转炉炼钢动态控制模型研究与工程应用.pdf

转炉炼钢动态控制模型研究与工程应用 ① 石 艳１，２， 黄亚纯３， 曾维友４， 刘志强４ （１．四川理工学院，四川 自贡 ６４３０００； ２．人工智能四川省重点实验室，四川 自贡 ６４３０００； ３．中广核工程有限公司，广东 深圳 ５１８０００； ４．四川托日信息 工程有限公司，四川 攀枝花 ６１７０００） 摘 要 为了提高转炉炼钢的自动化水平，采用副枪和炉气分析系统的过程动态控制技术，建立了适用于转炉半钢炼钢的终点动 态控制模型。 根据初始条件和终点目标，用静态模型制定吹炼方案，连续检测吹炼过程中的炉气成分；全程在线预报熔池 Ｃ、Ｓｉ、 Ｍｎ、 Ｐ、Ｓ 含量及熔池温度；接近吹炼终点时，用副枪测温，进行动态校正，确定吹炼终点。 工程应用证明，基于本模型的计算机系统 实现了转炉炼钢全过程的生产指导、生产控制和生产实绩收集，并可对生产作业进行工艺优化。 关键词 转炉； 炼钢； 转炉半钢； 动态控制模型； 炉气分析 中图分类号 ＴＧ３３４文献标识码 Ａｄｏｉ１０．３９６９／ ｊ．ｉｓｓｎ．０２５３－６０９９．２０１４．０４．０２１ 文章编号 ０２５３－６０９９（２０１４）０４－００８７－０５ Ｒｅｓｅａｒｃｈ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｄｙｎａｍｉｃ Ｃｏｎｔｒｏｌ Ｍｏｄｅｌ ｆｏｒ Ｃｏｎｖｅｒｔｅｒ Ｓｔｅｅｌｍａｋｉｎｇ ｗｉｔｈ Ｓｅｍｉ⁃ｓｔｅｅｌ ＳＨＩ Ｙａｎ１，２， ＨＵＡＮＧ Ｙａ⁃ｃｈｕｎ３， ＺＥＮＧ Ｗｅｉ⁃ｙｏｕ４， ＬＩＵ Ｚｈｉ⁃ｑｉａｎｇ４ （１． Ｓｉｃｈｕａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ＆ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｚｉｇｏｎｇ ６４３０００， Ｓｉｃｈｕａｎ， Ｃｈｉｎａ； ２． Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｓｉｃｈｕａｎ Ｐｒｏｖｉｎｃｅ， Ｚｉｇｏｎｇ ６４３０００， Ｓｉｃｈｕａｎ， Ｃｈｉｎａ； ３．Ｃｈｉｎａ Ｎｕｃｌｅａｒ Ｐｏｗｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏ Ｌｔｄ， Ｓｈｅｎｚｈｅｎ ５１８０００， Ｇｕａｎｇｄｏｎｇ， Ｃｈｉｎａ； ４．Ｓｉｃｈｕａｎ Ｔｕｏｒｉ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏ Ｌｔｄ， Ｐａｎｚｉｈｕａ ６１７０００， Ｓｉｃｈｕａｎ， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｉｎ ｏｒｄｅｒ ｔｏ ｅｎｈａｎｃｅ ａｕｔｏｍｉｚａｔｉｏｎ ｏｆ ｃｏｎｖｅｒｔｅｒ ｓｔｅｅｌｍａｋｉｎｇ ｗｉｔｈ ｓｅｍｉ⁃ｓｔｅｅｌ， ａ ｄｙｎａｍｉｃ ｔｅｒｍｉｎａｌ⁃ｐｏｉｎｔ ｃｏｎｔｒｏｌ ｍｏｄｅｌ ｆｏｒ ｃｏｎｖｅｒｔｅｒ ｓｔｅｅｌｍａｋｉｎｇ ｗｉｔｈ ｓｅｍｉ⁃ｓｔｅｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ａｄｏｐｔｉｎｇ ｄｙｎａｍｉｃ ｃｏｎｔｒｏｌ ｐｒｏｃｅｓｓ ｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ ｓｔａｎｄｂｙ ｌａｎｃｅ ａｎｄ ｏｆｆ⁃ｇａｓ ａｎａｌｙｓｉｓ ｓｙｓｔｅｍ． Ａｃｃｏｒｄｉｎｇ ｔｏ ｉｎｉｔｉａｌ ｃｏｎｄｉｔｉｏｎ ａｎｄ ｔｅｒｍｉｎａｌ ｔａｒｇｅｔ， ｂｌｏｗｉｎｇ ｓｃｈｅｍｅ ｗａｓ ｄｒａｗｎ ｕｐ ｗｉｔｈ ｓｔａｔｉｃ ｍｏｄｅｌ， ｗｈｉｃｈ ｃｏｎｔｉｎｕｏｕｓｌｙ ｄｅｔｅｃｔｅｄ ｏｆｆ⁃ｇａｓ ｃｏｍｐｏｓｉｔｉｏｎ ｄｕｒｉｎｇ ｂｌｏｗｉｎｇ ｐｒｏｃｅｓｓ． Ｔｈｅｎ， ａｎ ｏｎ⁃ｌｉｎｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｎｔｅｎｔｓ ｏｆ Ｃ， Ｓｉ， Ｍｎ， Ｐ ａｎｄ Ｓ， ａｓ ｗｅｌｌ ａｓ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｂａｔｈ ｗａｓ ｒｅａｌｉｚｅｄ ｔｈｒｏｕｇｈ ｔｈｅ ｗｈｏｌｅ ｃｏｕｒｓｅ． Ｏｎｃｅ ｎｅａｒｉｎｇ ｔｈｅ ｔｅｒｍｉｎａｌ ｐｏｉｎｔ ｏｆ ｂｌｏｗｉｎｇ ｐｒｏｃｅｓｓ， ｔｅｍｐｅｒａｔｕｒｅ ｗａｓ ｍｅａｓｕｒｅｄ ｗｉｔｈ ｓｔａｎｄｂｙ ｌａｎｃｅ ｆｏｒ ｄｙｎａｍｉｃ ｃａｌｉｂｒａｔｉｏｎ， ｓｏ ａｓ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｔｅｒｍｉｎａｌ ｐｏｉｎｔ ｏｆ ｂｌｏｗｉｎｇ ｐｒｏｃｅｓｓ． Ｔｈｅ ｅｎｇｉｎｅｅｒｉｎｇ ａｐｐｌｉｃａｔｉｏｎ ｈａｓ ｐｒｏｖｅｄ ｔｈａｔ ｃｏｍｐｕｔｅｒ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｓｕｃｈ ｍｏｄｅｌ ｃａｎ ｂｅ ｕｓｅｄ ｆｏｒ ｄｉｒｅｃｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ ｉｎ ｍａｎｕｆａｃｔｕｒｉｎｇ， ａｓ ｗｅｌｌ ａｓ ｐａｒａｍｅｔｅｒｓ ｃｏｌｌｅｃｔｉｏｎ ｔｈｒｏｕｇｈ ｔｈｅ ｗｈｏｌｅ ｐｒｏｃｅｓｓ， ｌｅａｄｉｎｇ ｔｏ ａｎ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｍａｎｕｆａｃｔｕｒｉｎｇ ｏｐｅｒａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ ｃｏｎｖｅｒｔｅｒ； ｓｔｅｅｌｍａｋｉｎｇ； ｓｅｍｉ⁃ｓｔｅｅｌ ｆｏｒ ｃｏｎｖｅｒｔｅｒ； ｄｙｎａｍｉｃ ｃｏｎｔｒｏｌ ｍｏｄｅｌ； ｏｆｆ⁃ｇａｓ ａｎａｌｙｓｉｓ 国内外先进钢铁厂广泛采用计算机控制炼钢过 程，以保证终点成分、出钢温度，提高钢水质量，并由此 获得了巨大的效益。 