真空精炼过程的钢水温度预测模型分析

冯旭刚 费业泰 章家岩

1.合肥工业大学,合肥,230009 2.安徽工业大学,马鞍山,243002

真空精炼过程的钢水温度预测模型分析

冯旭刚1,2费业泰1章家岩2

1.合肥工业大学,合肥,230009 2.安徽工业大学,马鞍山,243002

通过分析RH-M FB精炼过程中钢水温度和钢水传热规律,基于人工神经网络、模糊逻辑建模方法,建立了针对RH-M FB精炼复杂过程的温度预测模型。通过对比15炉300t钢水温度应用模型计算值与实际测量值,结果发现最大温差为7.2℃,最小温差为0.3℃,平均温差为4.52℃,两者误差在±5℃内的数据占到82.7%。另外根据实际要求,在RH-MFB精炼过程中通过添加铝、冷却材料实现对钢水温度的补偿。

RH-MFB;钢水温度;温度补偿;钢水

0 引言

RH真空精炼(钢水真空循环脱气)是一种钢水吸入式循环处理的真空精炼技术,它具有脱碳、脱氧、脱硫以及进行成分控制和温度调整等项冶金功能,因此在改善钢水质量、降低成本方面具有显著优点,特别适用于大批量钢水的快速精炼,可满足转炉及连铸工艺的快节奏生产要求。目前,RH精炼技术和工艺已在国内外冶金行业得到了广泛应用。

在RH精炼过程中,存在着钢水温度损失的问题,造成温度损失的因素很多,包括真空室及浸渍管预热温度、处理时间、吹氧、铝及合金加入量、废气排温等。从温度实时推定的数学模型方面去确定钢水温度变化规律是比较困难的,为此,本文采取实验数据与人工神经网络和模糊逻辑建模相结合的方法,来预测钢水温度变化的规律。

1 温度预测模型的构建

RH温度预测模型是基于精炼处理的内在原理,根据钢水状态、成分信息、测温信息,在处理开始时预报钢水温度随处理时间的变化趋势,并且在有合金投入、实际吹氧量信息时,实时预报钢水温度变化的模型[1]。

RH温度预测模型是在人工智能技术与冶金学机理基础上建立起来的,由冶金机理模型、人工智能模型、信息管理模型等若干子模型构成。其中,冶金机理模型和信息管理模型均为比较简单的初等数学模型,RH精炼过程中复杂的非线性因素都归结到人工智能模型中。以某钢厂RH-MFB精炼炉为研究对象,其主要工艺参数如表1所示。本文采用RBF人工神经网络以及模糊逻辑建模方法,来建立针对RH精炼复杂过程的模型,并利用开发软件对RH温度预测模型进行反复的实际调试实验,最终为RH温度人工智能模型[2]编写软件包,建立了实用型的人工智能预测模型。

模型算法描述如下:假定钢水的温度随时间的变化函数为 f(t),则

表1 某钢厂RH-MFB精炼设备主要工艺参数

式中,TNATURAL(t)为自然温降;TALLOY为加入的合金对钢水温度的影响;TMFB为吹氧对钢水温度的影响;T LADLEB(t)为钢包状态及包底冷钢的温度补正量;TVESSELB(t)为真空室状态的温度补正量(若真空室状态比较稳定,此项可忽略,若真空室状态变化较大,应根据实际情况设定补正量);TELSE(t)为其他因素对钢水温度的影响;TSELF为温度模型中自适应量,根据模型的使用情况作出相应处理。

1.1 钢包状态

按照上一炉浇注结束至本炉出钢开始时间的长短 ,将钢包状态分成 8 级(1、2、3、4、5、6、7 、8),包底冷钢状态分 6级(A 、B、C、D、E、F),钢包状态根据时间判定,但代表的仅是一个时间范围,不甚准确,而包底冷钢完全靠人工判断,受操作者个人经验影响较多。当钢包状态大于3或包内冷钢状态高于C时,钢包对处理过程的温降影响很难预测,模型仅作参考。

RH处理开始2m in后,钢包内钢水开始循环流动,第3min环流比较明显,因此包底冷钢对处理过程温降的影响应从第3min计算,直至循环均匀。假定循环均匀需要 3min,则其对温降的影响为

