CN110322057B - 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 - Google Patents
一种100t直流电弧炉出钢碳成分的预测系统及预测方法 Download PDFInfo
- Publication number
- CN110322057B CN110322057B CN201910537001.2A CN201910537001A CN110322057B CN 110322057 B CN110322057 B CN 110322057B CN 201910537001 A CN201910537001 A CN 201910537001A CN 110322057 B CN110322057 B CN 110322057B
- Authority
- CN
- China
- Prior art keywords
- steel
- data
- carbon content
- tapping
- carbon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
- C21C5/52—Manufacture of steel in electric furnaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C2300/00—Process aspects
- C21C2300/06—Modeling of the process, e.g. for control purposes; CII
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Geometry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Vertical, Hearth, Or Arc Furnaces (AREA)
- Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
Abstract
本发明涉及一种100t直流电弧炉出钢碳成分的预测系统及预测方法,预测系统包括数据采集模块、数据存储模块、数据分析模块、操作指导模块;预测方法为数据采集模块采集本炉冶炼的主要原材料数据;数据存储模块将所采集的数据进行存储,建立数据库;数据分析模块根据数据库提供的数据进行分析、对比,提出不同出钢碳含量条件下的供氧、供电参数;操作指导模块依据分析模块提供的数据,结合操作规程和出钢碳要求,给出供氧强度数值和供电操作曲线。本发明从现场生产过程中采集的大量数据,利用数据库资源来支持精确的逻辑分析判断、根据具体钢种碳成分要求,推论出对不同出钢碳成分的操作工艺参数。
Description
技术领域
本发明属于自动控制技术领域,具体涉及一种电炉冶炼不同合金钢时,根据出钢碳含量要求,提前给出100t直流电弧炉的冶炼工艺参数预测系统及预测方法。
背景技术
在特钢生产企业,电炉出钢时对不同的钢种有不同的出钢碳含量要求。电炉钢水中的碳含量主要来源于电炉热装铁水中的碳、或者配加的生铁当中的碳,以及冷钢中的碳。在电炉冶炼过程中,通过吹氧对碳进行氧化,减少碳含量的同时,还能够释放出大量的热量。随着吹氧量的增加,碳含量呈下降趋势。根据碳氧平衡积,碳含量越低,钢水中氧含量越高,增加了后道工序的脱氧难度和生产成本,不利于钢水纯净度的控制和整体经济效益的提升。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种100t直流电弧炉出钢碳成分的预测系统及预测方法,能够根据钢种冶炼的具体成分要求,根据出钢碳含量的要求,通过计算和经验总结,提前给出该炉钢水冶炼所需的吹氧、供电操作参数,指导现场操作,既能够减少成本浪费,又有利于钢水质量控制。
本发明解决上述问题所采用的技术方案为:一种100t直流电弧炉出钢碳成分的预测系统,包括数据采集模块、数据存储模块、数据分析模块和操作指导模块;
数据采集模块采集本炉冶炼的主要原材料数据,包括:铁水重量、铁水碳含量、废钢重量、废钢中的碳含量、铁水硅含量、废钢中的硅含量、供氧量和供电量。
数据存储模块将所采集的数据进行存储,建立数据库;
数据分析模块根据数据库提供的数据进行分析、对比,提出不同出钢碳含量条件下的供氧、供电参数;
操作指导模块依据分析模块提供的数据,结合操作规程和出钢碳要求,给出供氧强度数值和供电操作曲线。
本发明从现场生产过程中采集的大量数据,利用数据库资源来支持精确的逻辑分析判断、根据具体钢种碳成分要求,实时推论出100t直流电弧炉对不同出钢碳成分的操作工艺参数。同时,保存、积累生产现场数据,便于进一步优化工艺。
