CN101592964A - 一种双工位lf炉钢水温度预报控制系统 - Google Patents

Abstract

一种双工位LF炉钢水温度预报控制系统，属于LF炉自动控制技术领域。该系统包括在线检测预报控制的硬件和软件处理模块；其特征在于，硬件包括测温热电偶，通过以太网连接LF炉生产过程数据库；软件处理模块包括数据采集模块、双工位处理模块、温度校正模块、钢水温度预报模块、参数自学习模块、钢水温度控制模块、历史数据查询模块。优点在于，预报准确、可靠实用、自动化水平高。

Description

一种双工位LF炉钢水温度预报控制系统

技术领域

本发明属于LF炉自动控制技术领域，特别是提供了一种双工位LF炉钢水温度预报控制系统。

背景技术

LF炉精炼生产作为炼钢和连铸的衔接环节，对于调整钢水温度和成分，保证连铸顺利进行至关重要。LF炉二级系统以数学模块为核心，对供电、造渣、调温和合金化等操作参数进行合理的优化计算，对精炼过程中钢水的温度和成分进行在线跟踪、预报和控制。LF炉冶炼工艺复杂多变，自动化水平有限，限制了LF炉生产自动控制。钢水温度检测、预报和控制自动化程度有限。实现电极加热自动控制，关键需要实时准确掌握钢水温度状态和优化电极加热控制方法。

目前实际生产中，操作人员常使用一次性热电偶测温来获取LF炉钢水温度信息。由于LF炉冶炼周期长，终点钢水温度要求精确度高，增加了测温次数，提高了生产成本和劳动强度，同时也无法连续掌握钢水温度信息，存在操作盲点。

姜周华等建立的描述LF炉运行电抗以及二次侧运行相电压的电抗模型，并在综合考虑LF炉热平衡的基础上提出了合理的供电制度。该方法是一种理论模型计算方法。

北京科技大学的孙民生、付杰等等发明的直流电弧-电渣加热钢包炉计算机控制装置，是一种由过程计算机和基础计算机两级，包括IPC-610微机、彩色显示器、打印机，以及CPU模块、D/A输出模块、高速计数模块等组成的直流电弧-电渣加热钢包炉计算机控制装置，以及将信号极预埋在钢包的耐火材料包衬内，直接与钢液和钢包壳相连接，并将信号极作为控制冶炼时的电压参考点的直流电弧电渣加热钢包炉及其控制方法。该方法属于自动控制方式，是一级控制。

王瑞华等基于数学模型的钢包精炼炉过程控制，介绍了莱钢50吨钢包精炼炉生产工艺概况，精炼数模控制技术以及计算机系统控制功能的实现；

庄璐等采用DRNN神经网络算法，并结合其电极模型的非线性、强耦合、时变性的特点对天津钢铁公司110t LF炉电极模型进行在线辨识的研究；

杜斌等研制的一种RH精炼炉钢液温度实时预测方法，采用冶金学机理模型或生产数据量化的因素引起的RH精炼炉钢液温度变化分量；利用神经网络模型计算自然温降引起的RH精炼炉钢液温度变化分量；将两者变化分量相加以得到该时刻的RH精炼炉钢液温度相对于处理开始时刻的变化量，具有实时、准确地预测RH精炼炉钢液温度的一种RH精炼炉钢液温度实时预测方法。

吴晓东等采用多元回归分析方法建立了宝钢一炼钢厂LF钢包炉精炼终点钢水温度的预报模型，应用该模型对LF精炼终点钢水温度进行预测，得到预测误差在+10℃时命中率达到95％结果。虽然模型预报精度较高，但计算较复杂，影响系统运行效率。

武拥军等以钢水和炉渣为研究体系，通过对LF炉精炼过程中能量收入和损失的系统分析及体系的能量平衡规律推导出LF炉精炼过程钢水的升温速度数学模型。该模型是基于大量前提条件和冶金理论建立起来的，工业生产实用性相对较低，不具备参数自学习功能。

