支持向量机脱磷效率与炉渣碱度测试模型研究

邱 东，符营营，张 楠，赵晨旭

（长春工业大学电气与电子工程学院，吉林 长春 130012）

支持向量机脱磷效率与炉渣碱度测试模型研究

邱 东，符营营，张 楠，赵晨旭

（长春工业大学电气与电子工程学院，吉林 长春 130012）

炉渣碱度是影响冶炼产品质量和能源消耗的重要因素，适宜的炉渣碱度可以快速有效地去除钢液中硫、磷等杂质，同时减少炉衬侵蚀程度。通过对AOD炉冶炼中低碳铬铁过程中脱磷阶段的热力学分析，研究脱磷效率的影响因素，运用支持向量机建立炉渣碱度和脱磷效率之间的测试模型。仿真实验表明：相对误差在5%以内，为提高AOD炉的脱磷效率、解决生产中出现的含磷量高的问题提供了理论依据。

炉渣碱度；脱磷；支持向量机；测试模型

0 引 言

在采用氩氧精炼（argon oxygen decarburization，AOD）法冶炼中低碳铬铁的过程中，炉渣碱度是影响产品质量和能源消耗的重要因素。适宜的炉渣碱度可以快速有效地去除钢液中硫、磷等杂质，同时也可以减少炉衬侵蚀程度，降低耐火材料的消耗。然而，由于冶炼铁合金是一个非常复杂的多元多相高温状态下进行的非线性的物理化学反应过程，存在很多不确定的因素，难以获得炉渣碱度准确连续的检测信息，即使有一些间接的检测方法，其精度达不到令人满意的程度，给炉渣碱度的测量和控制带来很大困难[1]。

磷在大多数钢铁产品中是有害杂质，需在冶炼时尽可能地去除掉。钢中允许的含磷一般为0.02%～0.05%，当高于此含量时，会使钢的塑性和韧性降低，即出现钢的脆性现象，低温时更加严重，通常称之为冷脆性。一般普通钢中要求w（P）＜0.045%，优质钢中要求w（P）＜0.03%，高级优质钢中要求磷低于0.025%，中低碳铬铁合金中含磷量不大于0.06%。因此，脱磷是冶炼钢铁过程中的基本任务之一，对铁合

金的品质起到重要的作用。在冶炼过程中，磷在AOD炉内既可以氧化，又可以还原，出炉后还会发生回磷现象，是一个异常多变的元素。脱磷效率用渣-钢磷容分配比表示。为确保冶炼时取得较高的脱磷效率，需要在冶炼过程中设定合适的冶炼参数。

1 脱磷过程机理分析

AOD法是利用氩气和氧气对钢液进行吹炼，一般多是以混合气体的形式从炉底侧面向熔池中吹入的。从AOD炉底部吹入一定比例氩气和氧气的混合气体，对熔池起到了强烈的搅拌作用，促进了物质和能量的传递，为冶炼动力学提供良好的条件。在吹炼的过程中，1 moL氧气与钢中的碳反应生产2moL的一氧化碳，但1moL氩气通过熔池后没有参与反应，仍然作为1moL气体逸出。由于一氧化碳被氩气稀释，从而分压力降低，这样就大大有利于冶炼不锈钢时的脱碳保铬。AOD炉底部吹入氧气，可使熔池中的磷、硫等有害杂质尽可能多地参与反应，从而提高不锈钢钢液的纯净度，提高不锈钢的品质。

AOD炉冶炼中低碳铬铁的过程是先由电炉生产得到高碳铬铁，经灌渣等操作后转入AOD炉中，然后在AOD炉中进行脱碳保铬操作，得到中碳铬铁，最后对中碳铬铁进一步脱碳，得到低碳铬铁。在冶炼初期，造渣是一项很重要的任务。造渣主要是向AOD炉内加入石灰石和萤石等渣料，并尽快形成一定碱度、一定流动性的炉渣,这样不仅有利于脱去磷硫等杂质，而且保护碱性炉衬免受炉渣中酸性物质的冲蚀，将炉衬侵蚀程度尽可能降低。

