- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
LF精炼炉输入输出数学模型
A 合金模型
合金模型以实现目标产品性能为控制目标,以合金补加成本最低为原则进行计算。
决策变量:
且
目标函数:以合金补加结果成本为目标函数,即
约束条件:补加合金后钢水中元素含量应满足工艺规程要求,即
式中:
——i合金加入量,t;
——i合金单价,万元/t;
——工艺流程k元素下限,%;
——工艺流程k元素上限,%;
——加合金前钢水中k元素含量,%;
——i合金中k元素的含量,%;
——k元素的收得率,%;
W——钢水重量,t。
B 熔剂模型
熔剂模型主要根据钢水原始硫含量和出钢目标硫含量以及工艺配渣规程来确定配渣量,硫含量计算
式中
——硫含量;
——光学碱度;
——钢水温度,K。
计算平均渣量
——平衡后渣中硫含量,%;
——初始渣中硫含量,%;
——初始钢水琉含量,%;
——精炼终点目标钢水琉含量,%;
——钢水量,t。
实际渣量计算
式中
——大于1的常数,可根据工艺要求选择。
配渣计算可根据上述渣量要求,选定的渣的光学碱度等即可计算配渣中,,等量。
C搅拌模型
混匀时间为
H——熔池的深度;
p——溶池上部压力;
T——钢水温度;
——氨气搅拌强度;
W——钢水重量;
,——分别为搅拌员气的流量和温度
K,k——系数;
r——常数。
根据工艺设定的混匀时间计算搅拌强度,即可求出底吹气体流量。
D 温度模型
温度模型主要根据投入的电量、合金料及渣料加入量,并考虑炉气带走的热量及辐射热损失,进行温度预测。反之,根据目标温度、设定的搅拌气制度、合金料和渣料的加入量,可以计算精炼升温需要投入的电量,并依次确定供电制度。
基本方程t时刻钢水温度为
式中
——t时刻钢水预报温度;
——时刻钢水测量温度或预报温度;
——钢水与渣总量;
——i合金加入量:
——j造渣加入量;
a——电量投入对钢水温度换算系数;
b——气体搅拌引起的钢水温度变动系数
c——辐射散热引起的钢水变动系数;
——到t时刻投入的总电量;
——到t时刻吹入搅拌气体总量;
——辐射系数;
——i合金对钢水温度的变动系数:
——j造渣剂对钢水温度的变动系数。
E 脱硫模型
由溶剂模型确定的配渣计算渣的光学碱度,并根据渣、钢水中原始硫含量计算精炼终点脱硫量及预报终点硫含量,具体的模型和算法与熔剂模型相似。
F 脱气模型
LF钢包炉真空脱气处理,脱氢、脱氮是主要任务之一。以脱氢为例,主要模型方程如下。t时刻,钢水中的氢浓度为
式中
——t时刻钢水中氢含量;
——初始钢水中氢含量;
——与气相平衡的钢水中氢含量;
F——气、液界面积,;
V——钢水体积,;
——钢水中氢的传质系数,cm/s;
K——氢在钢水中溶解平衡常数;
——氢的分压,;
t——脱气时间。
G 钢水成分预报模型
钢包加入合金后钢水成分预报基本方程如下
式中
——加合金前钢水中k元素的含量,%;
——加合金后钢水中A元素的含量,%;
——加合金前钢水重量,t;
——i合金加入星,t3;
——i合金中k元素的含量,%;
——k元素的收得率。
H 渣成分预报模型
渣成分预报计算可根据配渣碱度设定值、配渣量及电炉(或转妒)出钢下渣量,近似计算渣的组成,具体的算法参见前述的配渣计算方法。
I 温度预报模型
温度预报计算,参见前述的温度模型,其计算方法基本相同。
% 多元回归分析
% 输入各种因变量数据
x1=[5.5 2.5 8 3 3 2.9 8 9 4 6.5 5.5 5 6 5 3.5 8 6 4 7.5 7];
x2=[31 55 67 50 38 71 30 56 42 73 60 44 50 39 55 70 40 50 62 59];
x3=[10 8 12 7 8 12 12 5 8 5 11 12 6 10 10 6 11 11 9 9];
x4=[8 6 9 16 15 17 8 10 4 16 7 12 6 4 4 14 6 8 13 11];
%输入自变量数据
y=[79.3 200.1 163.1 200.1 146.0 177.7 30.9 291.9 160 339.4 159.6 86.3 237.5 107.2 155 201.4 100.2 135.8 223.3 195];
X=[ones(size(x1)),x1,x2,x3,x4];
[b,bint,r,rint,stats]=regress(y,X)%回归分析
文档评论(0)