式中,T(t)为t时刻钢水的温度,如T(3)是开始后第3min时钢水的温度;TBi(i=1,2)为温度补正量。

RH处理时,钢水已在钢包中停留了较长一段时间,可以认为RH处理过程中,钢包的吸热比较平稳。总的来说,钢包状态比较好时,对处理过程中温降影响较小。假定钢包吸热主要发生在前8m in内,则补正公式[3]为

式中,T(0)为处理开始时的钢水温度。

1.2 真空室状态

对于真空室壁面传热情况,假设真空室壁面为绝热边界,通过真空室熔池上方四周壁面向外传递的热量主要由废气提供,而废气本身带走的热量比较小,而且真空室熔池高度和浸渍管表面积都不大,故其热量损失不大,这两部分热量损失在总热量损失中所占比例不大,另外又很难准确测定,因此可由操作人员依据经验设定真空室温度补正[4-5]。

根据经验和研究发现,真空室内壁初始温度对RH精炼过程中钢水温降速度的影响较大。统计50炉数据,真空槽初始温度在1092～1253℃之间的有48炉,占总炉数的95.2%,初始温度在1124～1221℃之间的有 37炉,占总炉数的73.8%。经过统计发现,真空槽的初始温度在1092～1253℃之间时,钢水前10min的温降最多相差3.22℃,真空槽的初始温度在1124～1221℃之间时,钢水前10min的温降最多相差1.94℃。假如自然温降曲线是建立在真空槽初始温度出现频率最高的(1173±16)℃基础上,则钢水前10min的温降相差最多分别为1.61℃和0.82℃。因此在上面的温度范围内,可以不考虑真空槽初始温度对钢水的影响,超出该范围,模型不作预报,或者仅作参考。

在处理前期,由于耐火材料吸热及真空室内外表面辐射,使得钢水温度迅速下降。真空室内壁初始温度 T0对钢包内钢水温度下降速度)影响的经验关系式为[6]

1.3 合金

在冶炼合金时,必须考虑加入合金降低钢水温度的作用。投入合金时,应根据其投入时钢水的状态来判断加入的合金是作为脱氧剂还是成分元素或者两者兼有,然后计算合金的加入对钢水温度的影响。

钢包中的钢水在真空槽中要循环两次,钢水的成分和温度才算均匀。虽然合金的加入可以看成是瞬间的,但所加合金对钢水温度的影响要在其加入后2～4m in内才能体现出来。全部钢水在真空槽中循环一次所需的时间为

经实验统计,RH循环均匀约需3min,为此,将加入的合金对温度的影响平均分配到加入合金后的3min时间里,其计算公式为[7]

式中,t0为加入合金的时刻;T(t0)为t0时刻钢水的温度;T(t)为 t时刻钢水的温度;ΔTALLOY为加入合金对钢水温度的影响。

若一次加入合金大于3t,则将加入的合金对钢水温度的影响平均分配到加入合金后的4min时间里,计算公式同上。合金进入钢水,钢水的总质量增加,因此应将合金的质量考虑在内。当碳粉作为脱氧剂加入到钢水中时,因生成的脱氧产物为气体,故不应考虑碳粉的质量。

特殊合金主要有铝、硅铁和碳粉,其温降系数如表2、表3所示。

表2 脱氧及合金化特殊合金的温降系数

表3 合金化特殊合金的温降系数

表中m A l、m FeSi、m C-PW分别为加入的铝、硅铁和碳粉的质量,w(O)为脱去的游离氧的质量分数。

w(O)等于投入合金前钢水中游离氧的质量分数与投入合金2min后钢水中游离氧质量分数之差。假如投入合金后钢水中的游离氧没有测,则可按下列方法计算w(O):首先确认投入合金前钢水中游离氧值的质量分数值(游离氧的质量分数应大于50×10-6);然后根据投入的合金类型和数量计算w(O)。脱去吨钢中质量分数为100×10-6的游离氧需要的各种合金数量为:铝0.1125/ηAl kg;硅 铁 0.1/CSi/ηSi kg;碳 粉0.075/ηC-PW kg。ηAl、ηSi和 ηC-PW分别为铝、硅和碳粉的收得率 ,取ηAl=0.816,ηSi=1,ηC-PW=1 。CSi为硅铁中硅的含量。

