共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
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
4.
5.
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。 相似文献
6.
以神经网络为基础开发出一套转炉冶炼终点控制模型。模型以转炉炼钢基础理论为依据,采用误差后向传播网络——BP网络为原形,对其算法进行改进,建立两个三层BP预测神经网络,选用29个输入参数,分别对终点温度和终点碳含量进行预报。通过采集现场操作数据和实际应用,碳温双命中率达到80%以上。 相似文献
7.
8.
9.
基于烟气分析获得烟气流量及成分,应用碳平衡原理构建的碳积分数学模型可动态预测熔池中的碳含量;对炉气信息延迟性、炉气量、枪位系数和脱碳速率拐点a与b等参数的修正,能够提高熔池碳含量动态预报的精度。在熔池碳含量动态预报的基础上,基于热平衡理论和碳氧反应热力学构建了熔池温度动态预报模型,通过脱碳速率拐点a和b的修正以及分阶段模型的构建,能够提高熔池温度的预报精度。在此基础上采用Visual Basic 6.0和SQL Server 2000数据库构建了熔池碳含量和温度动态预报系统,利用该系统对一定时期的46炉冶炼数据进行了离线运行,结果表明:终点w(C)0.2%时,预报偏差小于0.02%命中率为84.8%,模型终点温度预报偏差小于20℃命中率为84.8%,C-T双命中率达到73.9%,基本满足冶炼对终点命中率的要求。 相似文献
10.
从转炉装入制度、造渣工艺、吹炼制度、后期处理、炉渣稠化和出钢几方面对冶炼重轨钢终点碳、温度、时间的控制进行了实际技术操作分析,论述了具体操作要点和实际效果.在保证高出钢碳的终点工艺下,操作关键是保碳前提下脱磷以及提温.通过优化转炉冶炼工艺,终点碳在0.06%~0.14%范围,能够保证终点磷和温度同时达标. 相似文献