上述预测系统主要应用于电炉30%-60%的铁水(或生铁)冶炼,出钢温度在1580℃-1650℃,具体预测方法如下:
步骤1:电炉主控制室接到制造命令后,核对技术协议,要求出钢碳含量属于以下哪种情况:情况1:出钢碳含量在0.3%至0.6%;情况2:出钢碳含量在0.1%至0.3%;情况3:出钢碳含量小于0.1%。收集将要冶炼炉号所要加入的铁水重量、冷钢的重量和具体化学成分,重点关注碳含量,核算出本炉的配碳量,即Wc=(铁水重量×铁水碳含量+废钢重量×废钢中的碳含量)/装入量,同时采集配加的硅量,即Wsi=(铁水重量×铁水硅含量+废钢重量×废钢中的硅含量)/装入量。
步骤2:将采集到的数据,录入系统,进行保存。
步骤3:通过自主设计研发的方法计算出电炉正常冶炼条件下,对应的出钢碳含量:
情况1,参照以下的冶炼参数进行:
出钢碳含量%=调整系数K1*(7.73+1.65*Wc-0.00293*吨钢供氧量+0.0503*吨钢供电量),其中K1在0.005-0.02之间;
情况2,参照以下的冶炼参数进行:
出钢碳含量%=调整系数K1*(22.8+0.132*Wc-0.0811*吨钢供氧量-0.0177*吨钢供电量),其中K1在0.005-0.02之间;
情况3,参照以下的冶炼参数进行:
出钢碳含量%=调整系数K1*(7.70+0.0922*Wc-0.0661*吨钢供氧量+0.00516*吨钢供电量,其中K1在0.005-0.02之间
步骤4:根据现场具体情况和钢种磷含量要求,选择造渣参数,R=K2*(WSi/0.4),其中K2在1.8-2.5之间。
步骤5:记录、存储本炉冶炼的实际操作参数和冶炼结果;
步骤6:定期对收集的数据进行分析总结,对现有的计算公式中的调整系数K1进行修正,使之趋于常量值。
与现有技术相比,本发明的优点在于:
本发明能够根据钢种冶炼的具体成分要求,根据出钢碳含量的要求,通过计算和经验总结,提前给出该炉钢水冶炼所需的吹氧、供电操作参数,指导现场操作,既能够减少成本浪费,又有利于钢水质量控制。
附图说明
图1为本发明实施例提供的一种100t直流电弧炉出钢碳成分的预测方法的流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
实施例1
出钢碳含量在0.3%至0.6%
步骤一、将采集到的数据,录入系统,进行保存。
步骤二:通过自主设计研发的方法计算出电炉正常冶炼条件下,对应的出钢碳含量:
出钢碳含量%=调整系数K1*(7.73+1.65*Wc-0.00293*吨钢供氧量+0.0503*吨钢供电量),其中K1在0.005-0.02之间,Wc=(铁水重量×铁水碳含量+废钢重量×废钢中的碳含量)/装入量,7.73为脱碳常数,1.65为配碳系数,0.00293为供氧系数,0.0503为供电系数;
步骤三:根据现场具体情况和钢种磷含量要求,选择造渣参数,R=K2*(WSi/0.4),其中K2在1.8-2.5之间;Wsi=(铁水重量×铁水硅含量+废钢重量×废钢中的硅含量)/装入量;
步骤四:记录、存储本炉冶炼的实际操作参数和冶炼结果。
步骤五:定期对收集的数据进行分析总结,对出钢碳含量计算公式中的调整系数K1进行修正。
实施例2
出钢碳含量在0.1%至0.3%
步骤一、将采集到的数据,录入系统,进行保存。
步骤二:通过自主设计研发的方法计算出电炉正常冶炼条件下,对应的出钢碳含量:
出钢碳含量%=调整系数K1*(22.8+0.132Wc-0.0811*吨钢供氧量-0.0177*吨钢供电量),其中K1在0.005-0.02之间,Wc=(铁水重量×铁水碳含量+废钢重量×废钢中的碳含量)/装入量;
步骤三:根据现场具体情况和钢种磷含量要求,选择造渣参数,R=K2*(WSi/0.4),其中K2在1.8-2.5之间,Wsi=(铁水重量×铁水硅含量+废钢重量×废钢中的硅含量)/装入量;
步骤四:记录、存储本炉冶炼的实际操作参数和冶炼结果。
步骤五:定期对收集的数据进行分析总结,对出钢碳含量计算公式中的调整系数K1进行修正。
实施例3
出钢碳含量小于0.1%
步骤一、将采集到的数据,录入系统,进行保存。
步骤二:通过自主设计研发的方法计算出电炉正常冶炼条件下,对应的出钢碳含量:
出钢碳含量%=调整系数K1*(7.70+0.0922Wc-0.0661*吨钢供氧量+0.00516*吨钢供电量,其中K1在0.005-0.02之间,Wc=(铁水重量×铁水碳含量+废钢重量×废钢中的碳含量)/装入量;
步骤三:根据现场具体情况和钢种磷含量要求,选择造渣参数,R=K2*(WSi/0.4),其中K2在1.8-2.5之间,Wsi=(铁水重量×铁水硅含量+废钢重量×废钢中的硅含量)/装入量;
