论文部分内容阅读
钢水的成分和温度是LF钢包炉(Ladle Furnace,LF)精炼过程中重点控制的工艺参数。目前,国内外绝大部分钢厂对于钢水合金成分的控制主要先采取操作工手工计算合金加料量,然后再将计算结果下发给一级综合控制系统进行合金加料来调节钢水成分。对于精炼过程中钢水温度的控制由于受到测温元件的限制,不能实现对钢水温度的连续测量,需要操作工多次测温取样获得钢水温度,然后将测温数据传递至一级系统对钢水温度进行调节。这样极大降低生产效率和生产质量,同时也存在较大安全隐患。因此,在取代这些繁杂的手工操作实现LF炉“一键精炼”的生产过程中,建立精准的合金加料模型和温度预报模型就必不可少且尤为重要。针对这些问题,本文依托武钢炼钢厂历史冶炼数据对LF炉精炼进行研究,对印度比莱(Bilai)国家钢铁厂LF炉精炼系统进行开发与应用,建立了LF炉合金加料模型和LF炉温度预报模型。并通过以这两个模型为基础设计的LF炉精炼系统可以将合金加料计算量和温度预测值实时传输至一级综合控制系统完成对钢水成分和温度的自动调节。本文的主要研究内容和结论如下:(1)以印度比莱钢铁厂LF炉为研究对象,针对原有的生产条件进行设计,建立了一种基于机理建模的合金加料模型。该模型以脱氧合金加料模型和成分合金加料模型为基础,相对于原有的计算方式极大的提高了计算精度。(2)针对该钢厂原有的测温取样方式建立LF炉NAS-GA-BP神经网络温度预报模型。该模型通过引入了蒙特卡洛方法实现了BP神经网络最优结构的随机自搜索生成,采用遗传算法对神经网络权值和阈值进行优化,使模型的收敛速度更快,预测精度更高。通过该模型实现了钢水温度的连续预报。(3)利用计算机语言、数据库和OPC技术,实现了以合金加料模型和温度预报模型为基础的LF炉精炼系统设计和应用。该系统通过将合金加料计算量和温度预测值实时传输至一级综合控制系统可实现对钢水成分和钢水温度的自动调节。此系统现已在印度比莱国家钢铁厂投入使用一年运行稳定并取得较好的效果。这对于提高生产效率、降低生产成本,保证工人安全具有非常重要的实际意义。