CN111032887B - 钢水中磷浓度估计方法、转炉吹炼控制装置、程序和记录介质 - Google Patents
钢水中磷浓度估计方法、转炉吹炼控制装置、程序和记录介质 Download PDFInfo
- Publication number
- CN111032887B CN111032887B CN201880053411.3A CN201880053411A CN111032887B CN 111032887 B CN111032887 B CN 111032887B CN 201880053411 A CN201880053411 A CN 201880053411A CN 111032887 B CN111032887 B CN 111032887B
- Authority
- CN
- China
- Prior art keywords
- molten steel
- decarburization
- exhaust gas
- phosphorus concentration
- converter
- 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
- C21C5/28—Manufacture of steel in the converter
- C21C5/285—Plants therefor
-
- 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
- C21C5/28—Manufacture of steel in the converter
-
- 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
- C21C5/28—Manufacture of steel in the converter
- C21C5/30—Regulating or controlling the blowing
-
- 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
- C21C5/28—Manufacture of steel in the converter
- C21C5/42—Constructional features of converters
- C21C5/46—Details or accessories
-
- 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
- C21C5/28—Manufacture of steel in the converter
- C21C5/42—Constructional features of converters
- C21C5/46—Details or accessories
- C21C5/4606—Lances or injectors
- C21C5/462—Means for handling, e.g. adjusting, changing, coupling
-
- 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
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Botany (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
