CN108004368A - 智能化自动炼钢方法及装置 - Google Patents

Abstract

本发明公开了一种智能化自动炼钢方法及装置，所述方法包括：根据初始炼钢参数构建炼钢预测模型；所述炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间；根据所述炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；所述生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；当所述炼钢预测模型计算出所述炉内各成分含量达到预设钢水指标时，进行出钢操作；其中，所述钢水指标包括钢水重量、温度和化学成分。本发明实施例的技术方案通过构建炼钢预测模型，能够实现自动化炼钢，标准化炼钢。

Description

智能化自动炼钢方法及装置

技术领域

本发明涉及钢铁冶金技术领域，特别涉及一种智能化自动炼钢方法及装置。

背景技术

由于炼钢过程中会涉及到很多原料以及产物，现有的很多的炼钢方法不能有效利用各方面的原料及产物，仅靠人工经验控制操作及人工采集信息少传统落后的方法，不能进行资源的合理配置，导致资源的浪费，所以，需要一种能够有效利用各个阶段的原料，进行自动化炼钢。

目前国内广泛采用的自动化炼钢方法，主要是采用静态控制或转炉副枪+静态(炉气定碳+静态)控制方式，特别是采用副枪检测方式大幅度提高了终点[C]、[T]的命中率，但尽管动态控制校正了静态模型的计算误差，能提高终点[C]、[T]的控制精度和命中率，但仍存在以下不足：(1)投资运行成本高；(2)不能对冶炼炉渣过程进行有效的监测和控制；(3)不能对终点[S]、[P]进行准确控制；(4)不能实现计算对整个冶炼过程进行动态检测和进行闭环在线控制。因此难以适应冶炼的实际情况。

发明内容

有鉴于此，本发明的目的是提供一种对整个炼钢过程建立预测模型，来实时预测转炉内的各冶炼参数的实时变化情况，并根据各冶炼参数的变化情况对炉内成分进行实时调整的智能化自动炼钢方法及装置。

为了实现上述目的，本发明提供了一种智能化自动炼钢方法，包括：根据初始炼钢参数构建炼钢预测模型；所述初始炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间；

根据所述炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；所述生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；

当所述炼钢预测模型计算出炉内的钢水指标达到预设钢水指标时，进行出钢操作；其中，所述钢水指标包括钢水重量、温度和化学成分。

作为优选，根据所述炼钢预测模型，实时调整炼钢过程中的炼钢参数，包括：

根据所述炼钢预测模型输出的炉内信息，生成炼钢指令，以协调钢水加热速度和杂物的氧化速度。

作为优选，根据所述炼钢预测模型输出的炉内信息，生成炼钢指令，包括：

若转炉内氧化剂含量低于炼钢预测模型计算的氧化剂含量，则向所述转炉发送以下至少一种操作指令：

调整氧枪位置；

提高所述转炉内的吹氧强度；

向所述转炉内添加氧化剂。

作为优选，调整氧枪位置之后，所述方法还包括：

根据调整后的氧枪位置，调整所述转炉内的温度、熔池搅拌强度和炉渣的氧化性。

作为优选，向所述转炉内添加氧化剂之后，所述方法还包括：

根据所述氧化剂的种类，对所述转炉的温度进行调整。

本发明还提供一种智能化自动炼钢装置，包括：

构建模块，配置为根据初始炼钢参数构建炼钢预测模型；所述初始炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间；

调整模块，配置为根据所述炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；所述生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；

出钢模块，配置为当所述炼钢预测模型计算出炉内的钢水指标达到预设钢水指标时，进行出钢操作；其中，所述钢水指标包括钢水重量、温度和化学成分。

作为优选，所述调整模块包括：

协调子模块，配置为根据所述炼钢预测模型输出的炼钢参数，生成炼钢指令，以协调钢水加热速度和杂物的氧化速度。

作为优选，协调子模块包括：

发送子模块，配置为当转炉内氧化剂含量低于炼钢预测模型计算的氧化剂含量，则向所述转炉发送以下至少一种操作指令：

调整氧枪位置；

提高所述转炉内的吹氧强度；

向所述转炉内添加氧化剂。

作为优选，所述装置还包括：

第一调整子模块，配置为调整氧枪位置之后，根据调整后的氧枪位置，调整所述转炉内的温度、熔池搅拌强度和炉渣的氧化性。

作为优选，所述装置还包括：

第二调整子模块，配置为向所述转炉内添加氧化剂之后，根据所述氧化剂的种类，对所述转炉的温度进行调整。

与现有技术相比，本发明具有以下有益效果：本发明实施例的技术方案根据初始炼钢参数构建炼钢预测模型，再根据所述炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；所述生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；当所述炼钢预测模型计算出所述炉内各成分含量达到预设钢水指标时，进行出钢操作，从而实现自动化炼钢，标准化炼钢。

