趙成林，張寧，朱曉雷，王麗娟，張維維（鞍鋼集團鋼鐵研究院，遼寧鞍山114009）

?

LF鋼包精煉過程控制模型開發(fā)

趙成林，張寧，朱曉雷，王麗娟，張維維
（鞍鋼集團鋼鐵研究院，遼寧鞍山114009）

摘要：根據冶金機理和鋼液熱平衡原理，綜合考慮電極供電、合金、渣料添加情況及鋼包狀況等因素，并結合人工神經網絡算法和自學習方法，建立了LF精煉過程控制模型，包括溫度預報模型和合金模型。經測試，溫度預報模型在線計算值與實測值的絕對偏差在±5℃以內的比例達到了85%以上，合金模型應用后，LF鋼水成分合格率從90.1%提升至94.7%，平均合金化時間由8.9 min降低到6.7 min。利用Microsoft Visual.Basic.net程序設計軟件以及Microsoft SQL Server 2000數據庫軟件，開發(fā)了LF精煉過程控制模型軟件。

關鍵詞：LF；過程控制；數學模型

趙成林，博士，高級工程師，2007年畢業(yè)于東北大學鋼鐵冶金專業(yè)。E-mail:zhao_chenglin@TOM.com

LF鋼包爐是一種廣泛應用的二次精煉手段，其主要作用是利用電弧加熱和還原渣精煉完成鋼水的脫氧、脫硫、去除夾雜、合金化及溫度調整等［1-3］。目前國內外具備LF二級模型的企業(yè)并不多［4］，更多的是在精煉過程中對鋼水進行測溫取樣操作以獲得鋼水信息反饋，同時根據操作者的經驗進行操作，屬于典型的“經驗煉鋼”。不同的操作者由于操作經驗不同，必將在精煉時間、精煉成本以及終點控制方面存在一定的差異，因此，有必要開發(fā)LF精煉過程控制模型，優(yōu)化LF處理工藝，提高生產效率，降低勞動強度及生產成本，實現整個處理過程的最優(yōu)控制。基于Windows體系結構，利用VB.NET作為模型開發(fā)工具，開發(fā)了LF精煉控制模型。本文對此做一介紹。

1　數學模型的建立

1.1溫度預報模型

在綜合考慮LF電極升溫、合金添加及鋼水散熱的基礎上，基于鋼水的熱量平衡原理，建立了LF精煉過程溫度模型，計算公式如下：

式中，T為預報鋼水溫度，℃；T0為鋼水初始溫度，℃；ΔT1為供電對鋼液溫度的影響，℃；ΔT2為成渣熱、非脫氧合金料、渣料、喂絲、吹氬攪拌等使鋼液溫度變化量，℃；ΔT3為脫氧合金料、爐氣帶走熱量及其它熱損失，℃。

輸入體系的電能為［5］：

式中，Qse為輸入體系的電能，W；εi為電弧與熔池的熱交換系數，其大小主要取決于鋼包頂渣的埋弧效果，取值為0<εi≤1；Pi為某相電弧的功率，W；Ii為某相電弧的電流，A；Ui為某相電弧的電壓，V。

根據能量守恒，可以得到供電引起的鋼水升溫速率為:

式中，t為處理時間，min；Cm為鋼水的比熱容，J/（kg·K）；Wm為鋼水的質量，kg；Cs為渣料的比熱容，J/（kg·K）；Ws為加入體系的渣料質量，kg。

對ΔT2的計算中，非脫氧合金及渣料對鋼水溫度的影響可通過理論計算或經驗確定，合金及渣料的溫降系數（1t鋼中加入1kg物料所引起的溫度變化）值具體如表1所示，模型計算時取平均值。精煉過程各成渣反應產生的熱量以及氬氣吸熱對鋼水溫度的影響可以忽略［6-7］。

表1　合金及渣料溫降系數　℃

ΔT3包括以下幾項：

（1）鋼水表面散熱：包括輻射和對流散熱；

（2）爐體耐火材料的蓄熱；爐內耐材材質不同，同時還要考慮鋼包使用次數不同造成的影響因素；

（3）煙氣、煙塵帶走的熱量；

（4）頂渣改質過程中鋁的氧化放熱對鋼水溫度的影響。

這其中，（1）、（2）、（4）項占據主要的份額。文獻表明［8］：鋼包精煉過程中鋼水的輻射散熱量要遠遠高于對流散熱量，因此對于（1）項只考慮鋼水的輻射散熱對溫度的影響。鋼液的輻射散熱計算公式為［9］：