高精度地估计脱碳处理时的钢水中磷浓度。本发明所涉及的钢水中磷浓度估计方法用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在脱碳处理中使用的转炉不同的设备进行脱磷处理的情况下的、脱碳处理时的钢水中磷浓度,包括:排气数据获取步骤,获取排气成分和排气流量;钢水数据获取步骤,通过副枪测定来获取钢水温度和钢水中的碳浓度;以及磷浓度估计步骤,其使用与利用排气成分及排气流量来得到的脱碳氧效率有关的数据、与排气成分、排气流量、钢水温度及碳浓度有关的数据以及与脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的脱磷速度常数和脱碳处理开始时的钢水中的磷浓度,来估计副枪测定以后的钢水中的磷浓度。
Description
技术领域
本发明涉及一种钢水中磷浓度估计方法、转炉吹炼控制装置、程序和记录介质。
背景技术
在转炉吹炼中,对停吹时的钢水中成分的控制(尤其是对钢水中磷浓度的控制)在钢的质量管理上非常重要。为了对钢水中磷浓度的控制,氧吹入量、生石灰或者氧化皮等副原料的投入量、该副原料的投入定时、顶吹喷枪高度、顶吹氧流量以及底吹气体流量等一般被用作操作量。关于这些操作量,根据目标磷浓度、铁水数据以及基于过去的操作实绩等制作的基准等之类的在吹炼开始前得到的信息来决定的情况多。
然而,即使是相同的操作条件,实际的吹炼中的脱磷举动的重现性也低,存在停吹时的钢水中磷浓度的偏差大这样的问题。因此,在基于上述那样的仅根据在吹炼开始前得到的信息来决定的操作量的吹炼中,难以抑制停吹时的钢水中磷浓度的偏差。
为了应对上述问题,开发了一种有效利用吹炼时逐次得到的排气成分和排气流量等的测定值的技术。例如,下述专利文献1公开了如下技术:使用与吹炼有关的操作条件和与排气有关的测定值来估计脱磷速度常数,使用估计得到的脱磷速度常数来估计吹炼时的钢水中磷浓度。并且,下述专利文献1公开了如下技术:将估计得到的钢水中磷浓度与目标钢水中磷浓度进行比较,基于其比较结果来变更与吹炼有关的操作条件,由此控制钢水中磷浓度。
现有技术文献
专利文献
专利文献1:日本特开2013-23696号公报
发明内容
发明要解决的问题
近年,在一次精炼中,一般进行使用转炉的脱磷处理等铁水预备处理。作为这种一次精炼的操作技术,存在将脱磷处理与脱碳处理在不同的转炉中进行的被称为简单精炼工艺(Simple Refining Process:SRP)的技术。在该SRP中,在第一个转炉中进行脱磷处理,在第二个转炉中进行脱碳处理。在该技术中,能够高效率地去除磷。
然而,近年来,随着铁水中磷浓度的上升,存在仅利用脱磷处理无法充分地进行脱磷的问题。因此,在使用转炉的脱碳处理时,也要求进行考虑了脱磷的吹炼。以后,将使用转炉的脱碳处理表述为“脱碳处理”。另外,在使用浇包(日语:取鍋)、鱼雷车等转炉以外的设备来进行脱磷处理的情况下也同样地,在使用转炉的脱碳处理时要求进行考虑了脱磷的吹炼。另外,在不进行脱磷处理来作为脱碳处理前的铁水预备处理的普通铁水操作的情况下,一般来说铁水中磷浓度高,在脱碳处理时要求进行考虑了脱磷的吹炼。
因此,例如,在脱碳处理的吹炼初期,可能向转炉中投入生石灰、消石灰等CaO源,以与脱碳处理并行地进行进一步的脱磷处理。通过所述的CaO源的投入,在脱碳处理中,下述化学式(101)所示的脱磷反应得到促进。此外,在下述化学式(101)中,“[物质X]”的表述表示物质X是铁水中存在的物质,“(物质Y)”的表述表示物质Y是熔渣中存在的物质。
[数式1]
3(CaO)+5(FeO)+2[P]=(3CaO·P2O5)+5[Fe]···(101)
在上述化学式(101)中表示的脱磷反应的进展的程度与CaO源的渣化状况相关连。例如,如果在上述化学式(101)中表示的脱磷反应被促进,则CaO源的渣化进展。即,可以认为CaO源的渣化状况影响脱碳处理时的钢水中磷浓度。
在上述专利文献1中,使用转炉吹炼的操作时的操作条件等来进行钢水中磷浓度的估计。然而,在上述专利文献1中,没有考虑脱碳处理时的CaO源的渣化状况。考虑到脱碳处理时的钢水中磷浓度会影响脱碳处理时的CaO源的渣化状况,利用上述专利文献1中公开的技术难以高精度地估计脱碳处理时的钢水中磷浓度。