AOD炉内的脱磷反应发生在渣-金界面，在吹氧前期发生氧化反应，反应式如下：

由式（1）、式（2）得出：

在金属与炉渣平衡的情况下：

由式（4）进行热力学分析可得出促进脱磷的热力学条件有：

（1）加入铁矿石、铁皮等固体氧化物或者用高枪位向熔池中吹入氧气来增加FeO的浓度。

（2）加入石灰和萤石等加速石灰在渣中溶解的物质以增大CaO的活度。

（3）采用放渣和造新渣的方法来减少a（4CaO· P2O5）。

（4）保持适当低温条件。

图1为AOD转炉在吹炼过程中w[P]含量变化情况，可以看出，P在吹炼前期迅速的被氧化，进入吹炼中期略有回升，而到吹炼后期再度降低。

图1 吹炼过程中w[P]含量的变化

2 影响脱磷效率因素分析

2.1 炉渣碱度对脱磷能力影响的理论分析

炉渣碱度是影响脱磷效率的主要原因，但炉渣碱度与脱磷效率之间并不是简单的线性关系。只有将炉渣碱度控制在适宜的范围才有利于脱磷反应的进行。提高炉渣碱度，亦即提高CaO的含量，因为CaO具有较强的脱磷能力，4CaO·P2O5在炼钢温度下很稳定,所以可以提高脱磷效率。但过高的炉渣碱度将不利于脱磷。如果CaO加入过多，炉渣熔点增大，CaO颗粒不能完全熔入炉渣，则导致炉渣的流动性减弱，黏度增强，从而影响在钢液与炉渣间的脱磷反应，降低脱磷效率[2]。另一方面，炉渣碱度与a（FeO）也有关系,炉渣碱度过高会降低FeO的活度，从而降低脱磷效果。

2.2 CaO对脱磷效率影响的理论分析

CaO是w[P]降低的主要因素，4CaO·P2O5比较稳定，能将钢液中的P有效的去除掉，所以增加熔渣中CaO的含量使其达到饱和，即增大自由CaO的浓度，会使渣中w（P2O5）提高或钢中[P]降低。但是渣中w（CaO）过高将使炉渣变稠,是炉渣的流动性变差，从动力学角度来看，并不利于脱磷反应的发生，因此，渣中w（CaO）不宜过高[3]。

2.3 w（FeO）对脱磷能力影响的理论分析

FeO对脱磷反应的影响主要体现在3个方面：

（1）FeO作为磷的氧化剂起到氧化磷的作用。

（2）FeO·P2O5结合成3FeO·P2O5的基础化合物，但此化合物不稳定，只有生成稳定的4CaO·P2O5才能达到脱磷的目的。

（3）能够促进石灰在炉渣中溶解，是良好的石灰助溶剂。但如果FeO含量过高，相当于稀释CaO，降低CaO的浓度，将不利于脱磷[4]。

2.4 温度对脱磷能力影响的理论分析

温度对脱磷反应的影响有两个方面：（1）脱磷是放热反应，高温不利于脱磷；（2）熔池温度提高，石灰加速熔化，熔渣碱度提高，从而提高磷在炉渣和钢水中的分配比，提高了脱磷效率，高温能提高渣的流动性，加强渣-钢界面反应，提高脱磷速度，所以温度过低也不利于去磷[5-6]。图2所示为熔池温度与脱磷效率之间的关系。

图2 熔池温度与脱磷效率之间的关系

3 支持向量机模型的建立

由于脱磷效果与炉渣碱度之间存在明显的非线性关系，因此采用一般的线性理论很难建立起关系模型，同时由于生产工艺及生产条件的限制，在实际生产过程中频繁抽样测取各种参数是较困难的，因而生产数据非常有限，属于小样本问题。统计学习理论（statistic learning theory，SLT）是一种专门研究小样本情况下机器学习规律的基本理论和数学构架，也是小样本统计估计和预测学习的最佳理论。支持向量机是基于统计学理论的一种机器学习方法。支持向量回归[7-9]的基本思想是通过一个非线性映射将数据映射到高维特征空间，并在这个空间进行线性回归。此模型是在分类模型的基础上引进一个修正距离的损失函数，常用的损失函数有二次函数、Huber函数、Laplace函数和ε损失函数。因为ε损失函数可以确保对偶变量的稀疏性，同时确保全局最小解的存在和可靠泛化界的优化，故本文采用支持向量机来建立脱磷能力和炉渣碱度之间的测试模型[10-12]。

将从生产现场得到的炉渣碱度、w（FeO）、温度、w（CaO）作为xi，脱磷效率和w[P]作为yi，i=1，2，…，n，回归的目标就是求下列回归函数：

式中：＜w·x＞——w和x的内积。

求解以下优化问题：

其中，C为惩罚因子，是预先给定的，用于控制模型复杂度和逼近误差的折中，C越大则对数据的拟合程度越高。ε用于控制回归逼近误差管道的大小，从而控制支持向量的个数和泛化能力，其值越大，则支持向量越少，但精度会越低。将上述优化问题转化为其相应的对偶问题，同时引进核方法则转化为求解如下约束问题的最大值，解得

