赵成林，张宁，朱晓雷，王丽娟，张维维（鞍钢集团钢铁研究院，辽宁鞍山114009）



LF钢包精炼过程控制模型开发

赵成林，张宁，朱晓雷，王丽娟，张维维
（鞍钢集团钢铁研究院，辽宁鞍山114009）

摘要：根据冶金机理和钢液热平衡原理，综合考虑电极供电、合金、渣料添加情况及钢包状况等因素，并结合人工神经网络算法和自学习方法，建立了LF精炼过程控制模型，包括温度预报模型和合金模型。经测试，温度预报模型在线计算值与实测值的绝对偏差在±5℃以内的比例达到了85%以上，合金模型应用后，LF钢水成分合格率从90.1%提升至94.7%，平均合金化时间由8.9 min降低到6.7 min。利用Microsoft Visual.Basic.net程序设计软件以及Microsoft SQL Server 2000数据库软件，开发了LF精炼过程控制模型软件。

关键词：LF；过程控制；数学模型

赵成林，博士，高级工程师，2007年毕业于东北大学钢铁冶金专业。E-mail:zhao_chenglin@TOM.com

LF钢包炉是一种广泛应用的二次精炼手段，其主要作用是利用电弧加热和还原渣精炼完成钢水的脱氧、脱硫、去除夹杂、合金化及温度调整等［1-3］。目前国内外具备LF二级模型的企业并不多［4］，更多的是在精炼过程中对钢水进行测温取样操作以获得钢水信息反馈，同时根据操作者的经验进行操作，属于典型的“经验炼钢”。不同的操作者由于操作经验不同，必将在精炼时间、精炼成本以及终点控制方面存在一定的差异，因此，有必要开发LF精炼过程控制模型，优化LF处理工艺，提高生产效率，降低劳动强度及生产成本，实现整个处理过程的最优控制。基于Windows体系结构，利用VB.NET作为模型开发工具，开发了LF精炼控制模型。本文对此做一介绍。

1　数学模型的建立

1.1温度预报模型

在综合考虑LF电极升温、合金添加及钢水散热的基础上，基于钢水的热量平衡原理，建立了LF精炼过程温度模型，计算公式如下：

式中，T为预报钢水温度，℃；T0为钢水初始温度，℃；ΔT1为供电对钢液温度的影响，℃；ΔT2为成渣热、非脱氧合金料、渣料、喂丝、吹氩搅拌等使钢液温度变化量，℃；ΔT3为脱氧合金料、炉气带走热量及其它热损失，℃。

输入体系的电能为［5］：

式中，Qse为输入体系的电能，W；εi为电弧与熔池的热交换系数，其大小主要取决于钢包顶渣的埋弧效果，取值为0<εi≤1；Pi为某相电弧的功率，W；Ii为某相电弧的电流，A；Ui为某相电弧的电压，V。

根据能量守恒，可以得到供电引起的钢水升温速率为:

式中，t为处理时间，min；Cm为钢水的比热容，J/（kg·K）；Wm为钢水的质量，kg；Cs为渣料的比热容，J/（kg·K）；Ws为加入体系的渣料质量，kg。

对ΔT2的计算中，非脱氧合金及渣料对钢水温度的影响可通过理论计算或经验确定，合金及渣料的温降系数（1t钢中加入1kg物料所引起的温度变化）值具体如表1所示，模型计算时取平均值。精炼过程各成渣反应产生的热量以及氩气吸热对钢水温度的影响可以忽略［6-7］。

表1　合金及渣料温降系数　℃

ΔT3包括以下几项：

（1）钢水表面散热：包括辐射和对流散热；

（2）炉体耐火材料的蓄热；炉内耐材材质不同，同时还要考虑钢包使用次数不同造成的影响因素；

（3）烟气、烟尘带走的热量；

（4）顶渣改质过程中铝的氧化放热对钢水温度的影响。

这其中，（1）、（2）、（4）项占据主要的份额。文献表明［8］：钢包精炼过程中钢水的辐射散热量要远远高于对流散热量，因此对于（1）项只考虑钢水的辐射散热对温度的影响。钢液的辐射散热计算公式为［9］：

式中，QF为钢液辐射散热速度，J/（m2·s）；Tm为钢液温度，K；Ts为钢包顶渣温度（未裸露）或大气温度（裸露），K。

一般可以认为钢包顶渣温度比钢液温度低300～400℃，取钢液温度为1 873 K，熔渣温度1 573 K，大气温度373 K，将根据式（4）计算得到的Q值带入式（3），可得到对于250 t钢水，裸露部分钢水和未裸露部分钢水由于辐射散热带来的温降速度分别为0.2℃/（m2·min）和0.1℃/（m2·min）。根据现场经验，按大气量底吹裸露30%液面，小气量底吹裸露5%液面考虑，则大气量底吹由于辐射带来的温降为0.7℃/min，小气量底吹由于辐射带来的温降为0.1℃/min。

炉体耐火材料的蓄热与炉体耐材材质以及钢包周转状态有关，影响因素众多，理论计算相对复杂。同时，LF顶渣改质的效果一般通过经验判断，因此，采用人工神经网络计算方法对这部分的温度变化进行计算［10］，模型输入项为两类，一类为表征钢包状态的量，如钢包烘烤温度、钢包使用次数等。另一类为表征改渣效果的量，如改质剂加入量、渣厚等，采用现场实际生产数据并结合之前的理论计算反算得到的温度变化值作为模型输出项，对模型进行反复训练后，可计算炉体耐火材料的蓄热和顶渣改质对钢水温度的影响。温度预报模型的计算流程图如图1所示。

1.2合金模型

合金模型主要是计算LF精炼过程所需要的合金加入量，合金的加入种类由实际生产过程确定，其计算公式如下：

式中，Walloy为含有某种元素i的合金加入量，kg；［i］aim、［i］old分别为元素i的目标成分和初始成分，%；αf为合金中i元素的含量，%；f为i元素的平均收得率。

图1　温度预报模型的计算流程图

对于式（5），最主要的是计算合金元素的收得率。该值主要与钢水溶解氧含量、顶渣氧化性、合金粒度及合金元素与氧亲和力等因素有关，模型中主要采取自学习的方式获得其数值［11］，即在实际生产数据库中选取与当前炉次钢种相同、时间间隔最短及生产条件相近的若干炉次钢水的合金元素收得率平均值作为本炉次合金元素收得率的预报值。精炼后，将本炉钢水信息存入数据库中，作为以后的待选参考信息，完成模型的自学习。

1.3 LF精炼过程控制模型

LF精炼过程控制模型流程图如图2所示。

图2　LF精炼过程控制模型流程图

2　模型验证

2.1温度预报模型验证

采用五数总括法［12］对数据进行筛选后，利用超过600罐的现场实际生产数据对模型进行训练，训练后将模型投入现场在线试运行。针对超过100罐的LF精炼处理，在过程有一次测温的情况下，温度模型计算值与实测值的绝对偏差在±5℃以内的比例达到了85%以上。预报误差主要来源于以下几个方面：

（1）温度实测值存在误差。目前现场生产使用一次性快速热电偶进行过程温度的测定，在1 600℃时其测温值的误差为±3℃；

（2）供电过程对钢水温度的影响不稳定。供电升温效果与埋弧效果有关，目前埋弧效果一般通过电极升温过程的震动响声判断，如响声过大，说明渣粘，埋弧效果不好。模型中无法判断埋弧效果，只能通过渣厚、供电参数以及供电时间等来计算钢水升温值，因此会产生计算偏差。

（3）底吹效果不稳定。LF效果很大程度上取决于底吹气体作用下顶渣和钢液的混合状态，由于底吹效果不稳定，直接带来顶渣改质及钢水辐射散热效果的不同，影响钢水的成分和温度，而模型对于这种差异无法识别，导致产生计算偏差。

2.2合金预报模型验证

对比应用合金模型后超过100罐的实际生产数据和未应用该模型的历史平均数据，结果见图3。从图3看出，应用合金模型后，LF钢水成分合格率从90.1%提升至94.7%，平均合金化时间由8.9min降低到6.7 min。说明合金模型对于提高钢水成分控制水平、缩短处理时间有一定的指导作用。

3　模型软件开发

根据250 t LF精炼过程的实际生产数据及操作参数，利用Microsoft Visual.Basic.net程序设计软件和Microsoft SQL Server 2000数据库软件，开发了LF钢包精炼过程控制模型软件。温度预报模型计算界面见图4，操作数据采集界面见图5。

