真空精煉過程的鋼水溫度預測模型分析

馮旭剛 費業泰 章家巖

1.合肥工業大學,合肥,230009 2.安徽工業大學,馬鞍山,243002

真空精煉過程的鋼水溫度預測模型分析

馮旭剛1,2費業泰1章家巖2

1.合肥工業大學,合肥,230009 2.安徽工業大學,馬鞍山,243002

通過分析RH-M FB精煉過程中鋼水溫度和鋼水傳熱規律,基于人工神經網絡、模糊邏輯建模方法,建立了針對RH-M FB精煉復雜過程的溫度預測模型。通過對比15爐300t鋼水溫度應用模型計算值與實際測量值,結果發現最大溫差為7.2℃,最小溫差為0.3℃,平均溫差為4.52℃,兩者誤差在±5℃內的數據占到82.7%。另外根據實際要求,在RH-MFB精煉過程中通過添加鋁、冷卻材料實現對鋼水溫度的補償。

RH-MFB;鋼水溫度;溫度補償;鋼水

0 引言

RH真空精煉(鋼水真空循環脫氣)是一種鋼水吸入式循環處理的真空精煉技術,它具有脫碳、脫氧、脫硫以及進行成分控制和溫度調整等項冶金功能,因此在改善鋼水質量、降低成本方面具有顯著優點,特別適用于大批量鋼水的快速精煉,可滿足轉爐及連鑄工藝的快節奏生產要求。目前,RH精煉技術和工藝已在國內外冶金行業得到了廣泛應用。

在RH精煉過程中,存在著鋼水溫度損失的問題,造成溫度損失的因素很多,包括真空室及浸漬管預熱溫度、處理時間、吹氧、鋁及合金加入量、廢氣排溫等。從溫度實時推定的數學模型方面去確定鋼水溫度變化規律是比較困難的,為此,本文采取實驗數據與人工神經網絡和模糊邏輯建模相結合的方法,來預測鋼水溫度變化的規律。

1 溫度預測模型的構建

RH溫度預測模型是基于精煉處理的內在原理,根據鋼水狀態、成分信息、測溫信息,在處理開始時預報鋼水溫度隨處理時間的變化趨勢,并且在有合金投入、實際吹氧量信息時,實時預報鋼水溫度變化的模型[1]。

RH溫度預測模型是在人工智能技術與冶金學機理基礎上建立起來的,由冶金機理模型、人工智能模型、信息管理模型等若干子模型構成。其中,冶金機理模型和信息管理模型均為比較簡單的初等數學模型,RH精煉過程中復雜的非線性因素都歸結到人工智能模型中。以某鋼廠RH-MFB精煉爐為研究對象,其主要工藝參數如表1所示。本文采用RBF人工神經網絡以及模糊邏輯建模方法,來建立針對RH精煉復雜過程的模型,并利用開發軟件對RH溫度預測模型進行反復的實際調試實驗,最終為RH溫度人工智能模型[2]編寫軟件包,建立了實用型的人工智能預測模型。

模型算法描述如下:假定鋼水的溫度隨時間的變化函數為 f(t),則

表1 某鋼廠RH-MFB精煉設備主要工藝參數

式中,TNATURAL(t)為自然溫降;TALLOY為加入的合金對鋼水溫度的影響;TMFB為吹氧對鋼水溫度的影響;T LADLEB(t)為鋼包狀態及包底冷鋼的溫度補正量;TVESSELB(t)為真空室狀態的溫度補正量(若真空室狀態比較穩定,此項可忽略,若真空室狀態變化較大,應根據實際情況設定補正量);TELSE(t)為其他因素對鋼水溫度的影響;TSELF為溫度模型中自適應量,根據模型的使用情況作出相應處理。

1.1 鋼包狀態

按照上一爐澆注結束至本爐出鋼開始時間的長短 ,將鋼包狀態分成 8 級(1、2、3、4、5、6、7 、8),包底冷鋼狀態分 6級(A 、B、C、D、E、F),鋼包狀態根據時間判定,但代表的僅是一個時間范圍,不甚準確,而包底冷鋼完全靠人工判斷,受操作者個人經驗影響較多。當鋼包狀態大于3或包內冷鋼狀態高于C時,鋼包對處理過程的溫降影響很難預測,模型僅作參考。