附图说明

图1为本发明的智能化自动炼钢方法的实施例一的流程图；

图2为本发明的智能化自动炼钢方法的实施例二的流程图；

图3为本发明的智能化自动炼钢装置的实施例一的示意图；

图4为本发明的智能化自动炼钢装置的实施例二的示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

炼钢的原理就是在高温条件下，用氧气或铁的氧化物把生铁中所含的过量的碳和其他杂质转为气体或炉渣而除去。现有技术中对于自动化炼钢方法主要有如下两种：一是采用静态模型的方法，即在炼钢之前将参数设定好，在炼钢过程中凭操作人员的经验进行调整，这种方法主要靠操作人员的经验，出钢率较低；二是采用动态模型的方法，即在转炉上加装副枪装置，在出钢前3min左右利用副枪进行在线检测炉内温度及碳，根据采样的数据进行分析，再进行调整，这种方法出钢率较高，但是生产成本也很高。

本发明实施例结合热力学模型与动力学模型，立足于转炉中的化学过程，能够精确地计算炉内的钢水-渣-炉气，本实施例的理论基础如下：

智能化自动炼钢方法可以描述任何系统中的化学过程，而不是以前对化学过程理解的化学计量反应的概念。这种方法是从假设出发，根据这个假设，则任何物质系统在平衡条件下都完全可以用状态方程式来描述：

f(S,V,m₁,m₂,...m_k)＝0 (1)

其中，S表示为熵，,V表示为体积，m_j表示为从1到k的化学元素质量(用k个组成的物质m代替总的物质M)。

等式1-1中的进项K+2值就是整套的独立变数，这套独立变数用来对系统所有性能的描述是足够的。例如，钢水-炉渣-炉气系统自由能(G)是这些变数的某种函数：

G＝G(T,P,m₁,m₂,…,m_k). (2)

其中，G表示系统自由能，T表示温度，P表示压力，m_j表示为从1到k的化学元素质量(以下出现的参数G、T、P和m_j均表示相同含义)。

这个等式称作为状态方程式。状态方程式的具体形式决定于溶液理论。为了描述钢水-渣-炉气的三相系统必都知道三个状态方程式。

G＝G_мет+G_шл+G_газ (3)

G_мет＝G_мет(T,P,m_[1],m_[2],...,m_[k]) (4)

G_шл＝G_шл(T,P,m₍₁₎,m₍₂₎,…,m_(k)) (5)

G_газ＝G_газ(T,P,m_{1},m_{2},…,m_{k}) (6)

:写成强变量的平衡条件2K(k-系统中所含有的元素种类)：

μ_[i]＝μ_(i)＝μ_{i} (7)

和物料平衡方程式：

m_i＝m_[i]+m_(i)+m_{i} (8)

得到3K方程式，就可以按照装料量和它的成分计算物相中所有未知3K组成物的质量，同样，也可以计算出冶炼产物的质量和成分。

该方法优点是任何形成物相的组成物都是以周期表的化学元素出现，这就能合适地描述物相，而用不到引入分子成分的假设。

图1为本发明的智能化自动炼钢方法的实施例一的流程图，如图1所示，本实施例的智能化自动炼钢方法，具体可以包括如下步骤：

S101，根据初始炼钢参数构建炼钢预测模型；炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间。

具体地，本实施例根据热力学、动力学和流体力学原理，根据出炼钢的预测模型，以便于在炼钢过程中，完全根据炼钢预测模型所预测的“钢水-炉渣-炉气”三相反应区内各元素的情况，来进行调整。一般情况下，物料包括生铁、渣钢和废钢。

S102，根据炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息。

在具体实施时，可以自动向转炉发送控制指令进行调整，在必要时，还可以由自动模式转为人工模式，进行调整。

S103，当炼钢预测模型计算出炉内各成分含量达到预设钢水指标时，进行出钢操作；其中，钢水指标包括钢水重量、温度和化学成分。

目前无论哪种自动冶炼控制模型都是基于冶炼过程中的热力学反应和动力学的理论基础所创造的静态模型计算为基础，本实施例更重视“钢水-炉渣-炉气”三相反应区内各元素的氧化速率和FeO的还原速率，根据三相之间复杂关系对各元素平衡值的实际影响，这是本实施例的核心。而且通过实验证明，本发明在自动化炼钢、降低成本、提高精准度方面取得了非常好的效果。

