉次终点碳含量的影响,且电弧炉冶炼时渣层较厚,冶炼时钢水翻滚剧烈致钢水成分不均匀,电弧炉终点取样检测出的碳含量与钢水中实际的碳含量会存在较大的偏差,若直接使用电弧炉取样的碳含量作为分析数据,模型的预测值往往与钢水中实际的碳含量存在偏差。针对以上问题,首先利用多元线性回归算法计算钢铁料的收得率,推出每炉的余钢量,然后利用BP神经网络提出了一种关于电弧炉终点碳含量的预测方法,试验分析表明模型终点碳质量分数预测值与实际值误差在±0.02%内的命中率达到了92%,具有较高的预测精度。 相似文献
18.
19.