RH處理開始2m in后,鋼包內鋼水開始循環流動,第3min環流比較明顯,因此包底冷鋼對處理過程溫降的影響應從第3min計算,直至循環均勻。假定循環均勻需要 3min,則其對溫降的影響為

式中,T(t)為t時刻鋼水的溫度,如T(3)是開始后第3min時鋼水的溫度;TBi(i=1,2)為溫度補正量。

RH處理時,鋼水已在鋼包中停留了較長一段時間,可以認為RH處理過程中,鋼包的吸熱比較平穩。總的來說,鋼包狀態比較好時,對處理過程中溫降影響較小。假定鋼包吸熱主要發生在前8m in內,則補正公式[3]為

式中,T(0)為處理開始時的鋼水溫度。

1.2 真空室狀態

對于真空室壁面傳熱情況,假設真空室壁面為絕熱邊界,通過真空室熔池上方四周壁面向外傳遞的熱量主要由廢氣提供,而廢氣本身帶走的熱量比較小,而且真空室熔池高度和浸漬管表面積都不大,故其熱量損失不大,這兩部分熱量損失在總熱量損失中所占比例不大,另外又很難準確測定,因此可由操作人員依據經驗設定真空室溫度補正[4-5]。

根據經驗和研究發現,真空室內壁初始溫度對RH精煉過程中鋼水溫降速度的影響較大。統計50爐數據,真空槽初始溫度在1092～1253℃之間的有48爐,占總爐數的95.2%,初始溫度在1124～1221℃之間的有 37爐,占總爐數的73.8%。經過統計發現,真空槽的初始溫度在1092～1253℃之間時,鋼水前10min的溫降最多相差3.22℃,真空槽的初始溫度在1124～1221℃之間時,鋼水前10min的溫降最多相差1.94℃。假如自然溫降曲線是建立在真空槽初始溫度出現頻率最高的(1173±16)℃基礎上,則鋼水前10min的溫降相差最多分別為1.61℃和0.82℃。因此在上面的溫度范圍內,可以不考慮真空槽初始溫度對鋼水的影響,超出該范圍,模型不作預報,或者僅作參考。

在處理前期,由于耐火材料吸熱及真空室內外表面輻射,使得鋼水溫度迅速下降。真空室內壁初始溫度 T0對鋼包內鋼水溫度下降速度)影響的經驗關系式為[6]

1.3 合金

在冶煉合金時,必須考慮加入合金降低鋼水溫度的作用。投入合金時,應根據其投入時鋼水的狀態來判斷加入的合金是作為脫氧劑還是成分元素或者兩者兼有,然后計算合金的加入對鋼水溫度的影響。

鋼包中的鋼水在真空槽中要循環兩次,鋼水的成分和溫度才算均勻。雖然合金的加入可以看成是瞬間的,但所加合金對鋼水溫度的影響要在其加入后2～4m in內才能體現出來。全部鋼水在真空槽中循環一次所需的時間為

經實驗統計,RH循環均勻約需3min,為此,將加入的合金對溫度的影響平均分配到加入合金后的3min時間里,其計算公式為[7]

式中,t0為加入合金的時刻;T(t0)為t0時刻鋼水的溫度;T(t)為 t時刻鋼水的溫度;ΔTALLOY為加入合金對鋼水溫度的影響。

若一次加入合金大于3t,則將加入的合金對鋼水溫度的影響平均分配到加入合金后的4min時間里,計算公式同上。合金進入鋼水,鋼水的總質量增加,因此應將合金的質量考慮在內。當碳粉作為脫氧劑加入到鋼水中時,因生成的脫氧產物為氣體,故不應考慮碳粉的質量。