因此,本发明是鉴于上述问题而完成的,本发明的目的在于提供能够高精度地估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与脱碳处理中使用的转炉不同的设备进行脱磷处理的情况下的、脱碳处理时的钢水中磷浓度的钢水中磷浓度估计方法、转炉吹炼控制装置、程序以及记录介质。
用于解决问题的方案
为了解决上述问题,根据本发明的某个观点,提供一种钢水中磷浓度估计方法,用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在上述脱碳处理中使用的上述转炉不同的设备来进行上述脱磷处理的情况下的、上述脱碳处理时的钢水中磷浓度,上述钢水中磷浓度估计方法包括:排气数据获取步骤,获取排气成分和排气流量;钢水数据获取步骤,通过副枪测定来获取钢水温度和钢水中的碳浓度;以及磷浓度估计步骤,使用与利用上述排气成分及上述排气流量来得到的脱碳氧效率(日语:脱炭酸素効率)有关的数据、与上述排气成分、上述排气流量、上述钢水温度及上述碳浓度有关的数据以及与脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的上述脱磷速度常数和上述脱碳处理开始时的钢水中的磷浓度,来估计上述副枪测定以后的上述钢水中的磷浓度。
也可以是,在上述脱磷速度常数的计算中,使用识别簇的分类变量,上述簇是通过针对在过去的操作中获取到的多个上述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
另外,为了解决上述问题,根据本发明的另一观点,提供一种转炉吹炼控制装置,用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在上述脱碳处理中使用的上述转炉不同的设备来进行上述脱磷处理的情况下的、上述脱碳处理时的钢水中磷浓度,上述转炉吹炼控制装置具备:排气数据获取部,其获取排气成分和排气流量;钢水数据获取部,其通过副枪测定来获取钢水温度和钢水中的碳浓度;以及磷浓度估计部,其使用与利用上述排气成分及上述排气流量来得到的脱碳氧效率有关的数据、与上述排气成分、上述排气流量、上述钢水温度及上述碳浓度有关的数据以及与脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的上述脱磷速度常数和上述脱碳处理开始时的钢水中的磷浓度,来估计上述副枪测定以后的上述钢水中的磷浓度。
也可以是,上述磷浓度估计部在上述脱磷速度常数的计算中使用识别簇的分类变量,上述簇是通过针对在过去的操作中获取到的多个上述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
另外,为了解决上述问题,根据本发明的另一观点,提供一种程序,使计算机作为转炉吹炼控制装置来发挥功能,该转炉吹炼控制装置用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在上述脱碳处理中使用的上述转炉不同的设备来进行上述脱磷处理的情况下的、上述脱碳处理时的钢水中磷浓度,上述程序使计算机实现如下功能:排气数据获取功能,获取排气成分和排气流量;钢水数据获取功能,通过副枪测定来获取钢水温度和钢水中的碳浓度;以及磷浓度估计功能,使用与利用上述排气成分及上述排气流量来得到的脱碳氧效率有关的数据、与上述排气成分、上述排气流量、上述钢水温度及上述碳浓度有关的数据以及与脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的上述脱磷速度常数和上述脱碳处理开始时的钢水中的磷浓度,来估计上述副枪测定以后的上述钢水中的磷浓度。