模型开始计算时，首先读取钢种、钢包烘烤温度、钢包使用次数、渣厚、钢水成分和温度等信息，在数据库中选择若干炉参考炉次，提取参考信息预报此罐钢水的合金加入量。同时根据精炼过程中的电极升温、造渣料、合金加入等信息动态预报钢水温度的变化，在模型的操作界面上显示实际的钢水测温值以及模型预报的钢水温度变化曲线，有助于更好了解钢水温度的变化趋势。可以根据模型给出的建议进行相应的操作，为精确控制精炼终点钢水成分和温度提供了有益的参考。

图4　温度预报模型计算界面

图5　操作数据采集界面

4　结论

根据冶金机理及钢液热平衡原理，并结合人工神经网络算法及自学习方法，建立了LF精炼过程控制模型，包括温度预报模型和合金模型。在过程有一次测温的情况下，温度模型计算值与实测值的绝对偏差在±5℃以内的比例达到85%以上。合金模型应用后，LF钢水成分合格率从90.1%提升至94.7%，平均合金化时间由8.9 min降低到6.7min。

参考文献

［1］Olena VOLKOVA,Dieter JANKE.Modelling of Temperature Distribution in Refractory Ladle Lining for Steelmaking［J］.ISIJ International,2003,43（8）:1 185-1 190.

［2］P.R.AUSTIN,J.M.CAMPLIN,J.HERBERTSON,etc.Modelling of Thermal Stratification and Drainage［J］.ISIJ International,1992,32（2）:196-202.

［3］M.HALLBERG,T.L.I.JONSSON and P.G.JNSSON.A New Approach to Using Modelling for on-line Prediction of Sulphur and Hydrogen Removal during Ladle Refining［J］.ISIJ International,2004,44（8）:1 318-1 327.

［4］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.

［5］米卫.LF钢水温度与成分控制模型的研究［D］.唐山：河北理工大学，2006.

［6］李晶，傅杰，王平，等.二次精炼渣钢反应及成渣热对钢液温度的影响［J］.特殊钢，1999，20（6）：42-44.

［7］赵成林，邹宗树.CAS-OB喷粉精炼温降预测模型［J］.材料与冶金学报，2006，5（4）：254-258.

［8］赵成林.CAS-OB喷粉精炼过程模拟研究［D］.沈阳：东北大学，2007.

［9］沈颐身，李保卫，吴懋林.冶金传输原理基础［M］.北京：冶金工业出版社，2000，325.

[10]毕海凤.应用神经网络实现精炼炉终点预报［D］.沈阳：东北大学，2006.

[11]于鹏，战东平，姜周华,等.LF精炼终点成分预报模型开发［J］.材料与冶金学报，2006，5（1）：20-22.

[12]冯明霞，李强，邹宗树.转炉终点预测模型中异常数据检验的研究［J］.中国冶金，2006，16（9）：27-31.

（编辑许营）

修回日期：2015-07-15

Development of Control M odel for Steel-refining Process in Lad le Furnace

Zhao Chenglin，Zhang Ning，Zhu Xiaolei，Wang Lijuan，ZhangWeiwei
（Iron&Steel Research Institutes of Ansteel Group Corporation,Anshan 114009,Liaoning,China）

Abstract：Based on the metallurgicalmechanism and the thermal balance theory ofmolten steel the controlmodel for steel-refining process in ladle furnace was established after considering these factors such as power-supplying by electrode,addition of alloy and slag charge aswell as the condition of the ladle together with using the artificial neural network algorithm and self-learning algorithm.The said controlmodel consists of the temperature forecastmodel and the alloy model.By testing,the absolute deviation in the range from minus 5℃to plus 5℃between the calculation values by using the temperature forecastmodel and actualmeasured values makes up more than 85%while the percent of pass of compositions inmolten steel improves to 94.7%from 90.1% and the average alloying time is shortened to 6.7 minutes from 8.9 minuteswhen the alloymodel is put into operation finally the controlmodel software for steel-refining process in ladle furnace was developed based on Microsoft Visual.Basic.net program designing software and Microsoft SQL Server 2000 database software.

Key words：ladle furnace;process control;mathematicalmodel

中图分类号：TF769

文献标识码：A

文章编号：1006-4613（2016）02-0025-05