特殊合金主要有鋁、硅鐵和碳粉,其溫降系數如表2、表3所示。

表2 脫氧及合金化特殊合金的溫降系數

表3 合金化特殊合金的溫降系數

表中m A l、m FeSi、m C-PW分別為加入的鋁、硅鐵和碳粉的質量,w(O)為脫去的游離氧的質量分數。

w(O)等于投入合金前鋼水中游離氧的質量分數與投入合金2min后鋼水中游離氧質量分數之差。假如投入合金后鋼水中的游離氧沒有測,則可按下列方法計算w(O):首先確認投入合金前鋼水中游離氧值的質量分數值(游離氧的質量分數應大于50×10-6);然后根據投入的合金類型和數量計算w(O)。脫去噸鋼中質量分數為100×10-6的游離氧需要的各種合金數量為:鋁0.1125/ηAl kg;硅 鐵 0.1/CSi/ηSi kg;碳 粉0.075/ηC-PW kg。ηAl、ηSi和 ηC-PW分別為鋁、硅和碳粉的收得率 ,取ηAl=0.816,ηSi=1,ηC-PW=1 。CSi為硅鐵中硅的含量。

1.4 川崎頂吹氧(kaw asaki top blow ing(oxygen),KTB)

RH處理過程中,吹氧主要為了脫碳和升溫[8]。對于已脫氧的鋼,KTB主要用來升溫。對于未脫氧的超低碳鋼,處理前期的KTB主要用來提供脫碳所需要的氧和促進脫碳反應的進行,處理后期的KTB主要用來升溫,脫碳和升溫并不能嚴格地區分,因為許多時候,脫碳和升溫同時在進行著,只能說某一方面的作用占主導地位。

1.4.1 已脫氧鋼的KTB

生產實踐表明,100m3(標準狀態)(標準狀態指101.325kPa,20℃)的氧氣可以與140kg A l反應,由此可推算出吹入的氧氣的利用率為79.8%,吹入1m3(標準狀態)的氧氣可使每噸鋼水的溫度上升51.9℃。

1.4.2 未脫氧鋼的KTB

KTB脫碳與未KTB脫碳時鋼水中脫碳反應熱效應相同,因此可以不考慮KTB對脫碳的影響,僅考慮吹入的氧部分溶入鋼水中所產生的熱量對鋼水溫度的影響,并計算鋼水中的游離氧的增加量。從生產數據的統計中得出,吹入1m3(標準狀態)的氧氣可使每噸鋼水中增加質量分數為728.8×10-6的游離氧,使每噸鋼水的溫度上升5.3℃。

1.4.3 KTB脫碳時鋼水溫度的計算

RH實際處理時,特別是KTB量較多時,隨著KTB脫碳的進行,鋼水的溫度逐漸上升,鋼水溫度調整的經驗公式為

式中,t0為KTB脫碳開始時刻;T(t0)為t0時刻鋼水的溫度;qV(t-t0)為t0至 t時刻的吹氧量;ΔTm3(N)為每標準立方米氧氣對鋼水溫度的影響。

1.5 自然降溫

自然溫降T NATURAL(t)可以按如下辦法獲得:對實驗數據建立自然溫降子模型,通過軟件包可以生成模型用的人工智能算法的子程序及相關系數,所生成的子程序與其他函數式一起用于溫度疊加計算。

溫度模型自然溫降子模型采用三層BP神經網絡結構,工程中應用最多的神經網絡類型為BP型神經網絡,激勵函數采用對數S型傳遞函數。

溫降神經網絡模型的3項輸入為處理時間、輸出溫度、鋼水質量。本文的上述3項輸入數據是從現場系統中提取的實時測量數據,將提取的數據樣本分成兩部分,一部分作為訓練數據樣本,另一部分作為測試數據樣本。仿真研究中采用了線性函數轉換的方法進行歸一化處理。將歸一化后的訓練樣本代入RBF神經網絡模型中進行訓練,訓練均方差的目標值設為0.001。

2 計算結果分析

選取某鋼廠150t RH-MFB精煉爐15爐精煉數據對模型進行驗證分析。圖1所示為在真空脫碳終點處采用RH溫度預報模型仿真與實測的鋼水溫度的比較曲線。對精煉結束鋼水溫度仿真值與實際測量值之間的差值數據進行分析發現,最小差值為0.3℃,最大差值為7.2℃,平均誤差為4.52℃,在±5℃范圍內的差值占總誤差值的比例為82.7%。

圖1 精煉處理結束時的鋼水溫度計算值與實際測量值

根據經驗和研究發現,真空室初始溫度狀態對RH精煉過程中鋼水溫降的影響較大。一般真空室內壁溫度每升高100℃,鋼水溫升平均為5～6℃,如圖2所示。為了滿足實際連鑄過程對鋼水溫度的要求,在RH精煉過程中,若鋼水溫降較大時,就需要對鋼水進行溫度補償。通過對某鋼廠300t鋼包加A l工藝的監測發現,每加入100kg的A l,可以補償精煉處理過程中約7.5℃的溫降損失,對應關系如圖3所示。在不吹氧的條件下,鋼水精煉前期,溫降較大,前 20min溫降大概在25～30℃范圍內變化。在精煉后期,通過吹氧,鋼水溫度的補償可達到約5℃。吹氧升溫,氧的收集率為63%～74%,吹氧量與鋼水升溫關系如圖4所示。在RH精煉初期,鋼水溫度較高時,需要加入一定的冷卻材料,如廢鋼,使鋼水溫度符合要求,對于某鋼廠300t的鋼包,每噸冷卻材料的降溫效果約為7℃,如圖5所示。

圖2 真空室內壁初始溫度θ0對鋼水溫降的影響

圖3 Al加入量對鋼水溫度的影響

圖4 氧吹入量對鋼水溫度的影響

圖5 添加冷卻材料對鋼水溫度的影響

3 結語

在RH處理過程中,針對存在真空室及浸漬管預熱溫度、處理時間、吹氧、鋁及合金加入量、氣體吹入量、廢氣排溫等因素影響鋼水溫度的損失,本文采用RH溫度實時推定模型編制的計算機軟件實現RH-MFB精煉過程中鋼水溫度的預測,根據RH處理過程中的測溫數據,結合調節溫度的實際合金投入量、吹氧量和操作人員設定的數據,實時預報鋼水溫度變化情況;操作人員根據溫度預報值,有針對性地對處理過程進行控制,提高處理終了溫度的命中率。通過模型計算值與實際測量值的比較和統計發現,兩者在±5℃范圍內的誤差值數量占總誤差值數量的82.7%。另外,本文模型可用于RH-MFB精煉過程中添加鋁、冷卻材料時對鋼水溫度的補償情況分析。

該溫度模型可以實時觀察吹氧對鋼水溫度的影響,考慮了處理超低碳鋼時的鋼水→脫氧鋼→未脫氧鋼→脫氧的多狀態轉變的特殊要求,故在鋼水狀態多次變化時,仍能較準確地計算鋼水的溫度。

[1] 劉瀏,楊強,張春霞.RH精煉鋼水溫度預報模型[J].鋼鐵研究學報,2000,12(2):15-19.

[2] 韓傳基,劉青,吳凱,等.RH-MFB精煉過程中鋼水溫度預測模型[J].北京科技大學學報,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] 韓海鷹,陳義勝,張胤,等.RH真空處理過程中鋼水溫降的研究[J].鋼鐵研究,2007,4(7):28-32.

[5] 李玉寬,赫冀成.鐵錳合金顆粒在底吹鋼包內的運動分析[J].鋼鐵研究學報,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] 佩爾克 R D.氧氣頂吹轉爐煉鋼(下)[M].邵象華,樓盛赫,譯.北京:冶金工業出版社,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

安徽省自然科學基金資助項目(KJ2009A 132)

(編輯 何成根)

馮旭剛,男,1977年生。合肥工業大學儀器科學與光電工程學院博士研究生,安徽工業大學電氣信息學院講師。主要研究方向為智能檢測技術及其應用。費業泰,男,1934年生。合肥工業大學儀器科學與光電工程學院教授、博士研究生導師。章家巖,男,1964年生。安徽工業大學電氣信息學院教授。