也可以是,上述磷浓度估计功能在上述脱磷速度常数的计算中使用识别簇的分类变量,上述簇是通过针对在过去的操作中获取到的多个上述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
另外,为了解决上述问题,根据本发明的另一观点,提供一种记录介质,记录有程序,该程序使计算机作为转炉吹炼控制装置来发挥功能,该转炉吹炼控制装置用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在上述脱碳处理中使用的上述转炉不同的设备来进行上述脱磷处理的情况下的、上述脱碳处理时的钢水中磷浓度,上述程序使计算机实现如下功能:排气数据获取功能,获取排气成分和排气流量;钢水数据获取功能,通过副枪测定来获取钢水温度和钢水中的碳浓度;以及磷浓度估计功能,使用与利用上述排气成分及上述排气流量来得到的脱碳氧效率有关的数据、与上述排气成分、上述排气流量、上述钢水温度及上述碳浓度有关的数据以及与脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的上述脱磷速度常数和上述脱碳处理开始时的钢水中的磷浓度,来估计上述副枪测定以后的上述钢水中的磷浓度。
也可以是,上述磷浓度估计功能在上述脱磷速度常数的计算中使用识别簇的分类变量,上述簇是通过针对在过去的操作中获取到的多个上述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
发明的效果
在上述钢水中磷浓度估计方法和上述转炉吹炼控制装置中,使用包括脱碳氧效率在内的各种数据和操作条件来计算脱磷速度常数,使用计算出的脱磷速度常数来估计钢水中磷浓度。由此,能够将与一次精炼的脱碳处理时的CaO源的渣化状况有关的操作因素反映到钢水中磷浓度的估计中。
因而,能够比以往更加高精度地估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在脱碳处理中使用的转炉不同的设备来进行脱磷处理的情况下的、脱碳处理时的钢水中磷浓度。
附图说明
图1是表示脱碳处理时的脱碳氧效率k0[i]的时间序列数据的例子的曲线图。
图2是表示对脱碳氧效率的时间序列数据进行的时间序列聚类的结果的例子的图。
图3是表示本发明的一个实施方式所涉及的转炉吹炼系统的结构例的图。
图4是基于该实施方式所涉及的转炉吹炼系统的钢水中磷浓度估计方法的流程图的一例。
图5是表示实施例和比较例所涉及的、相对于副枪测定时的钢水中磷浓度的实绩值的估计误差的标准偏差的曲线图。
具体实施方式
下面,参照附图来详细地说明本发明的优选实施方式。此外,在本说明书和附图中,对具有实质上相同的功能结构的结构要素标注相同的标记,由此省略重复说明。
此外,在脱碳处理时的转炉内,根据其碳浓度可能存在生铁或钢,但在下面的说明中,为了避免说明变得繁杂,方便起见,将“转炉内的铁水或钢水”均称为“钢水”。另外,对于在脱碳处理开始时装入到转炉的铁水,依然使用“铁水”这一单词。
<<1.本实施方式所涉及的钢水中磷浓度的估计方法>>
在说明本实施方式所涉及的转炉吹炼系统1的结构和功能之前,说明本实施方式所涉及的钢水中磷浓度的估计方法。此外,在下面的说明中,只要没有特别说明,将作为各成分的浓度单位的(质量%)记载为(%)。
(使用了操作条件、操作因素的钢水中磷浓度的估计方法)
当假定以一级反应式来表示吹炼中的钢水中磷浓度[P](%)的时间变化时,该一级反应式表示为下述式(1)。
[数式2]
在此,在上述式(1)中,[P]ini是磷浓度初始值(铁水磷浓度)(%),k是脱磷速度常数(sec-1)。此外,这里所说的“磷浓度初始值”是指即将进行脱碳处理前实际测量得到的磷浓度的实绩值(即,脱碳处理开始时的磷浓度)。该磷浓度的实绩值例如是在作为前一工序的铁水预备处理后(脱磷处理后)实际测量得到的磷浓度。