控制模型从简单的静态计算发展 到依靠副枪、炉气分析系统的动态控制，进一步发展到 依据原料初始信息、过程动态监控信息、设备监控信息 实现对转炉操作的全自动控制。 国外发达国家的转炉 控制技术起步较早，已进入全自动吹炼控制阶段，采用 的方法主要有副枪法、烟气分析法或副枪与烟气分析 结合法。 特别是气体快速分析与高精度分析技术的突 破，转炉终点碳控制技术在不断提高。 但钢厂入炉材 料、设备条件和管理制度的不同，控制模型的工程应用 效果也不同，特别是在洁净钢、高品质钢生产对钢水条 件稳定方面，已不能满足后续工序及市场的要求。 提 高炼钢终点的控制精度和命中率，已成为国内当前炼 钢生产中急待解决的技术问题。 基于上述原因，本文分析研究了国内外转炉炼钢 的动态控制模型，建立了适合某厂半钢转炉的终点动 态控制模型，１２ 个月同炉次的运行证明，该模型适合 该厂的转炉半钢炼钢；最后分析了影响模型精度的原 因，提出了模型的修正措施。 ①收稿日期 ２０１４－０２－２１ 基金项目 人工智能四川省重点实验室项目（２００９ＲＹ００３）；过程控制与装备工程四川省高校重点实验室项目（ＧＫ２００９０６） 作者简介 石 艳（１９７１－），女，四川叙永人，副教授，工学硕士，主要研究方向为过程控制、过程设备设计和 ＣＡＤ／ ＣＡＭ。 第 ３４ 卷第 ４ 期 ２０１４ 年 ０８ 月 矿 冶 工 程矿 冶 工 程 ＭＩＮＩＮＧ ＡＮＤ ＭＥＴＡＬＬＵＲＧＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ Ｖｏｌ．３４ №４ Ａｕｇｕｓｔ ２０１４ １ 终点控制数学模型 １．１ 静态模型 静态控制就是按照已知的原材料条件、吹炼钢种 的终点成分和温度参数，依据物料平衡和热平衡原理， 参考统计分析和操作经验所确定的基本公式，计算铁 水、废钢、冷却剂或提温剂、辅料的加入量和供氧量等。 静态理论模型建立过程如下 １） 确定模型假定条件。 正确的假设可以让数学 模型简单，便于控制。 ２） 确定物料平衡（铁平衡、氧平衡等）和热平衡 方程式。 ３） 求解铁水、废钢、供氧量、冷却剂／ 提温剂消 耗量。 由于静态模型不能根据吹炼过程炉内液态金属成 分和温度变化等炉内信息，实时调整吹炼参数，因此单 纯静态模型的终点预报控制命中率较低。 但静态模型 是转炉实现动态控制的基础，转炉要进行动态控制，必 须首先建立静态模型。 １．２ 动态模型 动态控制是在静态模型计算的基础上，根据吹炼 过程中检测到的铁水成分、温度、炉渣状况等，在不同 的时间，对吹炼参数进行修正，以达到预定的吹炼目 标。 实践证明，静态控制主要用于吹炼前期，此时熔池 中 Ｃ、Ｓｉ 较多，吹入的氧几乎全部用于氧化这些元素， 到了吹炼后期，有一定量的氧用于 Ｆｅ 的氧化，氧的分 配不好掌握，致使碳、温度偏离预测轨道，因此需要采 用动态控制。 实现动态控制技术的关键在于吹炼后期 迅速、精准地取得吹炼过程信息。 