式中，QF為鋼液輻射散熱速度，J/（m2·s）；Tm為鋼液溫度，K；Ts為鋼包頂渣溫度（未裸露）或大氣溫度（裸露），K。

一般可以認為鋼包頂渣溫度比鋼液溫度低300～400℃，取鋼液溫度為1 873 K，熔渣溫度1 573 K，大氣溫度373 K，將根據式（4）計算得到的Q值帶入式（3），可得到對于250 t鋼水，裸露部分鋼水和未裸露部分鋼水由于輻射散熱帶來的溫降速度分別為0.2℃/（m2·min）和0.1℃/（m2·min）。根據現場經驗，按大氣量底吹裸露30%液面，小氣量底吹裸露5%液面考慮，則大氣量底吹由于輻射帶來的溫降為0.7℃/min，小氣量底吹由于輻射帶來的溫降為0.1℃/min。

爐體耐火材料的蓄熱與爐體耐材材質以及鋼包周轉狀態(tài)有關，影響因素眾多，理論計算相對復雜。同時，LF頂渣改質的效果一般通過經驗判斷，因此，采用人工神經網絡計算方法對這部分的溫度變化進行計算［10］，模型輸入項為兩類，一類為表征鋼包狀態(tài)的量，如鋼包烘烤溫度、鋼包使用次數等。另一類為表征改渣效果的量，如改質劑加入量、渣厚等，采用現場實際生產數據并結合之前的理論計算反算得到的溫度變化值作為模型輸出項，對模型進行反復訓練后，可計算爐體耐火材料的蓄熱和頂渣改質對鋼水溫度的影響。溫度預報模型的計算流程圖如圖1所示。

1.2合金模型

合金模型主要是計算LF精煉過程所需要的合金加入量，合金的加入種類由實際生產過程確定，其計算公式如下：

式中，Walloy為含有某種元素i的合金加入量，kg；［i］aim、［i］old分別為元素i的目標成分和初始成分，%；αf為合金中i元素的含量，%；f為i元素的平均收得率。

圖1　溫度預報模型的計算流程圖

對于式（5），最主要的是計算合金元素的收得率。該值主要與鋼水溶解氧含量、頂渣氧化性、合金粒度及合金元素與氧親和力等因素有關，模型中主要采取自學習的方式獲得其數值［11］，即在實際生產數據庫中選取與當前爐次鋼種相同、時間間隔最短及生產條件相近的若干爐次鋼水的合金元素收得率平均值作為本爐次合金元素收得率的預報值。精煉后，將本爐鋼水信息存入數據庫中，作為以后的待選參考信息，完成模型的自學習。

1.3 LF精煉過程控制模型

LF精煉過程控制模型流程圖如圖2所示。

圖2　LF精煉過程控制模型流程圖

2　模型驗證

2.1溫度預報模型驗證

采用五數總括法［12］對數據進行篩選后，利用超過600罐的現場實際生產數據對模型進行訓練，訓練后將模型投入現場在線試運行。針對超過100罐的LF精煉處理，在過程有一次測溫的情況下，溫度模型計算值與實測值的絕對偏差在±5℃以內的比例達到了85%以上。預報誤差主要來源于以下幾個方面：

（1）溫度實測值存在誤差。目前現場生產使用一次性快速熱電偶進行過程溫度的測定，在1 600℃時其測溫值的誤差為±3℃；

（2）供電過程對鋼水溫度的影響不穩(wěn)定。供電升溫效果與埋弧效果有關，目前埋弧效果一般通過電極升溫過程的震動響聲判斷，如響聲過大，說明渣粘，埋弧效果不好。模型中無法判斷埋弧效果，只能通過渣厚、供電參數以及供電時間等來計算鋼水升溫值，因此會產生計算偏差。

（3）底吹效果不穩(wěn)定。LF效果很大程度上取決于底吹氣體作用下頂渣和鋼液的混合狀態(tài)，由于底吹效果不穩(wěn)定，直接帶來頂渣改質及鋼水輻射散熱效果的不同，影響鋼水的成分和溫度，而模型對于這種差異無法識別，導致產生計算偏差。

2.2合金預報模型驗證

對比應用合金模型后超過100罐的實際生產數據和未應用該模型的歷史平均數據，結果見圖3。從圖3看出，應用合金模型后，LF鋼水成分合格率從90.1%提升至94.7%，平均合金化時間由8.9min降低到6.7 min。說明合金模型對于提高鋼水成分控制水平、縮短處理時間有一定的指導作用。

3　模型軟件開發(fā)

根據250 t LF精煉過程的實際生產數據及操作參數，利用Microsoft Visual.Basic.net程序設計軟件和Microsoft SQL Server 2000數據庫軟件，開發(fā)了LF鋼包精煉過程控制模型軟件。溫度預報模型計算界面見圖4，操作數據采集界面見圖5。