如果能够得到准确的脱磷速度常数k,则能够高精度地估计钢水中磷浓度。但是,一般认为实际吹炼中的脱磷速度常数k是不固定的,受到各种操作条件的影响而发生变动。因此,例如如上述专利文献1(日本特开2013-23696号公报)所公开的那样,不仅使用铁水成分以及铁水温度那样的静态信息、还有效利用逐次测定得到的与排气成分有关的数据和与排气流量有关的数据等排气数据那样的吹炼中的动态信息,来估计脱磷速度常数k。下面说明脱磷速度常数k的估计方法。
由上述式(1),将从吹炼开始(脱碳处理开始)起t秒后的钢水中磷浓度表示为下述式(2)。
[数式3]
ln[P]=ln[P]ini-k×t···(2)
这样,能够使用过去的操作实绩数据来求出每次装料的脱磷速度常数k。例如,使用下述式(3)来计算装料i中的脱磷速度常数ki。
[数式4]
在此,在上述式(3)中,[P]end,i是停吹时的钢水中磷浓度(%),tend,i是从脱碳处理开始起到停吹时间点为止的经过时间(秒)。
而且,预先制作将根据上述式(3)得到的脱磷速度常数k设为目标变量的模型方程。对于该模型方程,能够采用各种统计方法来适当地构建。在本实施方式中,使用将各种操作因素X设为解释变量的回归方程来作为该模型方程。该回归方程能够采用众所周知的多元回归分析方法来获得,例如被构建为下述式(4)。在实际的吹炼中,通过将该吹炼时的操作因素X代入到下述式(4)中来估计脱磷速度常数k,并通过将该脱磷速度常数k应用于上述式(2),能够估计钢水中磷浓度。
[数式5]
在此,在上述式(4)中,αj是与第j个操作因素Xj对应的回归系数,α0是常数。另外,作为操作因素X的具体例,能够列举出下述表1所示的操作因素。但是,下述表1所示的操作因素不过是一个例子,在脱磷速度常数k的估计中,也可以考虑所有的操作因素X。另外,在脱磷速度常数k的估计中,也可以使用下述表1中包含的操作因素的全部或者一部分。
[表1]
表1
另外,通过上述专利文献1示出:根据吹炼中的排气流量、排气成分、顶吹底吹气体流量、副原料投入量以及铁水成分来计算氧收支所得到的炉内蓄积氧量的单位消耗(日语:炉内蓄積酸素量原单位)对脱磷速度常数带来的影响大。因而,在上述专利文献1中示出:除采用表1所述的解释变量外,还采用有效利用排气数据等所得到的炉内蓄积氧量的单位消耗以及顶吹喷枪高度、氧气流量和底吹气体流量等吹炼中的动态的操作因素来作为上述式(4)所示的回归方程的解释变量,由此能够更高精度地进行脱磷速度常数的估计。
(与脱碳氧效率有关的数据的利用)
可以认为,CaO源的渣化由于吹入到转炉内的氧与钢水中的Fe反应来大量生成FeO而变得易于进展。在该情况下,吹入到转炉内的氧与钢水中的碳进行反应的比例可能会下降。因此,本发明人们想到能够通过掌握吹入到转炉内的氧与钢水中的碳的反应状况来掌握CaO源的渣化状况这一思想。
作为表示吹入到转炉内的氧与钢水中的碳的反应状况的指标的例子,存在脱碳氧效率。脱碳处理中的脱碳氧效率是表示吹入到转炉内的氧与脱碳处理中的钢水中的碳的、反应的效率的指标。本发明人们想到如下思想:通过将反映脱碳处理时的吹炼中的熔渣中的CaO浓度的脱碳氧效率采用为与钢水中磷浓度的估计有关的操作因素,能够进一步提高钢水中磷浓度的估计精度。下面,说明与脱碳氧效率有关的数据及其利用例。该脱碳氧效率如以下所示那样能够根据从转炉排出的排气信息来获取。
基于包括以固定周期测定的排气流量和排气成分的排气信息,使用下述式(5)来计算脱碳氧效率k0[i](%/(Nm3/ton))。
[数式6]