终点动态控制主要 有轨道跟踪法和动态停吹法。 １） 轨道跟踪法轨道跟踪法认为，转炉后期的脱 碳速度和升温速度是有规律的，由此可以建立脱碳速 度、升温速度与氧量消耗的关系模型 － Ｗ 钢水 ｄ［Ｃ］ ｄ［Ｏ２］ ＝ １０α[１ － ｅ － Ｃ－ＣＢ β ] ｄＴ ｄ［Ｏ２］ ＝ γ － δ － Ｗ钢水 ｄ［Ｃ］ ｄ［Ｏ２］ （１） 式中 Ｃ、ＣＢ分别为钢水含碳量和临界含碳量；α、β、γ、δ 均为模型系数。 在实际应用过程中，轨道跟踪法吹炼前期与静态 控制一样，先进行装料计算，在吹炼过程中通过检测仪 器测出钢水温度、碳含量等连续变化的信息；吹炼后 期，参照以往的典型曲线，将测得的碳含量和温度信息 作为输入，算出预计的曲线。 如发现预计曲线偏离命 中目标区的轨道，就要采取措施加以修正，如温度偏高 要追加适当的冷却剂。 修正吹炼轨道措施的依据，就 是动态控制模型。 动态控制修正轨道的幅度不可能很 大，因为过大的修正不仅时间上不允许，而且还可能产 生副作用，引起其它参数的波动。 ２） 动态停吹法动态停吹法在吹炼前先用静态模 型进行装料计算，吹炼前期运用静态模型进行冶炼过 程控制。 接近终点时，根据检测到的信息，按照对接近 炉次或类似炉次进行回归分析，建立脱碳速度、升温速 度与氧气消耗等与含碳量相关的数学模型。 通过检测 到的钢水含碳量和温度信息，判断最佳停吹点，停吹后 根据需要做出相应的修正动作。 最佳停吹点应是碳含 量和温度同时命中或者两者中有一项命中，另一项只 经某些修正动作即可达到目标要求。 １．３ 副枪和烟气分析 副枪动态控制技术是在吹炼接近终点时，向熔池 内插入副枪，检测熔池温度 Ｔ 和碳含量［Ｃ］及钢水氧 活度，并取出金属样，修正静态模型的误差并计算达到 终点所需的补吹氧量和冷却剂／ 提温剂加入量，调整后 ２～３ ｍｉｎ 的吹炼参数。 副枪动态控制技术能消除转炉 初始条件波动的影响；减小吹炼过程中产生的不稳定 因素影响；对终点进行近程预报，大幅度提高终点命中 率。 但转炉副枪工艺只能提供吹炼过程中某一时刻的 碳含量和温度，并不能提供连续的信息。 严格来说，副 枪仍然是一种静态控制手段，只不过距终点时间很近 而优于静态控制效果。 炉气分析动态控制技术是通过连续检测炉口逸出 的炉气成分数据，推算熔池瞬时脱碳速度和 Ｓｉ、Ｍｎ、 Ｆｅ、Ｐ 的瞬时氧化量，并对熔池物料平衡和能量平衡进 行计算，求出熔池瞬时的升温速度。 通过比较每一时 刻的计算值与检测值的误差，模型不断对结果进行校 正，从而提高控制精度和命中率。 炉气分析动态控制 技术能通过不断动态校正，实现连续预报，提高控制精 度；除预报熔池温度和碳含量外，还可预报熔池的磷含 量和炉渣成分的变化。 该控制技术的设备运行成本低 于副枪动态控制。 国内外大量烟气分析模型使用表明，烟气分析对 低碳钢吹炼终点控制结果较好，但对于特殊钢或新开 发的钢种，为了得到精确的结果，应该采用副枪。 烟气 分析属于间接测量计算，模型命中率受设备测量精度、 系统响应时间、反馈校正计算准确性影响很大。 另外， 烟气分析对于冶炼终点碳含量预报命中率较大，但是 对于温度的预报效果却普遍很差。 