基于案例推理的钢水温度在线管控模型

钢水温度的精确管控有利于提高铸坯质量和降低生产成本。针对目前炼钢—连铸区段钢水温度在线管控方面存在的不足,在分析钢水温度影响因素的基础上,建立了基于案例推理的炼钢—连铸区段钢水温度在线管控模型。同时通过调整案例推理算法的相似度计算方法、权重计算方法、重用案例个数等参数提高模型的精度。结果表明:转炉出钢温度预定模型平均降低转炉出钢温度6℃,精炼结束温度预定模型提高连铸开浇温度命中率2.33%。精炼开始温度,精炼结束温度和连铸开浇温度预报模型误差小于10℃的命中率分别达到75.33%、98.33%和95.67%,且均高于神经网络模型。     

RH—TOP精炼终点钢水温度的预报模型

采用多元回归分析方法分别建立了未吹氧和吹氧工艺条件下RH-TOP精炼终点钢水温度的预测模型。对预测温度统计分析结果表明：未吹氧条件下,模型对RH—TOP精炼终点温度的预测误差在±5℃和±10℃时的命中率分别为83％和99％;吹氧条件下,模型对RH精炼终点温度的预测误差在±5℃和±10℃时的命中率分别为79％和96％。     

转炉冶炼终点静态控制预测模型

基于天津天铁冶金集团30t转炉炼钢实际生产数据,首先建立了转炉炼钢终点静态控制的吹氧量及矿石用量统计模型,其预测100个炉次吹氧量和矿石用量平均相对误差分别为0．58％及10．4％。考虑到影响终点钢水温度和碳含量的因素比较复杂,设计了预测钢水终点温度和碳含量的人工神经网格模型,利用Levenberg-Marquardt算法和257个炉次的实际生产数据进行了模型训练,并对另外100个炉次的终点钢水温度及碳含量进行了预测,在终点钢水温度为1646-1698℃和终点碳质量分数为0．033％～0．128％的范围内,得到的终点碳温双命中率为55％。     

转炉出钢后钢包内钢水温度预测模型

采用多元回归建立了转炉出钢终点钢水温度的预测模型,实现了对转炉出钢过程钢水温度的预测,并探讨了影响该过程钢水温度变化的主要因素,为生产合格钢水及钢水温度的动态控制提供了理论依据。本模型能较好的预测该过程的钢水温度变化,预测误差在±10℃以内的正确率达到90%以上,对现场生产实践具有一定指导意义。     

基于BP神经网络算法的脱磷转炉终点磷含量预报模型

为更准确地预测脱磷转炉冶炼终点钢水磷含量,选取某钢铁公司冶炼DC04钢种作为研究对象.根据工业试验得到的铁水条件、造渣料及吹氧量等工艺参数,利用灰色关联分析法得到各工艺参数关于脱磷转炉终点磷含量的灰色关联度,并结合BP神经网络算法建立关于脱磷转炉冶炼终点磷含量的预报模型.通过不断优化,使该模型实现预测脱磷转炉终点w(P...     

应用改进的神经网络模型预报转炉冶炼终点

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%。     

烟气分析在100t转炉深脱磷工艺的应用

基于对脱磷工艺的理论分析,通过100 t转炉烟气分析控制熔炼过程、终点温度、过程化渣控制和预测终点磷含量以获得低磷钢水。首秦金属材料公司100 t顶底复吹转炉所用铁水的硅含量为0.2%～0.8%,磷含量0.052%～0.090%,管线钢的生产结果表明,烟气分析终点温度(1 580～1 650℃)命中率能达到95%以上;模型预测磷含量与转炉终点实际磷含量分别为0.007 6%和0.0074%,通过烟气分析实现了转炉终点磷含量≤0.010%的目标。     

转炉炼钢磷含量智能预测模型优化

为了提高转炉终点钢水磷含量预测的准确性，分析了钢水温度、渣氧化性及渣碱度等相关参数对脱磷的影响，优化了磷含量预测模型的系统流程、模型计算和参数自学习。该模型优化后，转炉终点钢水磷含量预测值准确性得到提高，转炉平均取样时间缩短1.2 min/炉，提高了生产效率，减少了生产质量事故。     

转炉钢水出钢温度的预测

将人工神经网络用作转炉炼钢过程的预测模型,实现了对转炉出钢温度的全面预测.并探讨了影响转炉出钢温度及转炉炼钢过程的因素,为生产合格钢水及转炉的动态控制提供理论依据.本模型能很好的预测转炉终点的出钢温度,并能较好的分析主要工艺参数(如铁水温度、氧气耗量等)对转炉出钢温度的影响,预测值比较准确.     

基于机器学习算法的“全三脱”工艺转炉终点预测

建立精准的转炉终点预测模型对生产效率和钢液洁净度的提升尤为重要。以首钢京唐钢铁联合有限责任公司“全三脱”工艺转炉为研究对象,对历史生产数据进行皮尔逊相关性分析,得到与转炉终点温度、碳含量最相关的15个自变量。利用BP神经网络、极限学习机(ELM)和支持向量机(SVM)3种机器学习算法分别建立了转炉终点预测模型。随后选取160组新样本数据来检验3种模型的预测精度,结果表明：SVM模型下转炉终点温度、碳含量预测模型精度更高,终点温度预测误差在±15℃内的命中率为90.6%,终点碳质量分数预测误差在±0.01%内的命中率为93.8%。另外,基于支持向量机算法建立的转炉终点预测模型,全三脱工艺比常规工艺的终点温度误差±15℃内、碳质量分数±0.01%内命中率分别提高了9.1百分点和14.4百分点。     

LF精炼终点钢水温度灰箱预报模型

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上.      