在此,在上述式(5)中,CO[i+N](%)是排气中的CO浓度,CO2[i+N](%)是排气中的CO2浓度,Voffgas[i](Nm3/hr(NTP))是总排气流量,FO2[i](Nm3/hr(NTP))是从吹炼开始起到脱碳氧效率k0[i]计算时为止向转炉内输入的氧输入量。此外,能够根据能够通过静态控制来在吹炼开始前决定的氧吹入量来计算FO2[i]。另外,方括弧[]内的i表示排气流量和排气成分的测定中的采样周期。另外,方括弧[]内的N对应于排气成分分析仪的分析延迟(排气到达排气成分分析仪的设置位置为止的时间上的延迟)。可以根据排气成分分析仪在烟道中的设置位置等来适当地决定分析延迟N的具体的值。另外,“NTP”是指标准温度压力(NormalTemperature Pressure)。
此外,如下那样导出上述式(5)。通过下述式(6)来计算根据排气信息求出的每单位时间的脱碳量wc[i](g/sec)。
[数式7]
在此,在上述式(6)中,将Voffgas[i]除以1000×3600是为了将单位变换为(L/sec)。另外,除以22.4(L/mol)是为了换算为摩尔数。另外,12是碳的原子量。
脱碳氧效率k0[i]被定义为将脱碳量(重量%)除以氧单位消耗(Nm3/ton)得到的值,因此脱碳氧效率k0[i]通过下述数式(7)来表现。在此,Wst是钢水(铁水)重量(ton)。如果将下述式(7)代入到上述式(6),则得到上述式(5)。
[数式8]
图1是表示脱碳处理时的脱碳氧效率k0[i]的时间序列数据的例子的曲线图。此外,该曲线图所示的数据是通过对实际得到的脱碳氧效率k0[i]的数据以使平均=0且标准偏差=1的方式实施标准化处理所得到的数据。该时间序列数据是从脱碳处理初期的脱碳处理开始时间点起的时间序列数据。
在图1的曲线图所示的例子中,脱碳氧效率k0[i]重复上升和下降。脱碳氧效率k0[i]相对较高时表示吹入到转炉内的氧与钢水中的Fe相比更多地与碳进行了反应。在该情况下,不怎么生成FeO,因此CaO源的渣化难以进展。因此,可以说脱碳氧效率k0[i]相对较高的状态是脱磷反应也没有被促进的状态。另一方面,脱碳氧效率k0[i]相对较低时,表示吹入到转炉内的氧与碳相比更多地与钢水中的Fe进行了反应。在该情况下,更多地生成FeO,因此是CaO源的渣化进展的状况。因此,可以说脱碳氧效率k0[i]相对较低的状态是脱磷反应被促进的状态。像这样,脱碳氧效率能够成为能够反映钢水中磷浓度的指标。
脱碳氧效率k0[i]在脱碳处理的初期大幅变动、之后逐渐收敛为大致固定的值的情况多。可以认为该初期的脱碳氧效率的变动是由于由转炉表面的脱磷反应的进展引起的CaO源的渣化。因而,在本实施方式中,能够将与脱碳处理的初期的脱碳氧效率有关的数据用作上述式(4)的解释变量即操作因素Xj之一。在此,“脱碳处理的初期”对应于从脱碳处理开始时起到经过脱碳处理的整个经过时间的三分之一左右为止的期间。
在本实施方式中,例如,也可以将脱碳处理初期的脱碳氧效率的时间序列数据的平均值用作用于估计脱磷速度常数k的回归方程即上述式(4)的解释变量即操作因素Xj。由此,能够将由脱磷反应的进展引起的CaO源的渣化的进展的程度反映到脱磷速度常数k的估计中。
另外,在本实施方式中,例如也可以将脱碳处理初期的脱碳氧效率的时间序列数据的最大值、最小值或中间值(具体地说,测定对象期间的中央的时刻的脱碳氧效率)或该时间序列数据的变化率(具体地说,测定对象期间中的脱碳氧效率的变化速度)等基于脱碳氧效率的时间序列数据的变量用作解释变量。
另外,在本实施方式中,例如也可以将分类变量用作解释变量,该分类变量用于识别对脱碳氧效率的时间序列数据实施时间序列聚类所得到的簇。时间序列聚类是指求出时间序列数据之间的距离、基于该距离来进行聚类的方法。通过将脱碳氧效率的推移作为时间序列数据来处理,将无法用简单的平均值来表现的脱碳氧效率的复杂的举动(换言之,如在计算平均值的过程中被平均化那样的、脱碳氧效率随时间的举动变化)作为显著的举动来捕捉,能够更高精度地反映这种脱碳氧效率的复杂的举动。