步骤四:记录、存储本炉冶炼的实际操作参数和冶炼结果。
步骤五:定期对收集的数据进行分析总结,对出钢碳含量计算公式中的调整系数K1进行修正。
除上述实施例外,本发明还包括有其他实施方式,凡采用等同变换或者等效替换方式形成的技术方案,均应落入本发明权利要求的保护范围之内。
Claims (4)
1.一种100t直流电弧炉出钢碳成分的预测系统的预测方法,预测系统包括数据采集模块、数据存储模块、数据分析模块和操作指导模块;
数据采集模块采集本炉冶炼的主要原材料数据,包括:铁水重量、铁水碳含量、废钢重量、废钢中的碳含量、铁水硅含量、废钢中的硅含量、供氧量和供电量;
数据存储模块将所采集的数据进行存储,建立数据库;
数据分析模块根据数据库提供的数据进行分析、对比,提出不同出钢碳含量条件下的供氧、供电参数;
操作指导模块依据分析模块提供的数据,结合操作规程和出钢碳要求,给出供氧强度数值和供电操作曲线;
所述方法主要应用于电炉30%-60%的铁水或生铁冶炼,出钢温度在1580℃-1650℃,具体预测方法如下:
步骤1 :电炉主控制室接到制造命令后,核对技术协议,数据采集模块采集将要冶炼炉号所要加入的铁水重量、冷钢的重量和具体化学成分,重点关注碳含量,核算出本炉的配碳量,即Wc=(铁水重量×铁水碳含量+废钢重量×废钢中的碳含量)/装入量,同时采集配加的硅量,即Wsi=(铁水重量×铁水硅含量+废钢重量×废钢中的硅含量)/装入量;
步骤2 :数据存储模块将采集到的数据,录入系统,进行保存;
步骤3 :数据分析模块根据以下公式计算出电炉正常冶炼条件下,对应的出钢碳含量:
出钢碳含量% = 调整系数K1*(A + B*Wc - C*吨钢供氧量 + D*吨钢供电量),其中K1在0.005-0.02之间,A为脱碳常数,B为配碳系数,C为供氧系数,D为供电系数;
步骤4 :根据现场具体情况和钢种磷含量要求,选择造渣参数,R=K2*(WSi/0.4),其中K2在1.8-2.5之间;
步骤5:数据分析模块将本炉冶炼的实际操作参数和冶炼结果发送至数据存储模块进行记录、存储;
步骤6:操作指导模块定期对收集的数据进行分析总结,对现有的计算公式中的调整系数K1进行修正,使之趋于常量值。
2.根据权利要求1所述的一种100t直流电弧炉出钢碳成分的预测系统的预测方法,其特征在于:出钢碳含量在0.3%至0.6%时,脱碳常数A为7.73,配碳系数B为1.65,供氧系数C为0.00293,供电系数D为0.0503。
3.根据权利要求1所述的一种100t直流电弧炉出钢碳成分的预测系统的预测方法,其特征在于:出钢碳含量在0.1%至0.3%时,脱碳常数A为22.8,配碳系数B为0.132,供氧系数C为0.0811,供电系数D为0.0177。
4.根据权利要求1所述的一种100t直流电弧炉出钢碳成分的预测系统的预测方法,其特征在于:出钢碳含量小于0.1%时,脱碳常数A为7.70,配碳系数B为0.0922,供氧系数C为0.0922,供电系数D为0.00516。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537001.2A CN110322057B (zh) | 2019-06-20 | 2019-06-20 | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537001.2A CN110322057B (zh) | 2019-06-20 | 2019-06-20 | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110322057A CN110322057A (zh) | 2019-10-11 |
CN110322057B true CN110322057B (zh) | 2023-04-18 |
Family
ID=68121149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910537001.2A Active CN110322057B (zh) | 2019-06-20 | 2019-06-20 | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110322057B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991089B (zh) * | 2019-12-26 | 2020-07-31 | 北京科技大学 | 一种转炉炼钢冶炼后期碳含量预报方法 |
JP7272326B2 (ja) * | 2020-07-06 | 2023-05-12 | Jfeスチール株式会社 | 操業ガイダンス方法、高炉の操業方法、溶銑の製造方法、操業ガイダンス装置 |