上述模型中，机理模型理论水平高，但与实际生产情况差别较大；经验模型经过很多假设才能得到一个经验公式；神经网络方法学习迭代次数较多，时间较长，制约着系统的实际应用。由于目前国内多数钢铁企业LF炉自动化程度有限，多属于一级自动控制。根据实时钢水温度控制电极加热，再根据实际生产情况预报钢水温度，这种钢水温度自动控制仅限于理论计算，尚未有能够达到实际工业应用要求的预报和控制系统。

发明内容

本发明的目的在于提供一种双工位LF炉钢水温度预报控制系统，实现了钢水温度自动控制，提高LF炉生产自动化水平，满足了钢水质量要求。LF炉钢水处理过程中，该设备提供双工位钢水温度预报及其控制信息，并显示在相应的操作界面上，是具有实时性特点的过程自动化，克服了单工位控制的缺陷，保证了数据的完整性。LF炉钢水温度预报控制模块可以精确预报钢水实时温度，缩短处理时间，控制终点温度，最大限度地提高LF炉生产自动化水平。充分考虑了双工位系统控制钢水温度的过程，能够实现双工位自由切换问题。

本发明基于能量守恒、冶金机理、自学习算法，建立了钢水温度预报模块、参数自学习模块、钢水温度控制模块，模块之间相互协作；利用热电偶进行有限的温度检测，以温度预报模块、监控模块、温度控制模块、自学习模块为核心设计了一套用于LF炉钢水温度预报、控制的智能化系统，预报不同钢包热状态下LF炉钢水温度变化曲线，控制电极加热模式，满足钢水终点温度要求。将无法连续测温的问题，转化为以直观的温度曲线图、表的形式显示出来，实现连续预报功能；将LF炉电极加热问题，转化为以参数设定值列表形式显示在客户端界面，实现自动执行控制。

本发明的系统包括在线检测预报控制的硬件和软件处理模块：硬件有测温热电偶，通过以太网连接LF炉生产过程数据库；软件处理模块包括数据采集模块(一级、三级与二级的通讯)、双工位处理模块、温度校正模块、钢水温度预报模块、参数自学习模块、钢水温度控制模块、历史数据查询模块。

双工位处理模块，根据炉次对应1#、2#钢包车确定为1#处理位和2#处理位，每个处理位对应一套模块计算进程。双工位能够同时实现两个炉次的单独控制、数据跟踪及预报。该模块的设计能够扩大系统控制范围，适合于发生交叉操作工况需求，适合于生产节奏紧张的生产过程，满足钢厂需求。

钢水温度预报模块以冶金理论为基础，确定影响钢水温度变化的各因素，实时预报钢水温度，以现场检测数据为依据，模块中对钢包热状态对于钢水温度的不断变化进行了系统的模拟计算，设计了一种动态钢包热影响参数计算方法；设计了吊包位钢水自然温降系数的优化方法，考虑了渣厚、钢包盖的影响，提高了钢水温度预报的准确率。

钢水温度控制模块基于能量守恒定律和经验操作模式，将冶炼阶段划分为主加热阶段和辅加热阶段。根据测温次数和生产事件，自动启动模块计算，计算电极抽头、曲线和加热电耗。

参数自学习模块主要是以最近10炉实测数据作为学习样本，反算出10个电极加热效率参数。输入变量为：LF炉加热开始至结束的时间间隔、LF炉钢水温度变化量、电耗变化量和钢水重量，输出变量为电极热效率参数值。自学习公式为：自学习后参数＝当前参数值+(反算出的10炉参数平均值-当前参数值)/2，参数自学习后不能超过该参数的最大、最小值范围。