下面详细地说明将分类变量用作解释变量的情况,该分类变量用于识别对脱碳氧效率的时间序列数据实施时间序列聚类所得到的簇。
在本实施方式中,首先,对根据过去的操作数据获取的脱碳处理的初期的脱碳氧效率的时间序列数据预先进行时间序列聚类。此外,在本实施方式中,作为时间序列聚类的方法,使用层次聚类的最近邻法。作为时间序列聚类的方法,不限定于本方法,例如也可以是非层次聚类的k-means(k-均值)法等。另外,在本实施方式中,对这些时间序列数据进行分类为4个簇的时间序列聚类,但对簇的数量没有特别限定。能够根据聚类的结果来适当设定簇的数量。
图2是表示对脱碳氧效率的时间序列数据进行的时间序列聚类的结果的例子的图。图2的各曲线图是分别表示关于与各分类变量(No.1~8)对应的簇的时间序列聚类的结果的曲线图。此外,各曲线图中所示的与脱碳氧效率有关的数据是对实际计算出的脱碳氧效率的数据以使平均=0且标准偏差=1的方式实施标准化处理所得到的数据。另外,本实施方式所涉及的被用于时间序列聚类的脱碳氧效率的时间序列数据分别是根据从脱碳处理的吹炼开始时起到经过了50秒的时间点为止的脱碳氧效率得到的数据。对用于对被用于该时间序列聚类的脱碳氧效率的时间序列数据进行选择的时间范围没有特别限定,例如,能够基于实际得到的脱碳氧效率的时间序列数据的趋势或者转炉吹炼设备的操作状态等来适当设定该时间范围。
在图2中,各曲线图中存在的折线分别表示某一次的脱碳处理中的脱碳氧效率随时间的变化。如图2的各曲线图所示,脱碳氧效率的时间序列数据的类似性高的数据分别被分类为同一簇。例如,如与簇No.1有关的曲线图所示,脱碳氧效率逐渐增加的时间序列数据被分类到簇No.1中。另一方面,如与簇No.2有关的曲线图所示,脱碳氧效率几乎没有变化的时间序列数据被分类到簇No.2中。
能够采用对通过像这样对脱碳氧效率的时间序列数据进行的时间序列聚类得到的簇进行识别的分类变量来作为上述式(4)的解释变量即操作因素Xj。由此,能够单纯将脱碳处理时投入的CaO源的渣化的进展的程度反映到钢水中磷浓度的估计中。CaO源的渣化的进展的程度密切关系到脱磷反应的进展的程度。因而,在钢水中磷浓度的估计中还考虑脱碳处理中的脱磷反应的进展的程度,因此能够进一步提高钢水中磷浓度的估计精度。
(实际的操作时的聚类结果的利用)
接着,对在实际的操作时将上述的各时间序列数据的聚类结果用于脱磷速度常数k的估计的方法进行说明。
首先,对根据过去的操作数据获取的脱碳处理的初期的脱碳氧效率的时间序列数据预先进行时间序列聚类,将该时间序列数据分类为多个簇。然后,针对每个簇预先构建将这些簇中每个簇的分类变量设为解释变量之一的回归方程(上述式(4))。
接着,按测定点计算被分类到各簇的脱碳氧效率的多个时间序列数据的在测定点j(j=1~n)的平均值βave,j。测定点是指该时间序列数据的对象范围内的、脱碳氧效率的测定时间点。例如,从脱碳处理开始时起到经过了50秒的时间点为止的各时间序列数据被分类到图2所示的各簇。在每隔1秒测定脱碳氧效率的情况下,测定点数为50点。
接着,获取作为估计脱磷速度常数k的对象的、实际的脱碳处理时的脱碳氧效率的时间序列数据(Sj),例如按簇求出该时间序列数据Sj与上述的平均值βave,j之差,来作为获取到的脱碳氧效率的时间序列数据与各簇之间的相似度。将该差最小的簇判断为是时间序列数据(Sj)所属的簇,将与该簇对应的分类变量用作与操作因素有关的解释变量。作为该差,能够使用公知的任意的方式,例如,该差也可以是下述式(8)所示的差值平方和(Sum ofSquared Difference:SSD)。通过公知的统计方法来适当地求出该差。能够通过将所得到的分类变量与其它解释变量一起代入到所构建的回归方程来计算脱磷速度常数k。
[数式9]
以上,详细地说明了将用于识别对脱碳氧效率的时间序列数据实施时间序列聚类得到的簇的分类变量用作解释变量的情况。
