试论提高转炉炼钢终点命中率的控制措施

简要介绍了转炉炼钢终点命中率的控制技术,从碳氧含量、出钢温度和脱磷条件三个方面详细分析了转炉炼钢终点命中率的影响因素,提出通过完善留渣操作、降低出钢温度、控制吹炼强度和进行补热升温等针对性的控制策略,提高转炉炼钢终点命中率,以期为转炉炼钢终点命中率提高及控制提供参考,确保转炉炼钢稳定作业,提高转炉炼钢生产质量和效率。     

基于孪生支持向量回归机的转炉炼钢终点预测

为了提高转炉炼钢的终点命中率,建立了一种新的转炉终点预测模型,实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法,将权重矩阵引入到目标函数中,并利用鲸群优化算法进行求解,提高了传统算法的性能;然后基于某炼钢厂260 t转炉的实际生产数据,建立了转炉炼钢终点预测模型。结果表明,预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15 ℃)的终点单命中率分别为94%和88%,双命中率达到84%。与其他两种现有的建模方法相比,本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求,也可适用于钢铁冶金其他领域的数学建模。     

转炉炉气分析技术发展现状

通过分析转炉炉气成分、控制转炉冶炼进程,能够提高炼钢过程稳定性和终点命中率,是一种很有发展前途的转炉控制技术。从发展历史、系统组成、系统功能及存在的问题四个方面对这一技术进行了介绍。     

转炉炉气分析技术发展浅析

转炉炉气分析技术通过分析转炉炉气成分,控制转炉冶炼进程,能够提高炼钢过程稳定性和终点命中率,是一种很有发展前途的转炉控制技术。从发展历史、系统组成、系统功能及存在的问题四个方面对这一技术进行了介绍。     

基于集成学习的转炉吹炼终点磷锰预测模型

基于260 t转炉炼钢实际生产数据,用RF(Random Forests,随机森林)、LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)和Stacking集成三种不同机器学习算法建立了转炉炼钢终点磷锰预测模型。通过相关理论分析和皮尔逊相关系数法确定了模型输入变量,对比三种集成学习模型的终点命中率,表明Stacking集成模型的预测性能最好,在预测终点磷质量分数误差为±0.001%、±0.001 5%时的终点命中率分别为86.3%、97.1%,在预测终点锰质量分数误差为±0.008%、±0.01%时的命中率分别为83.4%、94.4%。     

100 t 顶吹氧气转炉石灰石造渣炼钢技术的分析和工艺实践

通过石灰石造渣前期成渣机理的分析和转炉热平衡计算得出石灰石消耗为6.0t/炉时,需增加铁水消耗2.1t/炉,减少2.5t/炉废钢消耗,可保证石灰石炼钢终点温度和石灰炼钢终点温度一致。生产试验得出,石灰石造渣炼钢转炉终点碱度(3.3),终点温度(1662℃)、终点[C](0.081%)、[P](0.016%)、命中率(90%)和普通石灰造渣炼钢工艺一致,但降低转炉炉料成本10.4元/t钢,取得良好的经济和社会效益。     

260t转炉终点磷含量预报模型的开发实践

针对邯钢集团邯宝钢铁有限公司西区炼钢厂转炉的冶炼工艺特点和生产数据,建立了基于PCA-GA-BP神经网络的转炉终点磷含量预测模型。通过主成分分析(PCA)将终点磷含量的影响因素降维,并采用遗传算法(GA)对BP神经网络的初始权重进行优化。用Java语言开发了转炉终点磷含量预测模型的软件,在炼钢厂进行了现场使用。结果表明:转炉终点钢水w(P)控制精度在±0.007%时,命中率达到96.67%;控制精度在±0.005%时,命中率达到93.33%;控制精度在±0.004%时命中率达到86.67%。     

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。     

一种基于即时学习的局部模型集成转炉炼钢终点预测方法

钢铁工业在国民经济基础中有着重要地位,转炉炼钢作为钢铁生产中的一个重要环节,直接决定了生产钢铁的质量。转炉炼钢是一个影响因素众多、过程非常复杂的多元多相高温物理化学反应过程,对转炉炼钢终点实现精确控制是冶金行业一个有待解决的难题。以提高转炉炼钢终点碳温命中率为目标,针对传统全局模型预测性能不足,难以解决多工况问题,提出了一种基于即时学习(just-in-time learning, JITL)的动态终点预测方法。在JITL的框架下,利用不同准则下的相似性度量方法,选取相应的子样本集,分别构建局部回归模型,最后通过集成学习输出各个局部模型的预测结果。在实际转炉炼钢数据验证中,使用本文所提方法,终点温度在±15℃范围内■命中率为92.7%,终点碳质量分数在±0.02%范围内■命中率为95.7%,可以为实际生产过程中的终点控制等操作提供参考。     