所述的钢水温度预报模块，实现如下步骤：

(1)计算可用冶金学原理或生产数据量化因素引起的LF炉温度变化分量；

(2)预报温度＝上一预报温度+各因素温度变化分量；

(3)如果发生热电偶测温，判断检测温度是否有效；

(4)以实际检测温度校正温度预报值。

所述的钢水温度控制模块，实现如下步骤：

(1)根据钢水生产情况，确定钢水冶炼阶段；

(2)主加热阶段采用经验加热模式，计算抽头、曲线的变化和加热时间并实现自动控制；

(3)辅加热阶段根据预报钢水温度和目标钢水温度要求，计算抽头、曲线的变化和加热时间并实现自动控制；

所述的双工位控制模块，实现如下步骤：

(1)炉次载入LF炉二级系统时，设定好炉次的处理位；

(2)炉次及其对应的处理位都录入数据库中；

(3)模块计算进程以处理位为标志，设计两套计算进程；

(4)不同的处理位调动对应的计算进程；

本发明在钢水温度预报模块、控制模块、自学习模块基础上，设计了双工位LF炉钢水温度预报、控制系统，分为客户端和后台系统两部分，实现了LF炉生产全自动模式。客户端主要用于将后台计算结果以图形、数据的形式直观的显示给用户；后台系统包括数据库、通讯模块、和计算模块。模块计算模块包括钢水温度预报和控制模块、主进程协调模块、自学习模块，既可实现各自的功能又可互相协作，构成了统一整体。具体的技术内容包括：

(1)采用温度趋势线、表格的形式实现钢水温度的在线监测和预报；

(2)采用自学习方法优化模块参数；

(3)采用ORACLE数据库实现在线监测和过程数据的存储；

(4)系统历史数据查询；

参数自学习模块和钢水温度预报模块有机结合，构成统一整体，

本发明双工位LF炉钢水温度预报控制系统，具有预报准确、可靠实用、自动化水平高的特点，为操作工实时了解钢水状况、实现LF炉生产自动控制提供了依据。用户可以通过有限的检测数据校正钢水预报结果，并监视钢水温度变化，实现钢水温度自动控制。

附图说明

图1为本发明具体实施方式的双工位结构图。

图2为本发明具体实施方式的钢水温度预报模块流程图。

图3为本发明具体实施方式的钢水温度控制模块流程图。

图4为本发明具体实施方式的钢水温度循环控制图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细的说明。

本系统自动采集一级系统测温信，写入L2服务器，经过温度校正模块判断后作为基础数据，写入对应的1#位和2#位炉次表中。分别建立温度预报模块和控制模块、参数自学习模块来优化LF炉钢水温度控制：钢水温度预报模块基于冶金原理模块和自学习模块，计算间隔时间内的钢水温度变化增量；温度控制模块根据实时预报钢水温度和目标温度要求，计算电极加热模式。

1、所述的双工位控制理论，具体实现方法如下：

本发明基于“双工位”处理理论，根据炉次所在的1#、2#钢包车，确定为1#处理位和2#处理位，同时实现两个炉次的单独控制、数据跟踪及预报，保证生产数据跟踪的完整性和独立性。双工位结构如图1所示。

(1)客户端的双工位处理：

在炉次载入阶段，根据当前炉次所在的钢包车，设置其对应处理位的输入按钮，由操作工完成输入工作。在炉次跟踪过程中，根据处理位不同划分不同的控制界面，实现系统的操作。

(2)计算进程的双工位处理

1#处理位或2#处理位炉次开始后，调动不同的计算进程，具有相对独立性，互不影响。

(3)通讯系统的双工位处理

通讯系统采集过来的信息根据炉次号划分，写入数据库，完成数据的存储。由于LF炉生产中一般只记录加热位炉次的电耗、加热时间等信息，如果两炉次交叉生产，生产数据就会混乱。二级系统考虑到这个问题，将生产数据以是否在加热位为判断条件，分别累计1#位、2#位的生产数据，保证了模块的正常运行。

(4)数据库的双工位处理

双工位系统运行过程中，根据处理位和炉次号存储生产数据和计算结果。

2、本发明采用自学习方法优化电极加热参数，不同的加热模式、钢水温度，电极加热效率不同。下面就自学习方法做详细说明。

为了建立起电极加热升温的变化曲线，提供最近10组实测数据作为学习样本，每组数据包括作为输入变量的合闸阶段某一抽头、曲线开始时刻到结束时刻的时间间隔、温度变化和电耗变化，作为输出变量的电极加热热效率。参数自学习模块优化公式为：

自学习后参数＝当前参数值+(反算出的10炉参数平均值-当前参数值)/2，参数自学习后不能超过该参数的最大、最小值范围。

经过自学习，修正了不同抽头、曲线对应的升温系数。在钢水温度预报模块中，结合自学习后的升温系数计算出电极升温的变化分量。

电极加热划分如此之细，主要是基于不同的加热速率(即抽头、曲线)升温能力不同。通过自学习，划分不同钢种相邻炉次的自学习系数。本发明人员认为采用自学习模块来优化模块参数能够有效避免计算的复杂性，关键是能够提高温度预报的实时性和准确性，根据生产实际情况采用合适的自学习参数非常实用。