出于稳定性考虑，b的求解采用支持向量的平均值，其中：

则所求的脱磷效率与炉渣碱度的测试模型为

4 仿真分析

本文选取中钢集团吉林铁合金股份有限公司辽阳公司2012年10月5吨AOD炉中低碳铬铁生产数据（见表1）。

输入变量为炉渣碱度、w（FeO）、温度、w（CaO）作为xi，输出变量为脱磷效率和w[P]。炉渣碱度为炉渣中CaO与SiO2的比值。现场数据进行归一化处理，获得支持向量网络建模样本数据。构建网络模型,如图3所示。

图3 网络模型图

采用交叉检验的方法确定模型参数，得到较优的参数：惩罚因子为1000，泛化参数为0.2。

最后得到脱磷效率与炉渣就碱度的测试模型为

表1 中钢吉铁中低碳铬铁生产样本数据

图4 仿真结果

计算机仿真结果如图4所示。

图中红色实线为建模结果曲线，虚线为生产实际值。从仿真结果可以看出，支持向量机模型对脱磷效率和炉渣碱度的关系进行了很好的拟合，相对误差在5%以内。

5 结束语

（1）由仿真结果可知，终点磷含量与终渣碱度存在最佳范围，脱磷率在终渣碱度R=3.5～4.5时，得到最大脱磷率85%。当R继续增大时，脱硫效率没有增加反而略有降低。说明进一步增大碱度不仅成本增加，而且炉渣流动性变差，反而不利于脱磷。

（2）在铁合金冶炼过程中不便频繁地测取生产数据，通过仿真分析可以得出支持向量机对小样本数据问题有很好的泛化能力，相对误差在5%以内。

（3）脱磷只是衡量冶炼生产工艺及产品检验的指标之一，还应全面考虑其他性能如脱碳、脱硫、能耗（终点温度）及产品成本（性价比）等方面的影响,从而全面控制产品质量与生产成本。

[1]曹东，李德刚，廖相，等.造渣制度影响转炉深脱磷实验研究[J].炼钢，2009，25（6）：43-46.

[2]郭云飞.氧气顶吹转炉脱磷影响因素分析及操作工艺的优化[J].南钢科技与管理，2010（4）：14-17.

[3]李闯，郭汉杰，成国光.铁水温度、炉渣碱度和初始硅含量对碳饱和铁水脱锰的影响[J].特殊钢，2009，30（5）：4-6.

[4]陈伟.浅析昆钢转炉终渣∑FeO与碱度及其关系[J].炼钢，2006（5）：8-11.

[5]赖兆奕，谢植.转炉多功能精炼法的脱磷过程控制[J].钢铁，2007，42（11）：34-37.

[6]范丽伟，郭世宝，刘艳，等.转炉冶炼低碳钢脱磷工艺研究[J].河南冶金，2011，19（2）：10-12.

[7]马超，李世平，张进.基于遗传算法支持向量机的虚拟仪器动态补偿[J].中国测试，2010，36（4）：74-76.

[8]Sun H Y，Zhang C M，Ran B.Interval predictionfor traffic time series using local linear predictor[C]∥IEEE Intelligent Transportation Systems Conference.Washington，2004:410-415.

[9]吴逸飞.模式识别原理、方法及应用[M].北京：清华大学出版社，2003.

[10]陈果，周伽.小样本数据的支持向量机回归模型参数及预测区间研究[J].计量学报，2008，29（1）：92-96.

[11]宋强，鲍雅萍，李华.烧结矿碱度预报中的多传感器信息融合技术[J].计算机测量与控制，2008，16（12）：1876-1878.

[12]艾扬利，赵忠芹，杨兵.基于新核函数的支持向量机在物体分类中的应用[J].中国测试技术，2008（1）：80-83.

Research on measurement model of dephosphorization efficiency and slag basicity based on support vector machine

QIU Dong，FU Ying-ying，ZHANG Nan，ZHAO Chen-xu
（Department of Electrical and Electronic Engineering，Changchun University of Technology，Changchun 130012，China）

The slag basicity is one of the important factors affecting the product quality and energy consumption.Appropriate slag basicity can quickly remove impurities such as sulfur and phosphorus in the liquid steel，and also can reduce the furnace lining erosion degree.The measurement model of the slag basicity and the dephosphorization efficiency was established based on thermodynamics analysis on dephosphorization process of the AOD low carbon process and the factors，using support vector machine（SVM），whose relative error was within 5%，which have provided a theoretical basis on improving the dephosphorization efficiency of AOD and solving the problem of high phosphorus content.

slag basicity;dephosphorization;support vector machine;measurement model

TF114.1；TF141+.6；TF703.6；TP391.97

：A

：1674-5124（2014）01-0001-04

10.11857/j.issn.1674-5124.2014.01.001

2013-03-19；

：2013-05-13

吉林省教育厅“十二五”科学技术研究项目（2013-430）

邱 东（1969-），男，吉林长春市人，副教授，博士，研究方向为智能测控技术。