炉气分析与副枪系统是检测转炉吹炼信息的两种 有效手段。 为达到优势互补，许多钢厂都根据本厂原 材料和钢种的特性，开发了不同的副枪＋烟气分析的 动态控制技术，可以实现根据初始条件和终点目标，用 静态模型制定吹炼方案；连续检测吹炼过程中的炉气 ８８矿 冶 工 程第 ３４ 卷 成分，全程在线预报熔池 Ｃ、Ｓｉ、Ｍｎ、Ｐ、Ｓ 含量和熔池温 度；接近吹炼终点时，用副枪测温，进行动态校正，确定 吹炼终点。 ２ 工程应用 ２．１ 入炉条件 某钢厂新转炉炼钢入炉条件 ８０％以上为脱硫提 钒后的半钢，实行恒装制度，供氧为恒压变枪位的操作 方式。 铁水与提钒后半钢的成分见表 １。 铁水经提钒 后碳含量减少，使炼钢面临热源不足、造渣困难、易喷 溅返干。 为满足转炉炼钢温度以及脱磷效果要求，必须 添加提温剂和酸性造渣材料。 入炉原料的特殊性，使该 钢厂转炉过程操作应有独特的供氧制度和造渣制度。 ２．２ 动态控制模型的建立 根据钢厂半钢炼钢工艺要求和过程特点，建立了 一类终点动态计算模型。 模型控制流程见图 １，全过 程分为一次计算、二次计算、烟气分析计算和动态计算 ４ 个部分。 表 １ 钢厂铁水、半钢成分及温度 类型 成分／ ％ ＣＳｉＭｎＰＳＶ 温度 ／ ℃ 铁水３．９０～４．６００．０９～０．２０．１０～０．３００．０３０～０．０７０．０５～０．１５０．２０～０．４０１ １８０～１ ３００ 半钢３．２０～４．００≤０．０２０．０３～０．２０．０３０～０．０７０．０１～０．０５０．０２～０．０５１ ２８０～１ ３６０ 图 １ 某转炉动态控制模型 １） 一次加料计算以转炉热平衡为基础，参考半 钢成分温度质量、废钢成分、出钢终点温度成分等条 件，计算废钢装入量。 Ｗ废钢＝ Ｑ收 － Ｑ 支 ｑ废钢 （２） 式中 Ｗ废钢为废钢装入量；Ｑ收表示总热收入，包括铁水 ９８第 ４ 期石 艳等 转炉炼钢动态控制模型研究与工程应用 物理热、元素氧化热、成渣热、烟尘氧化热和炉衬碳氧 化热等；Ｑ支为部分热支出，包括钢水物理热、炉渣物 理热、烟尘物理热和其它过程热损失；ｑ废钢为单位废钢 熔化耗热。 ２） 二次加料计算根据脱硫、脱磷工艺要求，参照 半钢硫含量计算活性石灰加入量；以脱磷效率估计总 渣量，并按炉渣中含一定比例的 ＭｇＯ 计算高镁石灰加 入量；根据炼钢工艺碱度要求，计算复合渣加入量；通 过半钢元素氧化量计算总供氧量；根据实际废钢加入 量和热平衡计算冷却剂或提温计用量。 ３） 烟气分析计算烟气分析模型依据碳平衡，全 程预测熔池碳含量，并指导副枪 ＴＳＣ 测量的时间，原 理可用式（３） ～（５）表示。 Ｃ脱＝∫ ｔ ０ｖｔｄｔ ≈∑ ｔ ０ ｖｔ（３） Ｃ余 ＝ Ｃ 入 － Ｃ 脱 （４） ［Ｃ］ ＝ Ｃ余 Ｗ钢 １ ０００ １００％（５） 式中 Ｃ余表示全程预测熔池碳含量；ｖｔ是根据烟气分 析仪的实时数据换算的脱碳速度；Ｃ入为入炉碳总量， 包括半钢碳、废钢碳、辅料碳、炉衬碳、增碳剂碳等。 ４） 动态计算动态计算基于副枪 ＴＳＣ 测量信息， 动态调整后期冶炼策略，计算出补吹氧气用量、提温计 或冷却剂用量。 