AOD冶炼脱碳反应模型与计算机模拟

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。     

影响转炉终点碳氧积的因素分析

为了提高转炉终点碳氧质量分数的控制水平,通过对某厂两座转炉现场生产数据的统计,分析了转炉终点碳氧质量分数的分布状态,研究了炉龄、碳质量分数、终点温度等因素对终点碳氧积的影响规律,对完善生产工艺提出了相应建议。     

转炉终点控制技术及应用

简要介绍了转炉吹炼终点控制数学模型及终点控制技术的研发历程,评述了副枪测定法、成分测算法和气相定碳法等终点控制方法,以及常规拉碳、增碳操作方法。指出发达国家的转炉有逐步采用烟气分析技术代替副枪控制转炉终点碳的趋势。烟气分析技术也是国内中小转炉实现终点控制的首选方法。     

转炉冶炼重轨钢技术操作控制及效果

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.     

超低碳钢的转炉终点控制

 通过对国内某厂300t转炉终点相关数据的理论分析,发现影响转炉终点水平的有：转炉炉龄、转炉终点温度以及吹氧量等。转炉吹炼过程中存在一个临界碳含量。当转炉终点碳含量低于临界碳含量时,脱碳变得困难,钢水过氧化严重。采用规则溶液模型计算转炉渣中FeO的活度,据此计算的临界碳含量（质量分数）为0.02%~0.03%。根据理论分析和实际统计结果,300t转炉理想的终点碳质量分数为0.03%~0.05%。     

拉碳法终点控制技术的应用

阐述了拉碳法终点控制技术与增碳法终点控制技术在工艺上的区别，拉碳法终点控制技术在承钢炼钢厂应用应解决的问题，以及应用过程中产生的影响与效果，并计算出在一年半应用中产生的效益，指出承钢炼钢厂为提高各项技术指标而采用拉碳法终点控制技术的必要性。     

120 t顶底复吹转炉终点碳含量控制对钢水脱磷的影响

研究了120 t转炉在终点钢水平均温度1630℃,平均终渣碱度4.0时,终点[C]（0.029%~0.176%）对终点[P]和磷分配比的影响。34炉次冶炼结果表明,终点出钢磷含量随着碳含量的减小而降低,当碳含量低于0.06%时,有利于实现磷含量低于0.005%出钢;随着终点碳含量的降低,渣钢间的磷分配比增大,炉渣脱磷能力增强;在同等工艺条件下,终点碳含量越低,供氧时间越长,吹氧和碳氧反应对熔池的搅拌作用有利于进一步脱磷。     

转炉终点控制技术

回顾了转炉终点控制技术的研发历程,评述了副枪测定法、成分测算法和气相定碳法以及常规拉碳、增碳操作等终点控制方法.     

转炉炉气分析动态控制技术的应用

介绍了转炉炉气分析动态控制模型的原理、操作过程及应对终点碳高的措施,并对终点熔池碳含量和脱碳速度的关系进行研究,得出如下结论:为保证终点预测的稳定,吹炼结束前2 min不变枪位、不添加辅料;终点碳含量高,需低枪位过吹到w([C])＜0.04%,或CO2和N2曲线交叉后继续吹15 s,再决定提枪;考虑到枪位对脱碳速度的影响,吹炼终点碳含量和脱碳速度的关系可以用3次方函数表述;只有减小原料条件的波动和稳定操作,才可用热平衡方法预测吹炼终点熔池温度.     

电弧炉终点碳含量预测模型的构建与分析

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。     

转炉炼钢终点控制技术研究及应用

炼钢终点控制是转炉吹炼末期的重要操作,一一概述了转炉炼钢终点控制技术的发展以及人工经验控制、静态控制、动态控制以及自动控制等不同类型的终点控制方法,并对各个类型终点控制技术的特点进行了对比。     

基于神经网络的转炉冶炼终点硫含量预报模型

通过研究转炉冶炼终点硫含量的影响因素,确定了预报模型的控制变量,对常用的BP算法进行改进,建立了基于神经网络的终点硫含量预报模型.模型的预报结果接近动态控制模型的预报精度.     

转炉采用炉气分析法进行动态控制

论述了转炉终点动态控制系统的发展及现状，重点阐述了建立转炉控制模型的原理、特点和控制系统结构，尤其对中、小转炉实现终点自动控制有一定的借鉴意义。     

终点碳控制的现状和前景

综合介绍了国内外在ＶＯＤ，ＡＯＤ．转炉和ＲＮ终点碳控制方面的现状。可以看出国内实验室终点碳控制水平与国外相当，唯一差距是尚未推广于生产实际。针对我国ＶＯＤ．ＡＯＤ，ＲＨ，转炉和电炉的快速发展．终点碳控制必将起重要的作用。     

A new kinetic single-stage Limulus amoebocyte lysate method for the detection of endotoxin in water and plasma

A convenient kinetic chromogenic Limulus amoebocyte lysate (LAL) method, based on components originally intended for a two-stage end-point method, has been developed. The components (LAL and chromogenic substrate) can be pooled and subsequently used in a single-stage kinetic procedure adapted to microplates. With the help of a kinetic software, it is possible to measure over the three log range 0.005-12 EU/ml in one test run--a range considerably wider than the range of the end-point procedure. A good linearity of the log-log standard curve, reflected by coefficients of regression between 0.997 and 1.0, is shown as well as a high-resolution (> 700 s) between the negative control and the lowest standard point. Moreover a good precision (C.V. < 10%) is obtained in both water and plasma, showing the usefulness of the method in different applications. Finally, a strong correlation (r = 0.95-0.99) to other LAL methods is demonstrated.     

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.      

基于FA-ELM的转炉终点磷含量预测模型

 转炉终点磷含量的预测对实现转炉自动出钢、缩短冶炼周期具有重要意义,为了实现转炉终点磷含量的窄窗口控制,为操作工艺提供指导,需要建立更高精度的终点磷含量预测模型。通过对冶炼工艺以及脱磷热力学的分析,选取12项影响脱磷过程的可观测指标,构建了终点磷含量预测指标体系,然后借助因子分析法(FA)对数据进行降维处理,得到6个派生变量,将其作为模型输入,终点磷含量作为模型输出,建立基于超限学习机(ELM)的终点磷含量预测模型。并将ELM模型预测结果与BP神经网络的进行对比,研究发现,ELM模型拟合度更高,回归系数R2=0.778 7,平均误差MAPE=0.106 0,并且预测误差在±0.003 0%内的炉次所占比例为86.67%。因此,相比于BP神经网络模型,ELM模型具有较高的精度和较好的泛化能力。     

120 t转炉底吹供气系统控制模型与应用效果

根据鞍钢120 t转炉底吹供气系统的应用情况,基于PID调节算法建立了转炉底吹系统控制模型,可以实现供气管道气体流量的迅速、准确、稳定控制,满足生产工艺要求,使底吹元件在炉役期内可以保持稳定的形态和良好的透气性能,不易堵塞。该转炉进行底吹供气控制模型、设备和工艺优化后,钢水终点碳氧积由0.00316降低为0.00273,终点炉渣T.Fe含量降低1.69%,吨钢降低成本12.2元,经济效益显著。