一种LF精炼过程钢水温度的预报方法.pdf

(19)中华人民共和国国家知识产权局*CN103276147A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103276147103276147A(43)申请公布日2013.09.04(21)申请号201310225181.3(22)申请日2013.06.06(71)申请人鞍钢股份有限公司地址114000辽宁省鞍山市铁西区环钢路1号(72)发明人陈志威赵成林罗建华王宁宁东臧绍双(74)专利代理机构鞍山嘉讯科技专利事务所21224代理人张群(51)Int.Cl.C21C7/00(2006.01)权权利要求书1页利要求书1页说明书4页说明书4页附图1页附图1页(54)发明名称一种LF精炼过程钢水温度的预报方法(57)摘要本发明涉及冶金过程的生产与控制领域，特别涉及一种LF精炼过程钢水温度的预报方法，其特征在于，按照以下步骤计算LF处理期间任意时刻的钢液温度相对于初始温度的变化量：(1)计算可用冶金学机理模型或现场经验公式加以计算的LF炉精炼过程钢液温度变化分量；(2)利用神经网络模型计算难以用冶金学机理模型或现场经验公式加以计算的LF精炼过程温度变化分量；(3)将步骤(1)和(2)计算得到的变化分量相加得到该时刻的LF精炼炉钢液温度相对于初始温度的变化量。与现有技术相比，本发明的有益效果是：可预报整个LF处理过程钢水温度的变化情况，可以减少过程1~2次测温，降低了钢水测温成本，可实现LF温度的在线实时预报。CN103276147ACN1032764ACN103276147A权利要求书1/1页1.一种LF精炼过程钢水温度的预报方法，其特征在于，按照以下步骤计算LF处理期间任意时刻的钢液温度相对于初始温度的变化量：(1)计算可用冶金学机理模型或现场经验公式加以计算的LF炉精炼过程钢液温度变化分量；(2)利用神经网络模型计算难以用冶金学机理模型或现场经验公式加以计算的LF精炼过程温度变化分量，神经网络模型输入参数为：钢种，钢水重量，钢水初始温度，预计处理时间，钢包烘烤温度，钢包级别，钢包使用次数，钢包运输时间，改质剂加入量，渣量，钢水初始碳、硅、铝含量；网络输出参数为：难以用机理或经验公式加以计算的温度变化分量；(3)将步骤(1)和(2)计算得到的变化分量相加得到该时刻的LF精炼炉钢液温度相对于初始温度的变化量。2.根据权利要求1所述的一种LF精炼过程钢水温度的预报方法，其特征在于，所述可用冶金学机理模型或现场经验值加以计算的部分包括：电极加热对钢液温度的影响、顶渣成渣过程、非脱氧合金、渣料对钢液温度的影响、钢液表面散热对钢液温度的影响。3.根据权利要求1所述的一种LF精炼过程钢水温度的预报方法，其特征在于，所述难以用冶金学机理模型或现场经验值加以计算的部分包括：炉体耐火材料的蓄热、顶渣改质过程中改质剂氧化放热对钢水温度的影响、烟气、烟尘带走的热量以及钢水其它热损失。4.根据权利要求1所述的一种LF精炼过程钢水温度的预报方法，其特征在于，所述神经网络模型采用三层反向传播BP人工神经网络结构，其传递函数为S型，其结构为：。2CN103276147A说明书1/4页一种LF精炼过程钢水温度的预报方法技术领域[0001]本发明涉及冶金过程的生产与控制领域，特别涉及一种LF精炼过程钢水温度的预报方法。背景技术[0002]LF炉设备简单，生产中可根据钢水质量控制的需要，采用多种不同的工艺操作制度，满足最终产品质量控制的要求。目前，LF炉所处理的钢种几乎涉及到从特钢到普钢的所有钢种。随着用户对钢材的质量、品种与性能的要求越来越高，对LF精炼处理工艺的过程控制也提出了更高的要求。在实际生产中，面对现场复杂的环境，传统的人工操作已经很难满足现代LF精炼高效能的要求，因此有必要对LF精炼过程钢水成分和温度进行优化控制，因此，国内外学者在LF精炼钢水温度预报方面进行了一系列的工作。[0003]目前针对LF精炼钢水的温度预报通常采用“机理模型”、“黑箱模型”和“灰箱模型”三种方法。机理模型以LF精炼过程的冶金机理出发，但难以准确计算过程中诸多非线性因素对钢水温度的影响。黑箱模型则过分依赖数据，移植性差，缺乏工艺指导。灰箱模型将冶金机理与数据统计相结合，克服了单纯机理模型参数获得不准确和黑箱模型过分依赖数据的不足，预报精度明显好于其它两个模型，是LF钢水温度预报最有效的方法。[0004]检索到一篇论文：谢树元，杜斌，林云等.LF炉过程控制模型的开发与应用[J].冶金自动化，2006，增刊S2：47-50。论文中介绍的LF钢水温度预报方法是建立在人工智能技术与冶金学机理的基础上，主要包括人工智能子模型与冶金机理子模型。冶金机理子模型为比较简单的初等数学模型，人工智能子模型主要计算LF精炼过程中影响温度的一些复杂的非线性因素。将两部分因素对温度的