1.4 川崎顶吹氧(kaw asaki top blow ing(oxygen),KTB)

RH处理过程中,吹氧主要为了脱碳和升温[8]。对于已脱氧的钢,KTB主要用来升温。对于未脱氧的超低碳钢,处理前期的KTB主要用来提供脱碳所需要的氧和促进脱碳反应的进行,处理后期的KTB主要用来升温,脱碳和升温并不能严格地区分,因为许多时候,脱碳和升温同时在进行着,只能说某一方面的作用占主导地位。

1.4.1 已脱氧钢的KTB

生产实践表明,100m3(标准状态)(标准状态指101.325kPa,20℃)的氧气可以与140kg A l反应,由此可推算出吹入的氧气的利用率为79.8%,吹入1m3(标准状态)的氧气可使每吨钢水的温度上升51.9℃。

1.4.2 未脱氧钢的KTB

KTB脱碳与未KTB脱碳时钢水中脱碳反应热效应相同,因此可以不考虑KTB对脱碳的影响,仅考虑吹入的氧部分溶入钢水中所产生的热量对钢水温度的影响,并计算钢水中的游离氧的增加量。从生产数据的统计中得出,吹入1m3(标准状态)的氧气可使每吨钢水中增加质量分数为728.8×10-6的游离氧,使每吨钢水的温度上升5.3℃。

1.4.3 KTB脱碳时钢水温度的计算

RH实际处理时,特别是KTB量较多时,随着KTB脱碳的进行,钢水的温度逐渐上升,钢水温度调整的经验公式为

式中,t0为KTB脱碳开始时刻;T(t0)为t0时刻钢水的温度;qV(t-t0)为t0至 t时刻的吹氧量;ΔTm3(N)为每标准立方米氧气对钢水温度的影响。

1.5 自然降温

自然温降T NATURAL(t)可以按如下办法获得:对实验数据建立自然温降子模型,通过软件包可以生成模型用的人工智能算法的子程序及相关系数,所生成的子程序与其他函数式一起用于温度叠加计算。

温度模型自然温降子模型采用三层BP神经网络结构,工程中应用最多的神经网络类型为BP型神经网络,激励函数采用对数S型传递函数。

温降神经网络模型的3项输入为处理时间、输出温度、钢水质量。本文的上述3项输入数据是从现场系统中提取的实时测量数据,将提取的数据样本分成两部分,一部分作为训练数据样本,另一部分作为测试数据样本。仿真研究中采用了线性函数转换的方法进行归一化处理。将归一化后的训练样本代入RBF神经网络模型中进行训练,训练均方差的目标值设为0.001。

2 计算结果分析

选取某钢厂150t RH-MFB精炼炉15炉精炼数据对模型进行验证分析。图1所示为在真空脱碳终点处采用RH温度预报模型仿真与实测的钢水温度的比较曲线。对精炼结束钢水温度仿真值与实际测量值之间的差值数据进行分析发现,最小差值为0.3℃,最大差值为7.2℃,平均误差为4.52℃,在±5℃范围内的差值占总误差值的比例为82.7%。

图1 精炼处理结束时的钢水温度计算值与实际测量值

根据经验和研究发现,真空室初始温度状态对RH精炼过程中钢水温降的影响较大。一般真空室内壁温度每升高100℃,钢水温升平均为5～6℃,如图2所示。为了满足实际连铸过程对钢水温度的要求,在RH精炼过程中,若钢水温降较大时,就需要对钢水进行温度补偿。通过对某钢厂300t钢包加A l工艺的监测发现,每加入100kg的A l,可以补偿精炼处理过程中约7.5℃的温降损失,对应关系如图3所示。在不吹氧的条件下,钢水精炼前期,温降较大,前 20min温降大概在25～30℃范围内变化。在精炼后期,通过吹氧,钢水温度的补偿可达到约5℃。吹氧升温,氧的收集率为63%～74%,吹氧量与钢水升温关系如图4所示。在RH精炼初期,钢水温度较高时,需要加入一定的冷却材料,如废钢,使钢水温度符合要求,对于某钢厂300t的钢包,每吨冷却材料的降温效果约为7℃,如图5所示。