模型開始計算時，首先讀取鋼種、鋼包烘烤溫度、鋼包使用次數、渣厚、鋼水成分和溫度等信息，在數據庫中選擇若干爐參考爐次，提取參考信息預報此罐鋼水的合金加入量。同時根據精煉過程中的電極升溫、造渣料、合金加入等信息動態(tài)預報鋼水溫度的變化，在模型的操作界面上顯示實際的鋼水測溫值以及模型預報的鋼水溫度變化曲線，有助于更好了解鋼水溫度的變化趨勢?？梢愿鶕Ｐ徒o出的建議進行相應的操作，為精確控制精煉終點鋼水成分和溫度提供了有益的參考。

圖4　溫度預報模型計算界面

圖5　操作數據采集界面

4　結論

根據冶金機理及鋼液熱平衡原理，并結合人工神經網絡算法及自學習方法，建立了LF精煉過程控制模型，包括溫度預報模型和合金模型。在過程有一次測溫的情況下，溫度模型計算值與實測值的絕對偏差在±5℃以內的比例達到85%以上。合金模型應用后，LF鋼水成分合格率從90.1%提升至94.7%，平均合金化時間由8.9 min降低到6.7min。

參考文獻

［1］Olena VOLKOVA,Dieter JANKE.Modelling of Temperature Distribution in Refractory Ladle Lining for Steelmaking［J］.ISIJ International,2003,43（8）:1 185-1 190.

［2］P.R.AUSTIN,J.M.CAMPLIN,J.HERBERTSON,etc.Modelling of Thermal Stratification and Drainage［J］.ISIJ International,1992,32（2）:196-202.

［3］M.HALLBERG,T.L.I.JONSSON and P.G.JNSSON.A New Approach to Using Modelling for on-line Prediction of Sulphur and Hydrogen Removal during Ladle Refining［J］.ISIJ International,2004,44（8）:1 318-1 327.

［4］謝樹元，杜斌，林云,等.LF爐過程控制模型的開發(fā)與應用［J］.冶金自動化，2006，增刊（S2）：47-50.

［5］米衛(wèi).LF鋼水溫度與成分控制模型的研究［D］.唐山：河北理工大學，2006.

［6］李晶，傅杰，王平，等.二次精煉渣鋼反應及成渣熱對鋼液溫度的影響［J］.特殊鋼，1999，20（6）：42-44.

［7］趙成林，鄒宗樹.CAS-OB噴粉精煉溫降預測模型［J］.材料與冶金學報，2006，5（4）：254-258.

［8］趙成林.CAS-OB噴粉精煉過程模擬研究［D］.沈陽：東北大學，2007.

［9］沈頤身，李保衛(wèi)，吳懋林.冶金傳輸原理基礎［M］.北京：冶金工業(yè)出版社，2000，325.

[10]畢海鳳.應用神經網絡實現精煉爐終點預報［D］.沈陽：東北大學，2006.

[11]于鵬，戰(zhàn)東平，姜周華,等.LF精煉終點成分預報模型開發(fā)［J］.材料與冶金學報，2006，5（1）：20-22.

[12]馮明霞，李強，鄒宗樹.轉爐終點預測模型中異常數據檢驗的研究［J］.中國冶金，2006，16（9）：27-31.

（編輯許營）

修回日期：2015-07-15

Development of Control M odel for Steel-refining Process in Lad le Furnace

Zhao Chenglin，Zhang Ning，Zhu Xiaolei，Wang Lijuan，ZhangWeiwei
（Iron&Steel Research Institutes of Ansteel Group Corporation,Anshan 114009,Liaoning,China）

Abstract：Based on the metallurgicalmechanism and the thermal balance theory ofmolten steel the controlmodel for steel-refining process in ladle furnace was established after considering these factors such as power-supplying by electrode,addition of alloy and slag charge aswell as the condition of the ladle together with using the artificial neural network algorithm and self-learning algorithm.The said controlmodel consists of the temperature forecastmodel and the alloy model.By testing,the absolute deviation in the range from minus 5℃to plus 5℃between the calculation values by using the temperature forecastmodel and actualmeasured values makes up more than 85%while the percent of pass of compositions inmolten steel improves to 94.7%from 90.1% and the average alloying time is shortened to 6.7 minutes from 8.9 minuteswhen the alloymodel is put into operation finally the controlmodel software for steel-refining process in ladle furnace was developed based on Microsoft Visual.Basic.net program designing software and Microsoft SQL Server 2000 database software.

Key words：ladle furnace;process control;mathematicalmodel

中圖分類號：TF769

文獻標識碼：A

文章編號：1006-4613（2016）02-0025-05