另外就是把元素反应由分子学说用共价电子学和原子学，从更微观角度来分析相互关系的求证，从而简化了物相之间的运动平衡的计算模型，能够更精准的更全面的涵盖转炉工艺过程的所有主要方面，从而在钢水成份，炉渣成份和炉内变化而预测总趋势建立起各元素氧化速度的定性化和定量化的反应轨迹曲线来控制一炉钢的全部冶炼过程。

本发明实施例的技术方案根据初始炼钢参数构建炼钢预测模型，再根据炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；当炼钢预测模型计算出炉内各成分含量达到预设钢水指标时，进行出钢操作，从而实现自动化炼钢，标准化炼钢。

图2为本发明的智能化自动炼钢方法的实施例二的流程图，本实施例的智能化自动炼钢方法在上述实施例一的基础上，进一步更加详细地介绍本发明的技术方案。如图2所示，本实施例的智能化自动炼钢方法，具体可以包括如下步骤：

S201，根据初始炼钢参数构建炼钢预测模型；炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间。

在具体实施时，可以自动向转炉发送控制指令进行调整，在必要时，还可以由自动模式转为人工模式，进行调整。

S202，根据炼钢预测模型输出的炉内信息，生成炼钢指令，以协调钢水加热速度和杂物的氧化速度。

具体地，步骤S202包括：若转炉内氧化剂含量低于炼钢预测模型计算的氧化剂含量，则向转炉发送以下任何一种操作指令：

A，调整氧枪位置；

B，提高转炉内的吹氧强度；

C，向转炉内添加氧化剂。

具体地，调整氧枪位置之后，该方法还包括：

D，根据调整后的氧枪位置，调整转炉内的温度、熔池搅拌强度和炉渣的氧化性。

具体地，向转炉内添加氧化剂之后，该方法还包括：

E，根据氧化剂的种类，对转炉的温度进行调整。

另外，本实施施在具体实施时，还可以根据炉渣中氧化亚铁(FeO)的变化趋势，自动微调枪位，控制喷溅和溢渣。

在具体实施时，可以自动向转炉发送控制指令进行调整，在必要时，还可以由自动模式转为人工模式，进行调整。

S203，当炼钢预测模型计算出炉内各成分含量达到预设钢水指标时，进行出钢操作；其中，钢水指标包括钢水重量、温度和化学成分。

目前无论哪种自动冶炼控制模型都是基于冶炼过程中的热力学反应和动力学的理论基础所创造的静态模型计算为基础，本实施例更重视“钢水-炉渣-炉气”三相反应区内各元素的氧化速率和FeO的还原速率，根据三相之间复杂关系对各元素平衡值的实际影响，这是本实施例的核心。而且通过实验证明，本发明在自动化炼钢、降低成本、提高精准度方面取得了非常好的效果。

另外就是把元素反应由分子学说用共价电子学和原子学，从更微观角度来分析相互关系的求证，从而简化了物相之间的运动平衡的计算模型，能够更精准的更全面的涵盖转炉工艺过程的所有主要方面，从而在钢水成份，炉渣成份和炉内变化而预测总趋势建立起各元素氧化速度的定性化和定量化的反应轨迹曲线来控制一炉钢的全部冶炼过程。

本发明实施例的技术方案根据初始炼钢参数构建炼钢预测模型，再根据炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；并且还可以根据所采用的方法不同，进行相应的后续操作，从而实现提高自动化炼钢的精确度。

图3为本发明的智能化自动炼钢装置的实施例一的示意图，如图3所示，本实施例的智能化自动炼钢装置，具体可以包括构建模块31、调整模块32和出钢模块33。

构建模块31，配置为根据初始炼钢参数构建炼钢预测模型；炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间；

调整模块32，配置为根据炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；

出钢模块33，配置为当炼钢预测模型计算出炉内各成分含量达到预设钢水指标时，进行出钢操作；其中，钢水指标包括钢水重量、温度和化学成分。

本实施例的智能化自动炼钢移动终端安全防护装置，通过采用上述模块对对炼钢进行自动化控制的实现机制与上述图1所示实施例的智能化自动炼钢方法的实现机制相同，详细可以参考上述图1所示实施例的记载，在此不再赘述。