CN111893237B (zh) * | 2020-07-08 | 2021-11-09 | 北京科技大学 | 一种转炉炼钢的熔池碳含量及温度全程实时预测方法 |
CN112775404B (zh) * | 2021-01-21 | 2022-05-17 | 江阴兴澄特种钢铁有限公司 | 一种连铸方坯的矫直段温度预测方法 |
CN115125361B (zh) * | 2022-07-05 | 2024-02-06 | 江苏省沙钢钢铁研究院有限公司 | 一种供氧自动控制方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5746843A (en) * | 1996-02-10 | 1998-05-05 | Sumitomo Metal Industries, Ltd. | Low Mn-low Cr ferritic heat resistant steel excellent in strength at elevated temperatures |
CN101348845A (zh) * | 2008-08-20 | 2009-01-21 | 攀钢集团钛业有限责任公司 | 电炉冶炼钛渣的方法 |
CN101717840A (zh) * | 2009-12-30 | 2010-06-02 | 安阳钢铁股份有限公司 | 一种用类石墨替代生铁配碳的电炉炼钢方法 |
CN104328243A (zh) * | 2014-11-07 | 2015-02-04 | 达力普石油专用管有限公司 | 适量配碳大用电量控制用氧电弧炉炼钢法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3276049B2 (ja) * | 1995-10-23 | 2002-04-22 | 電気化学工業株式会社 | 溶鋼精錬剤 |
CN102382937B (zh) * | 2011-08-15 | 2013-08-28 | 北京科技大学 | 一种基于炉气分析的电弧炉冶炼过程控制方法 |
CN103361461B (zh) * | 2012-03-30 | 2015-08-05 | 鞍钢股份有限公司 | 一种转炉冶炼低碳钢磷含量在线预测控制方法 |
CN104419799A (zh) * | 2013-09-05 | 2015-03-18 | 鞍钢股份有限公司 | 一种转炉冶炼在线预测高碳钢碳含量方法 |
CN103667590B (zh) * | 2013-12-12 | 2015-05-20 | 攀枝花钢城集团瑞钢工业有限公司 | 电弧炉冶炼渣钢渣铁转炉化工艺 |
CN104894328A (zh) * | 2014-03-05 | 2015-09-09 | 鞍钢股份有限公司 | 一种转炉终点磷含量预报方法 |
CN104131137B (zh) * | 2014-06-29 | 2016-08-17 | 南京梅山冶金发展有限公司 | 基于质谱仪的rh动态脱碳方法及装置 |
CN105734199A (zh) * | 2016-05-10 | 2016-07-06 | 中南大学 | 一种基于数据分析的电弧炉冶炼过程合金收得率修正方法 |
CN107674936A (zh) * | 2017-10-12 | 2018-02-09 | 首钢集团有限公司 | 一种冶炼含钛铁水转炉终点的渣‑铁分离的控制方法 |
CN108330245B (zh) * | 2018-02-09 | 2020-01-24 | 南京理工大学 | 一种不锈钢的高纯净冶炼方法 |
CN108411063A (zh) * | 2018-03-07 | 2018-08-17 | 山东钢铁股份有限公司 | 一种低铁水比例条件下电炉冶炼低磷钢的方法 |
CN109447346B (zh) * | 2018-10-26 | 2022-07-05 | 冶金自动化研究设计院 | 基于灰色预测与神经网络组合模型转炉氧耗量预测方法 |
-
2019
- 2019-06-20 CN CN201910537001.2A patent/CN110322057B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5746843A (en) * | 1996-02-10 | 1998-05-05 | Sumitomo Metal Industries, Ltd. | Low Mn-low Cr ferritic heat resistant steel excellent in strength at elevated temperatures |