大型转炉优化造渣工艺提高脱磷的效果

 针对转炉冶炼存在的转炉前期化渣速度慢,冶炼终点钢水、炉渣氧化性高,终点磷含量控制不稳定等问题,利用炉渣熔化性测定、热力学平衡计算、炉渣矿相分析的方法研究了260 t转炉造渣、供氧工艺。结果表明,转炉初期渣熔化温度为1 330 ℃,不利于转炉前期化渣;终渣熔化温度为1 200 ℃,不利于转炉后期的炉衬维护;终点钢水磷含量与渣钢间磷平衡值差距较大,说明转炉吹炼终点动力学条件不足;炉渣中游离氧化钙含量较高,有部分未熔化的石灰。通过优化转炉渣料加入顺序和数量,强化转炉终点氧枪枪位控制、底吹搅拌等技术措施,可获得较高的转炉终点脱磷率和渣-钢间磷分配比,使终点渣-钢间磷含量更接近平衡;终点炉渣发育良好,游离氧化钙含量适中。     

基于熔池混匀度的转炉烟气分析定碳模型

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%.      

Final Temperature Prediction Model of Molten Steel in RH-TOP Refining Process for IF Steel Production

 In order to precisely control the final temperature of molten steel in RH (Ruhrstahl Heraeus)-TOP blowing refining, the final temperature prediction models of molten steel in RH-TOP blowing refining process for Interstitial Free (IF) steel production were established under the condition of oxygen blowing and non-oxygen blowing respectively. The results show that the beginning molten steel temperature of refining and the amount of added scrap were influential factors, the baking temperature in vacuum chamber was a factor that had small influence. When the model was operated, the hitting probability was above 95% (under the condition of both oxygen blowing and non-oxygen blowing) of prediction deviation of ±10 ℃. The accuracy is analyzed.     

马钢CSP流程RH精炼钢水温度预测模型

基于冶金机理和传热学计算,分析研究了RH精炼过程中脱碳、吹氧加铝、脱氧、合金化、喷粉、真空室状态以及钢包等级等各类因素对钢水温度的影响。结合现场实际生产数据,建立了RH精炼钢水温度预测模型,经过对实际生产跟踪验证表明,模型预测的钢水终点温度与实测值偏差在±5 ℃以内的命中率为87.42%,偏差在±8 ℃以内的命中率为100%。     

260t转炉留渣操作实践

分析了影响留渣操作安全的因素及留渣操作对转炉冶炼相关指标的影响,提出了留渣操作安全性的工艺参数:留渣温度不高于1 489℃,兑铁速度小于1 711.57 kg/s,兑铁时间大于3 min,终点钢水氧活度小于9×10-4。实际操作过程中,应做到留渣量合适,提高热平衡计算的准确性和终点控制水平。留渣操作结果表明,在减少渣量的同时有利于转炉冶炼脱磷脱硫,降低钢铁料消耗,避免了剩钢焊渣罐现象。     

80 t转炉终点预报TSVR模型精度

 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。     

基于新变量选择方法的FNN预报转炉终点

考虑到机理模型能较准确给出转炉吹炼过程的定性规律，而难以给出可靠的定量关系，首先利用冶金机理模型和PLS方法分析影响转炉终点碳的因素，然后建立基于模糊推理神经网络的转炉终点碳预报模型。结果表明，此法能有效提高对转炉终点碳预报的命中率和网络的训练速度。在w(C)绝对误差±0.02%控制精度下命中率达94.12%，相对误差±10%控制精度下命中率达56.86%。     

低温压力容器06Ni9DR钢转炉生产实践

介绍了应用顶吹氧气转炉冶炼生产06Ni9DR低温压力容器钢的过程。对转炉冶炼温度、钢水镍含量、碳含量、磷含量等工艺参数的控制进行了生产研究。实践表明,采用半钢双联法冶炼,出钢温度1 585~1 635℃、镍含量8.8%~9.3%、终点碳含量小于0.035%时,可以稳定控制06Ni9DR钢的工艺参数,终点磷含量小于0.005%。     

基于光谱信息与温度的转炉炼钢终点预测模型

转炉炼钢终点就是在出钢时通过控制使钢水的成分和温度达到一定要求。原子发射光谱法显示的元素特征光谱波长下的光谱信息的变化,能反应成分含量的变化趋势。文章介绍了基于温度和光谱信息的终点预测模型的系统,通过此系统获取转炉炼钢过程中的温度和Mn、Si光谱信息,利用多元回归分析的方法建立终点预测模型,并对模型进行显著性检验和精度分析。研究表明,此模型的终点命中率在80%左右,能比较准确预测转炉炼钢的终点。如果在预测模型中加入更多的元素光谱信息,将能进一步提高终点命中率。