3、LF炉钢水温度预报模块基于冶金基本理论，以热电偶实测温度为参照依据，机理模块和自学习模块有机结合，提高了温度预报的准确率。系统总流程如图2示。

(1)以热平衡理论为基础，采用冶金机理计算料仓加料温降，实现方法如下：

LF炉冶炼过程中，物料种类不同，热效应也有差别。合金物料根据其化学作用分为成分合金化和脱氧两种；渣料主要是造白渣用途，也需要吸热化渣。计算物料加热对温度的影响变化量时，根据钢水需求判断物料用途是造渣、合金化还是脱氧，然后计算其温度变化分量。根据热力学理论，表1列出了各种物料在不同情况下的温降系数，单位是℃/100kg/t钢，即没100kg物料加入量对每吨钢水的温度改变量。每种物料的加入引起的钢水温度变化分量＝物料温降系数*物料加入量。然后将间隔时间内所有物料温度变化分量相加得到T_alloy。

物料种类包括：硅铁、锰铁、碳粉、铝粒、合成渣、萤石等，温降系数如表1所示。

表1  物料温降系数

物料名称	温降系数℃/100kg/100t
		碳粉	1.0
硅铁	0.8
		铝粒	0.6
合成渣	2.0
		萤石	0.2

(2)钢包热状态对温度的影响

钢包热状态不同，温降系数也有差别。钢包初始热状态对钢水温度的影响主要是在LF炉冶炼前期，热状态不同，影响程度也不同。以下将对钢包热状态引起的钢水温度变化量的计算公式做详细描述。

所谓钢包状态即上一炉浇注结束至本炉出钢开始的时间间隔，当该时间间隔较长时，在LF炉冶炼初期，钢包将吸收较多的热量，因此钢水温度的降低程度更大；反之，钢包将吸收较少的热量，因此使得钢水温度的降低程度较小。本发明将钢包热状态分为1——6级，每级对应一个温度补偿量，并且按照下式计算引起的钢水温度变化量：

dT(t)＝T_bc*t/12(t＜＝12)

其中，dT(t)是间隔时间内钢水的温度变化量，T_bc是与相应级别对应的温度补偿量，具体数据根据经验参数设定。根据生产经验，钢包的吸热主要发生在LF炉冶炼的前12min，因此这里t＜＝12分钟。

表2  钢包热状态温降系数

热状态级别

热状态

温降系数℃/12min

1	正常	0
			2	超时	5
3	小修	8
			4	大修	15
5	烘烤	18
			6	黑包	25

(3)在LF炉冶炼过程中，吹氩温降(或称自然温降)分为，在加热位的吹氩和吊包位的吹氩温降。

1)加热位的吹氩温降

向加热位的钢水吹氩搅拌时，主要是均匀化钢水温度和成分，这导致钢水温度的变化。为了确定这种温度变化，首先根据生产数据确定加热位的温降系数，吹氩强度不同，温降系数也有差别，但总体变化不大。加热位温降系数为常数。

2)吊包位的吹氩温降

钢包出加热位后，没有钢包盖的保护，温度受钢包热状态和吹氩搅拌影响更明显，吹氩温降影响更加明显。根据吹氩强度、渣厚划分几个级别，不同级别设定不同的温降系数，计算吊包位钢水温度的变化分量。

表3  软吹温降系数(℃/min)

渣厚\吹氩强度	小	中	大
				厚	0.2	0.4	0.8
中	0.4	0.8	1.0
				薄	0.8	1.0	1.2

(4)利用电极加热热效率参数计算电极加热引起的温度增量。

LF炉钢水温度在线预报和控制方法中，影响钢水温度的因素分为两类，一类是基于冶金学机理模块或生产数据进行量化的，例如料仓加料、吹氩搅拌、钢包热状态等，另一类因素具有复杂的非线性特征，难以用物理模型或热力学模型以及生产数据进行精确地描述，例如电极热效率。本发明将其用自学习模块优化后的加热热效率计算钢水温度增量，提高了预报精度，从而达到实时、准确的预报LF炉钢水温度的目的。

