电弧炉炼钢全过程钢水碳质量分数动态预报模型研究.docVIP

电弧炉炼钢全过程钢水碳质量分数动态预报模型 宋水根，刘花，曾繁林 (新余钢铁集团有限公司，江西 新余 338013) 摘 要：根据电弧炉物料平衡理论与利用BP神经网络的方法，建立了理论模型结合神经网络的电弧炉炼钢全程钢水碳质量分数实时预测模型。通过模型得出冶炼过程中碳质量分数变化曲线，实现对全程钢水碳质量分数的实时监控。在接近冶炼终点时，由于脱碳反应中碳氧积的存在，因此模型对影响终点碳质量分数的因素进行分析，采用BP神经网络方法进行预测，满足了对电弧炉冶炼终点碳质量分数预报准确度的要求关 键 词：终点碳BP神经网络动态理论模型 电弧炉炼钢在钢铁工业中占有重要地位，其生产过程的主要任务是冶炼出成分和温度均合格的钢水。由于在目前技术条件下，钢水成分和温度的检测不能连续进行，且影响因素较多，冶炼过程控制的边界条件变化频繁，这些因素给冶炼过程中钢水成分和温度的准确控制带来了极大的困难。目前中国多数中小电弧炉炼钢的终点控制还处于手动操作状态，工人凭借经验进行操作，具有很大的不确定性在实际生产过程中，由于难以对终点碳温进行准确控制，经常出现多次取样的情况，这样不仅增加了成本，也延长了冶炼时间，给企业带来了极大的经济损失。因而，对转炉炼钢终点进行准确预报，用优化的炼钢工艺参数进行控制是合理组织生产、提高钢水质量和降低冶炼成本的重要前提[1-3]。因此提出了运用理论模型与神经网络相结合的方法来解决电弧炉炼钢终点碳预测问题。冶炼过程中运用理论模型预测，实现碳质量分数的监控。冶炼终点时，由于有大量的化验数据进行学习，建立起BP神经网络进行动态学习，提高了冶炼终点时碳质量分数预测的精度[4-7]。 1 理论模型 终点碳预测的理论模型是建立在炼钢过程物料平衡的基础之上，通过对碳氧反应的研究，得出冶炼过程中钢水碳质量分数实时变化情况1.1 初始碳质量分数计算 现如今由于废钢紧缺与电价过高，电弧炉冶炼兑入高比例的铁水，大量铁水的兑入使得电弧炉冶炼初始熔池的碳质量分数增加，因此为了准确预测冶炼过程钢水中的碳质量分数，必须根据入炉原料，进行精确初始碳质量分数计算。熔池的初始碳质量分数计算如式(1)～(3)所示 式中：C0为冶炼初始钢水中的碳质量，kgC%为冶炼初始钢水中的碳质量分数，%G0为初始钢水总质量，kgCi为第i种金属料质量，kgMi为第i种金属料中碳元素质量分数，%1.2 氧气与熔池中碳等元素反应公式 电弧炉冶炼过程中喷吹的氧气与熔池中的碳元素反应主要生成CO，同时也有一部分的CO进行了二次燃烧生成了CO2[O]+[C]=CO(g)(4) [O]+[CO]=CO2(g) (5) 根据冶炼过程中的碳氧反应，其中生成的CO比例为fCO，钢水中Si、Mn等其他元素消耗的氧气元素消耗氧气量，kmolkO2为氧气修正参数fCO为碳氧反应生成CO的比例将碳元素总质量分数转换为钢水中碳元素百分比，如式(7)所示： 式中：Cf为冶炼中预测碳元素质量分数，%GΔ为冶炼过程中钢水质量的变化，kg模型在根据入炉原料情况下，同时实时采集氧气消耗量，根据式(7)实现对冶炼过程中钢水碳质量分数的监控与预测1.3 理论模型中的氧气修正参数进行动态修正 由于式(7)中氧气的利用率随着不同炉次存在波动性，这样需要对参数kO2进行实时修正，在每个炉次冶炼结束后对其实际氧气利用率进行反向计算，如式(8)所示 式中：Cl为出钢后钢水实际的碳元素质量分数，%根据得到的该炉次的实际氧气利用率与反馈系数f1，得出经过反馈修正后的氧气利用率系数knO2，如式(9)所示： knO2=kO2+f1×(k′O2-kO2) (9) 式中：f1为反馈后氧气修正参数的系数1.4 BP神经网络预报终点碳质量分数 理论模型实现了未到终点过程中碳质量分数的实时 预测，但 是对于接近终点，碳 质量分数低于0.2%时，由于钢水中碳氧积的存在，使得钢中氧含量增加。仅仅考虑碳氧反应中碳元素对氧气的消耗是不全面的，因此，对于这一复杂的情况，本文采用人工神经网络方法中的[8-11]的BP神经网络对过程进行自学习，在此基础上实现其终点预报功能。根据钢水碳元素质量分数与各因素的关系，决定使用集成式BP神经网络技术建立一套新的计算方法[12-14]。BP神经网络结构如图1所示 钢水的终点碳对钢种的质量、冶炼操作等具有 至关重要的作用。钢水的终点碳预报受多种因素的影响，主要取决于供氧操作、金属料加料操作、渣料加料操作等。通过对影响钢水终点碳因素进行分析，剔除不重要的因素，确定以氧枪氧耗、碳氧枪喷吹的氧耗、钢铁料中的铁水质量、钢水质量作为终点碳预报模型的输入变量BP神经网络使用S型激活函数，输入与输出函数如式(10)～(11)所示。 为了神经网络模型的通用性及输入、输出样本的标准化，BP网络要求输入和输出数据均在0～1之间，BP网络在