图2 真空室内壁初始温度θ0对钢水温降的影响

图3 Al加入量对钢水温度的影响

图4 氧吹入量对钢水温度的影响

图5 添加冷却材料对钢水温度的影响

3 结语

在RH处理过程中,针对存在真空室及浸渍管预热温度、处理时间、吹氧、铝及合金加入量、气体吹入量、废气排温等因素影响钢水温度的损失,本文采用RH温度实时推定模型编制的计算机软件实现RH-MFB精炼过程中钢水温度的预测,根据RH处理过程中的测温数据,结合调节温度的实际合金投入量、吹氧量和操作人员设定的数据,实时预报钢水温度变化情况;操作人员根据温度预报值,有针对性地对处理过程进行控制,提高处理终了温度的命中率。通过模型计算值与实际测量值的比较和统计发现,两者在±5℃范围内的误差值数量占总误差值数量的82.7%。另外,本文模型可用于RH-MFB精炼过程中添加铝、冷却材料时对钢水温度的补偿情况分析。

该温度模型可以实时观察吹氧对钢水温度的影响,考虑了处理超低碳钢时的钢水→脱氧钢→未脱氧钢→脱氧的多状态转变的特殊要求,故在钢水状态多次变化时,仍能较准确地计算钢水的温度。

[1] 刘浏,杨强,张春霞.RH精炼钢水温度预报模型[J].钢铁研究学报,2000,12(2):15-19.

[2] 韩传基,刘青,吴凯,等.RH-MFB精炼过程中钢水温度预测模型[J].北京科技大学学报,2006,28(3):248-252.

[3] W ang Jianjun,Guo Shangxing,Zhou Li,et al.Slag for Decopperization and Sulphur Contro l in Mo lten Steel[J].Journal of Iron and Steel Research,2009,16(2):17-21.

[4] 韩海鹰,陈义胜,张胤,等.RH真空处理过程中钢水温降的研究[J].钢铁研究,2007,4(7):28-32.

[5] 李玉宽,赫冀成.铁锰合金颗粒在底吹钢包内的运动分析[J].钢铁研究学报,1997,9(10):1-6.

[6] Park Y J,Cho H S.A Fuzzy Logic Contro ller for the Molten Steel Level Contro l of Strip Casting Processes[J].Corrosion Science,2010,52(7):2397-2402.

[7] Das A,Maiti J,Banerjee R N.Process Control Strategies for a Steel Making Furnace Using ANN with Bayesian Regu larization and ANFIS[J].Expert Systemsw ith Applications,2010,37(2):1075-1085.

[8] 佩尔克 R D.氧气顶吹转炉炼钢(下)[M].邵象华,楼盛赫,译.北京:冶金工业出版社,1982.

Prediction and Analysisof Molten Steel Temperature for Refining Process

Feng Xugang1,2Fei Yetai1Zhang Jiayan2
1.Hefei University of Technology,Hefei,230009 2.Anhui University of Technology,Ma'anshan,Anhui,243002

Heat transfer and temperature variation rulesofmolten steel during RH-M FB refining p rocess were developed.And a model for forecasting temperature ofm olten steel w as estab lished to simu late the actual p rocess by using BP neural network and fuzzy algorithm.The forecasting resu lts of temperature of 15 heats mo lten steel in 300t ladle RH-M FB refining show that temperature maxim um error of molten steel at decarburization end-point of RH process is 7.2℃,a m inim um 0.3℃,average error of 4.52℃and w ithin ±5℃by 82.7%.A lso,according to the actual situation,temperature compensation was achieved by adding alum inum or coolingmaterials.

RH-MFB(relative hum idity multi-function burner);molten steel temperature;temperature compensation;molten steel

TP273

1004—132X(2011)12—1450—04

2010—08—10

安徽省自然科学基金资助项目(KJ2009A 132)

(编辑 何成根)

冯旭刚,男,1977年生。合肥工业大学仪器科学与光电工程学院博士研究生,安徽工业大学电气信息学院讲师。主要研究方向为智能检测技术及其应用。费业泰,男,1934年生。合肥工业大学仪器科学与光电工程学院教授、博士研究生导师。章家岩,男,1964年生。安徽工业大学电气信息学院教授。