(5)温度校正模块，判断有效测温点，校正温度预报结果

由于LF炉生产过程中，单次热电偶测温存在一定的误差，甚至与实际温度相差甚远。温度校正方法基于前两个次温度预报和实际检测值的偏差，判断是否校正第三点温度。校正的标准如下：

1)所有高于25℃的温度偏差，不进行校正；

2)LF炉冶炼初期钢水温度和钢包热状态关系密切，钢水预报和实际检测值偏差较大，所以本模块发明了一种采用前3次测温校正温度的方法，既保证了实际检测温度对预报值的校正，又防止了实际检测温度偏差太大时，对温度误校正。校正方法如表4所示：

A第一点作为起点

B第二点校正

C第三点校正或者忽略

表4  温度校正准则

第二点测温值与计算值比较	第三点测温值与计算值比较	操作
			测温值与计算值符合	符合	校正
	不符合	不校正
			测温值高于计算值	高于计算值	不校正
	低于计算值	校正
				符合	校正
测温值低于计算值	高于计算值	校正
				低于计算值	不校正
	符合	校正

注：符合：实际值与预报值偏差在5℃范围内；

不符合：实际值与预报值偏差超过5℃；

本发明指出，采用冶金学机理模块或根据生产数据精确确定对钢水温度影响程度的并不仅仅是实施实例中列出的料仓加料、电极加热、钢包状态(前12min)和吹氩搅拌(吊包位自学习)等因素。本发明是在公认的冶金机理的基础上，着重细化研究了采用自学习方法精确分析了电极加热引起的温度增量，进一步提高了钢水温度的预报精度，因此上述自学习方法优化参数属于本发明精神和保护范围的限定。

4.钢水温度控制模块基于冶金理论和经验操作模式，利用能量守恒原理计算出预计加热电耗、时间和抽头曲线。控制模块与预报模块有机结合，提高了运算效率和预报精度。实现方法如图3所示。

(1)钢水温度控制模块，是在经验操作模式的基础上，针对LF炉生产的自身特点，设定控制模式，具体方法如下：

主加热模块：第一次测温发生，加热时间小于10min；

辅加热模块：加热时间大于10min，测温次数大于1；

主加热阶段根据加热速率从快到慢，设计4种加热模式，包括：抽头、曲线、加热时间。辅加热模块默认为最快加热模式。

表5  四种加热模式

	主加热	辅加热
			加热模式	抽头/曲线/时间	抽头/曲线/时间
1	9/1/3，6/1/1，3/4/	3/4/
			2	9/1/3，6/1/2，3/4/	3/4/
3	9/1/3，6/1/3，3/4/	3/4/
			4	9/1/3，6/1/4，3/4/	3/4/

(2)主加热模块：此模块在第一次加热过程中使用，其输入为进钢包的进站温度，输出为钢种的吊包温度加上40℃的温降(此数值可以跟据生产实际情况修正)，此模块不考虑渣料的加入量及钢包自身的温降，因此运行此模块后的实测温度会稍低于之前的目标温度；

(3)辅加热模块：此模块在第二次及以后的多次加热中使用。该模块充分考虑了合金加料、钢包底吹和钢包自身带来的温降，可精确进行钢水温度的控制。

5.LF炉钢水温度预报控制系统，采用VC进行开发，以ORACLE数据库进行数据存储，分为客户端和后台系统两部分，后台系统包括数据库、通讯进程、计算模块，实现了LF炉钢水温度控制的自动化。钢水温度循环控制图如图4所示。

(1)客户端系统

客户端根据处理工位1#位和2#位划分界面，将后台系统采集和模块计算得到的结果以图形、数据的形式直观的显示给用户。

(2)后台系统

双工位的设计思想造成电极加热、料仓加料具有更加复杂的逻辑关系，因此特别开发了系统协调主进程来完成双工位程序逻辑判断以及触发运行工作。

主进程根据处理工位1#或2#位调动相应的计算进程。炉次开始后，主进程首先调动监控模块，输出当前冶炼阶段。钢水第一次测温后，温度预报模块启动；根据设定好的触发事件，主进程启动主加热模块和辅加热模块。