动态模型如式（６）。 ｄ［Ｃ］ ｄｔ ＝ － α ＷＳＴ １－ ｅｘｐ － Ｃ － Ｃ０ β {} ｄ［Ｏ］ ｄｔ ｄＴ ｄｔ ＝ γ ＷＳＴ ｄ［Ｏ］ ｄｔ － ε ｄ［Ｃ］ ｄｔ － δ ｄＷ ｄｔ （６） 式中 Ｃ０为常数，表示临界［Ｃ］；α、β 为脱碳模型系数； γ、ε、δ 为升温模型系数；ＷＳＴ为目标出钢量；Ｗ 为冷却 剂或提温计加入量；Ｔ、［Ｃ］为动态计算输出温度、碳浓 度。 方程在域（ｔ０～ｔ）上积分整理 Ｃｔ ＝ Ｃ ｔ０ ＋ β ｌｎ{ １ ＋ ｅｘｐ Ｃｔ０ － Ｃ ０ β － １ ｅｘｐ－ α β ［Ｏ］ｔ－ ［Ｏ］ｔ０ ＷＳＴ } （７） Ｔｔ ＝ Ｔ ｔ０ ＋ γ ［Ｏ］ｔ－ ［Ｏ］ｔ０ ＷＳＴ ＋ δ Ｗｔ－ ε Ｃｔ－ Ｃ０ [] ２．３ 模型工程运行结果分析 转炉原二级模型投运率约 ６７．８２％，温度命中率 ２７％左右，碳命中率３０％左右，碳、温度双命中率１５％。 新研究的转炉动态模型通过在同一转炉 １２ 个月的试 验运行，期间经过参数的不断调整优化，目前碳命中率 上升到 ６０％左右，温度命中率达 ８８％，详细结果见表 ２ ～３ 和图 ２～３。 表 ２ 转炉动态模型部分炉次实验结果 熔炼号钢种 半钢重 ／ ｔ ＴＳＯ 碳 ／ ％ 预报碳 ／ ％ ＴＳＯ 温度 ／ ℃ 预报温度 ／ ℃ Ｐ１０７０∗ ∗ ∗ ∗ Ｕ７１Ｍｎ（Ｋ）１３７０．１０３０．１５３１６７３１６８４ Ｐ１０７０∗ ∗ ∗ ∗ Ｕ７１Ｍｎ（Ｋ）１３４０．１１４０．０７５１６６８１６６４ Ｐ１０７０∗ ∗ ∗ ∗ Ｕ７１Ｍｎ（Ｋ）１３２０．１２６０．１１７１６５４１６６４ Ｐ１０７０∗ ∗ ∗ ∗ Ｕ７１Ｍｎ（Ｋ）１３６０．１０８０．１２２１６９６１６９９ Ｐ１０７０∗ ∗ ∗ ∗ Ｕ７１Ｍｎ（Ｋ）１３４０．１６６０．１５３１６７１１６７４ Ｐ１０７０∗ ∗ ∗ ∗ Ｕ７１Ｍｎ（Ｋ）１３６０．１０３０．１１７１６６７１６７２ 表 ３ 转炉动态模型部分炉次结果统计 碳预测 平均偏差 １．５ 个碳预测 命中率 温度预测 平均偏差 １５ ℃偏差 命中率 碳温 双命中率 ０．０２％６１．２０％７．７８ ℃８８．８０％５４．９０％ 图 ２ 碳预报误差散点图 图 ３ 温度预报误差散点图 统计结果表明，模型对温度的预测效果较好，但是 碳的预报偏差较大。 分析发现，入炉原材料不稳定，导 致各项数据指标变化大，这是模型计算偏差大的最主 要原因。 转炉炼钢用原料是经过转炉提钒后的半钢， 由于各种原因使得半钢成分、温度、入炉质量波动都很 大。 表 ４ 是 １２ 个月的 ５９５ 炉半钢入炉数据。 从表 ４ 看出，１２ 个月中入炉半钢质量在１３０～１５０ ｔ 之间波动， 其中以 １３５ ｔ 左右为主；入炉半钢温度在 １ ２８０～１ ４５０ ℃之间波动，见表 ５，实际生产过程中，除大部分原料 为 １ ３００ ℃左右的半钢，还有小部分为未经过提钒的 铁水；表 ６ 是入炉半钢碳含量分布图，波动范围在 ３􀆱 ５％～５％。 现场生产中，从上工序传送到炼钢工序的 碳含量因过程运输减少而与实际偏差较大，而许多时 候快分实验室结果在吹炼开始后才出来，这为模型的 计算带来了较大的偏差。 ０９矿 冶 工 程第 ３４ 卷 表 ４ 入炉半钢重量分布 半钢质量／ ｔ炉次 １２５～１３０３ １３１～１３５１４９ １３６～１４０２５６ １４０～１４５１６５ １４６～１５０２０ ＞１５０２ 表 ５ 入炉半钢温度分布 温度／ ℃炉次 １ ２００～１ ２４０２０ １ ２４１～１ ２８０５ １ ２８１～１ ３２０２０９ １ ３２１～１ ３６０８８ １ ３６１～１ ４００２２１ １ ４０１～１ ４４０５０ １ ４４１～１ ４８０２ 表 ６ 入炉半钢碳含量分布 碳含量／ ％炉次 ＜３．５２ ３．５～３．８１０８ ３．８～４．１３４４ ４．１～４．４７９ ４．４～４．７４４ ４．７～５．０１３ ＞５．０５ 影响模型计算精度的另一重要原因是半钢冶炼要 求的氧枪枪位控制方法和加料制度。 转炉操作人员结 合基本操作制度和个人经验进行操作，这不可避免的 带来人为因素干扰，一般来说吹炼后期氧枪活动非常 频繁，且上下幅度大。 ３ 结 论 副枪终点控制模型是基于补吹氧量反应碳温变化 的经验模型，因此典型炉次数据的选择、模型参数的调 整都会对计算结果带来很大的影响。 只有经过大量的 数据筛选，不断地调整模型参数，才能建立适合不同转 炉的终点控制模型。 为进一步提高转炉动态模型命中 率，还要在以下几个方面做出改进入炉原料精料，保 证半钢成分、温度、废钢成分、尺寸稳定，确保辅料、增 碳剂／ 冷却剂化学成分和物理性质稳定；确保称量、化 验等检测信息的精准性，实现计算机控制的关键在于 迅速、准确地取得吹炼过程的信息，如果检测信息的精 度没有保证或者测量不及时，那么再好的数学模型也是 徒劳的；实现操作规范化，减少因人工操作差异带来的 影响；改进模型计算能力，不同品质钢的模型选取不同 的参数；针对目前温度预报较准，但是碳预报效果较差 的情况，考虑利用烟气分析的碳平衡计算预测碳含量。 参考文献 ［１］ 赵成林，马 嵩，林 东，等． 复吹转炉炼钢过程数学模拟 动力 学模型［Ｊ］． 材料与冶金学报，２００４，３（２）９９－１０３． ［２］ 谢里克． 系统与信号入门［Ｍ］． 北京清华大学出版社，２００５． ［３］ 刘天武，何安瑞，杨 荃，等． 热连轧凸度反馈控制系统的研究与 应用［Ｊ］． 中国机械工程，２０１０，２１（７）８６０－８６４． ［４］ 毛志忠，田慧欣，汪 琰． 基于 ＡｄａＢｏｏｓｔ 混合模型的 ＬＦ 炉钢水终 点温度软测量［Ｊ］． 仪器仪表学报，２００８，２９（３）６６２－６６７． ［５］ 谢书明，陈 昌，丁惜瀛． 基于 ＢＰ 神经网络的转炉炼钢终点预报 ［Ｊ］． 沈阳工业大学学报，２００７，２９（６）７０７－７１０． ［６］ Ｆｅｒｎｎｄｅｚ Ｊ Ｍ Ｍ，Ｃａｂａｌ Ｖ Ａ，Ｍｏｎｔｅｑｕｉｎ Ｖ Ｒ，ｅｔ ａｌ． Ｏｎｌｉｎｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｅｌｅｃｔｒｉｃ ａｒｃ ｆｕｒｎａｃｅ ｔａｐ ｔｅｍｐｅｒａｔｕｒｅ ｂｙ ｕｓｉｎｇ ｆｕｚｚｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ［Ｊ］． Ｅｎｇ Ａｐｐｌ Ａｒｔｉｆ Ｉｎｔｅｌｌ，２００８，２１（７）１００１－１０１２． ［７］ 王安娜，田慧欣，姜周华，等． 