vd炉钢液温度在线预报模型的开发钢铁冶金专业论文.docxVIP

东北大学博士学位论文 东北大学博士学位论文 摘要 VD炉钢液温度在线预报模型的开发 摘 要 目前，国内大部分企业为了保证连铸机的正常运转和多炉连浇，大都采用高 温出钢法。这不仅易造成拉漏、溢钢等事故，而且会增加炼钢炉的热负荷，降低 炉龄，增加成本。研究如何建立合理的温度制度、精确控制钢液温度，是一个迫 切需要解决的课题。 本课题结合上海宝山钢铁公司150t．UHP．DC．EAF—LF—VD一六流圆(方) 坯连铸生产线，研究了LF至VD阶段钢水温度变化规律，应用人工神经网络技 术建立了VD炉钢水温度在线预报系统，这方面的研究，在国内尚属首次。 课题应用ORACLE7．3数据库管理系统建立了大型数据库，并实现了与宝钢 电炉分厂L2级服务器实时通讯，在此基础上，以C++Builder 5．0语言编制界面， 以TC 2．0语言编制神经网络程序，建立了功能完备、具有友好人机交互界面的系 统软件，软件具有数据编辑、数据查询、数据输出、在线温度预报、训练神经网 络模型等功能。 (建立神经网络程序过程中，深入考察了影响VD开盖后钢水温度的因素，着 重考察了钢包的影响。并应用模式识别方法，对所有影响因素进行特征分析与筛 选，发现VD过程吹氩量、VD罐冷却时间和VD罐上炉使用时间这三个因素对 开盖后钢水温度的影响很小，从降低维数、减少模型运算量方面考虑，在模型中 没有考虑这三个变量，最后确定作为神经网络输入变量的因素有：出钢量、钢包 上炉冷却时间、钢包上炉浸泡时间、钢包本炉冷却时间、钢包本炉浸泡时间、VD 初始测温时刻至VD开始高真空时刻、VD高真空保持时间、VD开盖至开盖测温 时刻、液相线温度以及过热度等因素。 在此基础上建立了一个三层BP神经网络模型，模型可以预测自VD开始抽 真空至VD开盖这一阶段的钢水温度降低幅度。用2000年7月至2001年5月共 2434炉生产数据训练网络，得到比较好的网络参数为：隐含层节点个数6、输入 层一隐含层学习系数(H1)0．4、隐含层一输出层学习系数(H2)0．35、动量项(A) 0．7、Sigmoid函数的系数(HT)O．5。用2001年6、7两个月共494炉生产数据检 验模型(以VD开盖后第一次所测温度为准)，预报误差在±5℃之内的炉次占总 炉数的82．6％，±6℃之内的炉次占91．1％。 模型对2001年9月12日至18日连续76炉生产过程数据进行了在线预报， ．II． 东北大学博士学位论文 东北大学博士学位论文 摘要 预报误差在±5℃与±6℃之内的炉次分别占80．3％与89．5％。预报误差在±8℃之 外的炉次仅占5-3％。 取2001年六、七两个月的494炉数据的平均值，分别变动出钢量、钢包上炉 冷却时间、钢包上炉浸泡时间、钢包冷却时间、钢包本炉浸泡时间、VD初始测 温至开始高真空时间、高真空保持时间、VD开盖到测温时间、液相线温度、钢 水过热度、VD罐冷却时间中的一个变量(变动范围：实际生产数据的最大值和 最小值之间)而固定其他值作为神经网络的输入，来考察各个输入变量对终点温 度的影响得出： 同样的热交换条件下，随着电炉出钢量增加，钢水的温降减小。在上海宝钢 实际生产中，电炉出钢量波动在110t～190t之间，相应的，VD开盖钢水温度有 11℃左右的波动。 随着钢包上炉冷却时间增加，VD开盖钢水温度呈下降趋势。当钢包上炉冷 却时间从1h增加到30h，VD开盖钢水温度下降2．5 6C左右。相比之下，钢包本炉 冷却时间对终点温度的影响远大于上炉冷却时间的影响，当钢包冷却时间从0．5h 增加到12h，VD开盖钢水温度下降10℃左右。 随着钢包上炉浸泡时间增加，VD开盖钢水温度呈上升趋势。当钢包上炉浸 泡时间从O．5h增加到12h，VD开盖钢水温度上升6C左右。平均温升0．5C／h左 右。钢包本炉浸泡时间(主要是从电炉出钢时刻至VD初始测温时刻)对VD开 盖钢水温度有相同趋势但影响更大，当本炉浸泡时间从0．5h增加到10h，VD开 盖钢水温度上升17℃左右。平均温升1．7℃／h。 VD初始测温之后的每一过程，随过程时间延长，过程的温降增加，其中VD 初始测温至开始高真空时间这一过程的温降大约在O．7C／min，高真空保持过程的 温降大约在o．8。C／min，如果假定VD开盖到测温时间在5min之内不进j亍测温、 定氧外的其他操作，则此5min内的温降大约为1。C／min左右。 1／‘y } 关键词：V端包温度预报神经网络模式识别 。数善；易 ．．III．． 东北大学博士学位论文 东北大学博士学位论文 Abstract