系统以满足钢水目标温度为目标，在主进程的协调下，循环计算模块的设定值和预报值，直至炉次结束。

(3)数据通讯

对于现场的检测点，采用OPC与下位PLC进行通讯，借助自主开发的OPC通讯程序读取或写入下位PLC数据，并将读取的实时数据写入数据库。保证实时、准确通讯，提高数据的通讯效率，并具有良好的通用性和可移植性。

(4)参数设置和历史查询

主要进行各种参数的初始化设置以及历史查询，包括：钢包热状态初始信息的设置；历史炉次基本信息和计算结果保存在数据库，提供用户查询功能。

Claims (5)

1.一种双工位LF炉钢水温度预报控制系统，包括在线检测预报控制的硬件和软件处理模块；其特征在于，硬件包括测温热电偶，通过以太网连接LF炉生产过程数据库；软件处理模块包括数据采集模块、双工位处理模块、温度校正模块、钢水温度预报模块、参数自学习模块、钢水温度控制模块、历史数据查询模块；数据采集模块进行一级、三级与二级的通讯；温度校正模块，判断有效测温点，校正温度预报结果；历史数据查询模块按照日期、钢种、班组、炉次查询基本冶炼信息；

双工位处理模块，根据炉次对应1#、2#钢包车确定为1#处理位和2#处理位，每个处理位对应一套模块计算进程；双工位能够同时实现两个炉次的单独控制、数据跟踪及预报；双工位处理模块的设计能够扩大系统控制范围，适合于发生交叉操作工况需求，适合于生产节奏紧张的生产过程，满足钢厂需求；

参数自学习模块是以最近10炉实测数据作为学习样本，反算出10个电极加热效率参数；

钢水温度预报模块确定影响钢水温度变化的各因素，实时预报钢水温度，以现场检测数据为依据，模块中对钢包热状态对于钢水温度的不断变化进行了系统的模拟计算，设计了一种动态钢包热影响参数计算方法；设计了吊包位钢水自然温降系数的优化方法，考虑了渣厚、钢包盖的影响，提高了钢水温度预报的准确率；

钢水温度控制模块基于能量守恒定律和经验操作模式，将冶炼阶段划分为主加热阶段和辅加热阶段；根据测温次数和生产事件，自动启动模块计算，计算电极抽头、曲线和加热电耗。

2、、根据权利要求1所述的系统，其特征在于，所述的参数自学习模块，实现如下步骤：

(1)统计最近10炉实测数据作为学习样本；

(2)输入变量为：LF炉加热开始至结束的时间间隔、LF炉钢水温度变化量、电耗变化量和钢水重量，输出变量为电极热效率参数值；

(3)自学习公式为：自学习后参数＝当前参数值+(反算出的10炉参数平均值-当前参数值)/2，参数自学习后不能超过该参数的最大、最小值范围；

(4)反算出的电极加热效率参数写入数据库中。

3、根据权利要求1所述的系统，其特征在于，所述的钢水温度预报模块，实现如下步骤：

(1)计算可用冶金学原理或生产数据量化因素引起的LF炉温度变化分量；

(2)预报温度＝上一预报温度+各因素温度变化分量；

(3)如果发生热电偶测温，判断检测温度是否有效；

(4)以实际检测温度校正温度预报值。

4、根据权利要求1所述的系统，其特征在于，所述的钢水温度控制模块，实现如下步骤：

(1)根据钢水生产情况，确定钢水冶炼阶段；

(2)主加热阶段采用经验加热模式，计算抽头、曲线的变化和加热时间并实现自动控制；

(3)辅加热阶段根据预报钢水温度和目标钢水温度要求，计算LF炉电极供电设定值，实现自动控制。

5、根据权利要求1所述的系统，其特征在于，所述的双工位控制模块，实现如下步骤：

(1)炉次载入LF炉二级系统时，设定好炉次的处理位；

(2)炉次及其对应的处理位都录入数据库中；

(3)模块计算进程以处理工位为标志，设计两套计算进程；

(4)不同的处理位启动对应的计算进程。

Images