CN101348845A (zh) * | 2008-08-20 | 2009-01-21 | 攀钢集团钛业有限责任公司 | 电炉冶炼钛渣的方法 |
CN101717840A (zh) * | 2009-12-30 | 2010-06-02 | 安阳钢铁股份有限公司 | 一种用类石墨替代生铁配碳的电炉炼钢方法 |
CN104328243A (zh) * | 2014-11-07 | 2015-02-04 | 达力普石油专用管有限公司 | 适量配碳大用电量控制用氧电弧炉炼钢法 |
Non-Patent Citations (2)
Title |
---|
不锈钢氧化脱磷过程的热力学分析;赵俊学等;《钢铁研究学报》(第03期);全文 * |
电弧炉炼钢工艺过程的控制;胡瑞成等;《铸造技术》;20110618(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110322057A (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322057B (zh) | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 | |
Pardo et al. | Prospective scenarios on energy efficiency and CO2 emissions in the European Iron & Steel industry | |
CN110343805B (zh) | 钢包精炼炉钢水硅锰成分控制装置及控制方法 | |
CN102925672B (zh) | 利用单烧铁水成本评价铁矿石经济价值的方法 | |
CN113981167B (zh) | 一种基于铁水分级制度的多模式冶炼方法 | |
CN115659709A (zh) | 一种lf精炼炉精炼过程钢水温度预测的方法及系统 | |
CN106811570A (zh) | 一种中碳高锰钢的冶炼方法 | |
Logunova et al. | Intellectual support in the structuring of batch within an arc furnace | |
CN102212646B (zh) | 电炉冶炼喷碳工艺 | |
CN113961865A (zh) | 一种大型转炉精确控制tsc阶段调温剂加入量的方法 | |
CN107541581A (zh) | 电弧炉炼钢过程二噁英治理与余热回收优化运行控制方法 | |
CN115933567A (zh) | 一种智能冶炼炼钢工艺 | |
CN107502698A (zh) | 一种适用于少渣冶炼的自动化炼钢方法 | |
US5437706A (en) | Method for operating a blast furnace | |
CN115576285A (zh) | 一种lf精炼全自动生产的方法及系统 | |
CN102876822A (zh) | 高炉操作的闭环控制系统 | |
EP3989013A1 (en) | Method for controlling process, operation guidance method, method for operating blast furnace, method for manufacturing molten iron, and device for controlling process | |
CN104328241B (zh) | 一种获取炼钢过程中工序效益的方法 | |
CN110991772A (zh) | 一种预测转炉终渣粘度模型的高效护炉方法 | |
US6264723B1 (en) | Method for manufacturing steel | |
US20240132983A1 (en) | Method of manufacturing steel | |
CN111206143B (zh) | 一种利用不锈钢灰料冶炼不锈钢母液的方法 | |
Bosley et al. | Techno-economic assessment of electric steelmaking through the year 2000 | |
US20240132981A1 (en) | Manufacturing method of a steel product | |
CN117035385A (zh) | 一种预测和控制电渣重熔渣池碱度的工艺方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |