LF炉钢水温度控制方法研究

来源 :东北大学 | 被引量 : 4次 | 上传用户:zhangkun289
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着对钢材质量的要求越来越高,所以对钢水温度提出了更为严格的要求。如何更合理的对钢水温度进行控精确制,是一个迫切需要解决的课题。本文以LF炉精炼过程中钢水,炉衬,钢渣,添加的合金和吹氩为研究体系,通对其能量收入和损失的分析,利用热平衡原理,推导出了LF炉精炼过程的温度模型。通过对温度模型的分析,可以看出模型中很多的参数和工况是难以准确获得的,并且随着时间变化而变化,很多经验参数随着工况的变化而变化。所以要建立一个精确的LF炉机理模型是非常困难的。基于精炼工艺中进行停电强吹氩脱硫,强制性的把LF炉的加热分成了两个阶段,根据这个特殊的工艺过程,并且针对这两个阶段的具体特点提出了一种分段控制的控制思想,把整个LF炉精炼阶段分为造渣阶段和合金化阶段。对于工况比较复杂的造渣阶段,由于工况的不稳定和复杂性,精炼开始时埋弧状态的不稳定,这些导致了很多参数不能精确获得,于对这一阶段的我们采用案例推理的方法来求解供电量。对于工况相对稳定的合金化阶段,由于这个阶段工况比较稳定,对温度的影响因素较少,这一阶段我们首先使用案例推理的方法求解供电量预设定值,而后根据建立的LF炉温度预报模型对供电量进行校正,从而达到控制LF炉钢水终点温度的目的。根据上述的分析和计算,本文对所提出的控制方法进行了验证,可以看出计算结果和实际数据吻合性比较好,计算结果误差在10%以内的占90%,足以满足生产需求。
其他文献
该文以重庆钢铁(集团)公司CIMS应用研究课题"重庆钢铁(集团)有限责任公司信息管理及计算机集成网络系统"为依托,对数据仓库和数据采掘技术的基础理论和技术进行了较深入地研究
该文在模糊聚类的基础上,采用最优算法得到广义模糊RBFNN的自组织自学习算法-最优模糊聚类学习算法。该文提出模糊RBFNN的简化模型,构造一个可实现简化推理的网络。该文基于模