基于信息融合算法的 ＬＦ 炉钢水温度 预测［Ｊ］． 钢铁研究学报，２００５，１７（６）７１－７４． 􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎􀪎 （上接第 ８６ 页） ［１８］ 王广兴，郭连才． 盐水中硫酸根的脱除技术［Ｊ］． 中国氯碱，２００６ （８）５－７． ［１９］ 关 刚，唐红建． 膜法除硝与钡法除硝技术的比较及应用［Ｊ］． 中 国氯碱，２０１２（１）７－９． ［２０］ Ｂｅｎａｔｔｉａ Ｃ Ｔ， Ｔａｖａｒｅｓ Ｃ Ｒ Ｇ， Ｌｅｎｚｉ Ｅ． Ｓｕｌｆａｔｅ ｒｅｍｏｖａｌ ｆｒｏｍ ｗａｓｔｅ ｃｈｅｍｉｃａｌｓ ｂｙ ｐｒｅｃｉｐｉｔａｔｉｏｎ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍａｎａｇｅ⁃ ｍｅｎｔ，２００９，９０（１）５０４－５１１． ［２１］ Ｋａｂｄａｓｌｉ Ｉ，Ｔｎａｙ Ｏ，Ｏｒｈｏｎ Ｄ． Ｓｕｌｆａｔｅ ｒｅｍｏｖａｌ ｆｒｏｍ ｉｎｄｉｇｏ ｄｙｅｉｎｇ ｔｅｘｔｉｌｅ ｗａｓｔｅｗａｔｅｒ ［ Ｊ］． Ｗａｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， １９９５， ３２ （１１）７７－８４． ［２２］ Ｇｈｉｇｌｉａｚｚａ Ｒ，Ｌｏｄｉ Ａ，Ｒｏｖａｔｔｉ Ｍ． Ｋｉｎｅｔｉｃ ａｎｄ Ｐｒｏｃｅｓｓ Ｃｏｎｓｉｄｅｒａｔｉｏｎ⁃ ｓｏｎ Ｂｉｏｌｏｇｉｃａｌ Ｒｅｄｕｃｔｉｏｎ ｏｆ Ｓｏｌｕｂｌｅ ａｎｄ Ｓｃａｒｃｅｌｙ Ｓｏｌｕｂｌｅ Ｓｕｌｆａｔｅｓ［Ｊ］． Ｒｅｓｏｕｒｃｅｓ Ｃｏｎｓｅｒｖａｔｉｏｎ ａｎｄ Ｒｅｃｙｃｌｉｎｇ，２０００，２９（３）１８１－１９４． ［２３］ Ｓｃｈａｅｚｉｅｒ Ｄ Ｊ． Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｃａｌｃｉｕｍ ａｌｕｍｉｎａｔｅｓ ａｎｄ ｓｕｌｆｏａｌｕｍｉ⁃ ｎａｔｅｓ ｆｒｏｍ ｗａｔｅｒ［Ｊ］． Ｊｏｕｍａｌ Ｗａｔｅｒ Ｐｏｌｌｕｔｉｏｎ Ｃｏｎｔｒｏｌ Ｆｅｄｅｒａｔｉｏｎ， １９７８，５０（７）１８２１－１８２６． ［２４］ 张 坚，张素环． 碳酸钡法除盐水中硫酸根［Ｊ］． 中国氯碱，２００７ （５）１０－１３． ［２５］ 付军凤． 纳滤膜法除硫酸根技术进展［Ｊ］． 氯碱工业，２００９，４５ （１）７－１０． ［２６］ 周延红，朱建强． 膜法脱除硫酸根装置运行总结［Ｊ］． 氯碱工业， ２００８，４４（１２）９－１１． ［２７］ 崔 莉，赵军晖． ＤＣＳ 在膜法除硫酸根工艺中的应用［Ｊ］． 氯碱工 业，２０１２，４８（２）４２－４４． １９第 ４ 期石 艳等 转炉炼钢动态控制模型研究与工程应用