图4为本发明的智能化自动炼钢装置的实施例二的示意图，本实施例的智能化自动炼钢装置在如图3所示的实施例一的基础上，进一步更加详细地介绍本发明的技术方案。如图4所示，本实施例的智能化自动炼钢装置，进一步可以包括：

调整模块32包括：

协调子模块321，配置为根据炼钢预测模型输出的炼钢参数，生成炼钢指令，以协调钢水加热速度和杂物的氧化速度。

进一步地，协调子模块321包括：

发送子模块，配置为当转炉内氧化剂含量低于炼钢预测模型计算的氧化剂含量，则向转炉发送以下任何一种操作指令：

调整氧枪位置；

提高转炉内的吹氧强度；

向转炉内添加氧化剂。

进一步地，装置还包括：

第一调整子模块，配置为调整氧枪位置之后，根据调整后的氧枪位置，调整转炉内的温度、熔池搅拌强度和炉渣的氧化性。

进一步地，装置还包括：

第二调整子模块，配置为向转炉内添加氧化剂之后，根据氧化剂的种类，对转炉的温度进行调整。

本实施例的智能化自动炼钢装置，通过采用上述模块对炼钢的自动化控制的实现机制与上述图2所示实施例的智能化自动炼钢方法的实现机制相同，详细可以参考上述图2所示实施例的记载，在此不再赘述。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (10)

1.一种智能化自动炼钢方法，其特征在于，包括：

根据初始炼钢参数构建炼钢预测模型；所述初始炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间；

根据所述炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；所述生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；

当所述炼钢预测模型计算出炉内的钢水指标达到预设钢水指标时，进行出钢操作；其中，所述钢水指标包括钢水重量、温度和化学成分。

2.根据权利要求1所述的方法，其特征在于，根据所述炼钢预测模型，实时调整炼钢过程中的炼钢参数，包括：

根据所述炼钢预测模型输出的炉内信息，生成炼钢指令，以协调钢水加热速度和杂物的氧化速度。

3.根据权利要求2所述的方法，其特征在于，根据所述炼钢预测模型输出的炉内信息，生成炼钢指令，包括：

若转炉内氧化剂含量低于炼钢预测模型计算的氧化剂含量，则向所述转炉发送以下至少一种操作指令：

调整氧枪位置；

提高所述转炉内的吹氧强度；

向所述转炉内添加氧化剂。

4.根据权利要求3所述的方法，其特征在于，调整氧枪位置之后，所述方法还包括：

根据调整后的氧枪位置，调整所述转炉内的温度、熔池搅拌强度和炉渣的氧化性。

5.根据权利要求3所述的方法，其特征在于，向所述转炉内添加氧化剂之后，所述方法还包括：

根据所述氧化剂的种类，对所述转炉的温度进行调整。

6.一种智能化自动炼钢装置，其特征在于，包括：

构建模块，配置为根据初始炼钢参数构建炼钢预测模型；所述初始炼钢参数包括物料的种类、物料的化学成分、物料和能源载体的消耗系灵敏、出钢时钢水的化学成分、造渣次数和冶炼周期持续时间；

调整模块，配置为根据所述炼钢预测模型输出的炼钢参数，实时调整炼钢过程中的生产参数；所述生产参数包括钢水的重量、钢水的温度、碳含量、氧枪吹氧时间、吹氧量和炉口火焰信息；

出钢模块，配置为当所述炼钢预测模型计算出炉内的钢水指标达到预设钢水指标时，进行出钢操作；其中，所述钢水指标包括钢水重量、温度和化学成分。

7.根据权利要求6所述的装置，其特征在于，所述调整模块包括：

协调子模块，配置为根据所述炼钢预测模型输出的炼钢参数，生成炼钢指令，以协调钢水加热速度和杂物的氧化速度。

8.根据权利要求7所述的装置，其特征在于，协调子模块包括：

发送子模块，配置为当转炉内氧化剂含量低于炼钢预测模型计算的氧化剂含量，则向所述转炉发送以下至少一种操作指令：

调整氧枪位置；

提高所述转炉内的吹氧强度；

向所述转炉内添加氧化剂。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第一调整子模块，配置为调整氧枪位置之后，根据调整后的氧枪位置，调整所述转炉内的温度、熔池搅拌强度和炉渣的氧化性。

10.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第二调整子模块，配置为向所述转炉内添加氧化剂之后，根据所述氧化剂的种类，对所述转炉的温度进行调整。