基于无约束小波权重TSVR的转炉炼钢终点静态预测模型

转炉炼钢是一个极其复杂的物理化学反应过程,采用智能方法建立转炉炼钢的数学模型是近些年来的一个热点问题。针对熔池碳含量和温度的终点命中率问题,提出了一种新的静态预测模型的建模方法。在传统的孪生支持向量回归机的基础上,将小波权重矩阵引入到目标函数中,然后将目标函数转换成无约束优化问题求解,提高了算法的性能和运算效率;最后基于某炼钢厂260 t转炉的实际生产数据,建立了转炉炼钢终点静态预测模型。试验结果表明,预测模型的终点碳质量分数(误差±0.005%)和温度(误差±10℃)的单命中率分别为94%和96%,双命中率达到90%。通过与现有的方法比较,所提出的预测模型取得了最优的结果,不仅能够指导实际生产,也可用于冶金行业的其他应用背景的数学建模。     

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%.      

超低碳钢转炉冶炼终点控制技术

通过对转炉冶炼终点碳、磷、铁选择性氧化平衡点的计算,得出超低碳钢冶炼终点碳含量的最佳控制范围是0.040%~0.060%,基于此范围开发了转炉冶炼的静态模型及动态模型,从而形成超低碳钢冶炼终点的控制技术,实践表明,采用该技术可大幅度提高冶炼终点钢水温度和磷成分的命中率,降低补吹率及罐内氧含量。     

氧气顶吹转炉智能控制策略的研究

在全面分析转炉炼钢生产特点的基础上,建立了神经元网络的预报模型和控制模型,并且将炼钢的终点温度和终点碳含量作为控制目标值,计算氧气的补吹量和冷却剂的补入量,进而实现转炉炼钢的终点控制。从计算机仿真结果看,终点温度和终点碳含量仿真精度高,控制策略有效。     

灰色模型在转炉终点温度预测中的应用

以邯钢邯宝炼钢厂转炉历史生产数据为基础,应用小波分析与灰色模型相结合的方法建立了转炉终点温度预测模型,在目前预测方法的基础上提出了一种新的思路。通过MATLAB中的小波变换工具,剔除数据“噪声”后分为趋势数据和波动数据,并以24个炉次为待测样本,利用灰色模型对转炉终点温度进行预测。结果表明,预测误差在[－10, 10]区间的占据95.83%,能够满足生产要求,从而验证了模型的有效性。     

BOF→LF→CC流程钢水温度预报

针对炼钢连铸流程的工艺特点和生产数据,建立了基于BP神经网络的"BOF→LF→CC"流程钢水温度预报模型。通过相关性分析筛选模型变量,利用五数概括法筛选数据,采用LM优化算法改进BP神经网络,利用生产数据对模型进行了训练和测试。并用Java语言开发了钢水温度预报模型的程序,在某钢厂进行了应用。结果表明,各区段钢水温度预报模型的预报命中率基本可以满足生产的要求。     

通过炉气分析实现转炉连续控制

应用红外测试仪测得的炉气数据,根据转炉熔池物料平衡和热平衡,通过模型计算,论证了炉气分析在转炉连续控制中对碳和温度预报的可行性,并得出结论;炉气分析对终点戳w(C)≤0.06%炉次的碳预报命中率较高,适用于低碳钢冶炼.但该模型进行温度预报的数据来源均为间接数据,命中率较低.     

基于炉口火焰信息的转炉炼钢终点预报系统

设计了一种通过对转炉炉口火焰光强和图像信息的分析,在线实时判断和控制转炉吹炼终点温度和碳质 量分数的系统。本系统主要包括光强采集模块、图像采集模块、数据处理模块以及控制软件。现场试验证明:炉口 光强及图像在吹炼终点存在显著的变化规律;本系统用于终点判断和控制准确有效。     

副枪技术在莱钢120 t转炉上的应用

介绍了莱钢120 t转炉副枪的应用情况,莱钢炼钢厂通过不断优化数学模型和完善修改各项规程制度使副枪运行得到了稳定,基本上取消了转炉倒炉作业,并对转炉炼钢工艺操作进行了优化。转炉各项指标得到了一定的提高,碳温双命中率达到了90%以上,冶炼周期平均缩短了4 min,转炉生产能力提高了10%,钢铁料消耗降低11 kg/t(钢)。同时降低了耐材消耗,提高了钢水质量、稳定了钢水成分,为开发优质品种钢创造了有利条件,实现了从经验炼钢到智能炼钢的转变。     

基于IPSO-RELM转炉冶炼终点锰含量预测模型

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义.