此外,基于脱碳氧效率的时间序列数据的解释变量不限定于上述的例子。例如,也可以将脱碳处理初期的脱碳氧效率的时间序列数据的平均值或中间值或者该时间序列数据的变化率等用作解释变量。
以上说明了本实施方式所涉及的钢水中磷浓度的估计方法。
<<2.本实施方式所涉及的转炉吹炼系统>>
<2.1.转炉吹炼系统的结构>
接着,说明用于实现上述所示的本实施方式所涉及的钢水中磷浓度的估计方法的系统的一个例子。图3是表示本发明的一个实施方式所涉及的转炉吹炼系统1的结构例的图。参照图3,本实施方式所涉及的转炉吹炼系统1具备转炉吹炼设备10、转炉吹炼控制装置20、测量控制装置30以及操作数据库40。
(转炉吹炼设备)
转炉吹炼设备10具备转炉11、烟道12、顶吹喷枪13、副枪14、排气成分分析仪101以及排气流量计102。转炉吹炼设备10例如基于从测量控制装置30输出的控制信号来进行与利用顶吹喷枪13向铁水供给氧的开始和停止、利用副枪14对钢水中的成分浓度和钢水温度的测定、冷却材料和副原料(例如生石灰等)的投入以及转炉11对钢水和熔渣的排出有关的处理。在转炉吹炼设备10中,能够设置用于向顶吹喷枪13提供氧的供氧装置、具有用于向转炉11投入冷却材料的驱动系统的冷却材料投入装置以及具有用于向转炉11投入副原料的驱动系统的副原料投入装置等在普通的转炉的吹炼中使用的各种装置。
从转炉11的炉口插入用于吹炼的顶吹喷枪13,从供氧装置送出的氧15通过顶吹喷枪13被供给到炉内的铁水中。另外,能够从转炉11的底部导入氮气体、氩气体等非活性气体等作为底吹气体16,以搅拌铁水。向转炉11内投入铁水、用于调整铁水(钢水)温度的冷却材料以及作为CaO源的生石灰等用于形成熔渣的副原料。此外,在副原料为粉体的情况下,也可以将粉体的副原料与氧15一起通过顶吹喷枪13供给到转炉11内。
在一次精炼的脱碳处理中,铁水中的碳与从顶吹喷枪13供给的氧发生氧化反应(脱碳反应)。由此,生成CO或者CO2的排气。这些排气从转炉11向烟道12排出。
另外,在一次精炼的脱碳处理中,如上述化学式(101)所示,铁水中含有的磷与转炉内的熔渣中含有的FeO以及包括含CaO物质的副原料发生化学反应(脱磷反应),由此被熔渣获取。也就是说,通过吹炼来增加熔渣的氧化铁的浓度,由此促进脱磷反应。
像这样,在转炉吹炼中,吹入的氧与铁水中的碳、磷或者硅等发生反应,产生氧化物。通过吹炼产生的氧化物作为排气被排出或者稳定为熔渣。通过吹炼中的氧化反应来去除碳,并且磷等被熔渣获取而被去除,由此生成低碳且杂质少的钢。
另外,关于从转炉11的炉口插入的副枪14,在脱碳处理时,将其前端以规定的定时浸渍到钢水中,用于测定包含碳浓度在内的钢水中的成分浓度和钢水温度等。以下将利用该副枪14对成分浓度以及/或者钢水温度等钢水数据进行的测定称为“副枪测定”。通过副枪测定得到的钢水数据经由测量控制装置30被发送到转炉吹炼控制装置20。
通过吹炼产生的排气向设置于转炉11外的烟道12流动。在烟道12设置有排气成分分析仪101和排气流量计102。排气成分分析仪101用于分析排气中含有的成分。排气成分分析仪101例如分析排气中含有的CO和CO2的浓度。排气流量计102用于测定排气的流量。排气成分分析仪101和排气流量计102以规定的采样周期(例如5~10(秒)的周期)来逐次地进行排气的成分分析和流量测定。为了计算被用作上述式(4)所示的回归方程的解释变量的炉内蓄积氧量的单位消耗,在脱碳处理开始时进行排气的成分分析和流量测定。利用排气成分分析仪101分析得到的与排气成分有关的数据和利用排气流量计102测定得到的与排气流量有关的数据(以下将这些数据称为“排气数据”。)经由测量控制装置30作为时间序列数据被输出到转炉吹炼控制装置20。此外,优选将该排气数据逐次地输出到转炉吹炼控制装置20,以使转炉吹炼控制装置20逐次地估计钢水中磷浓度。
(转炉吹炼控制装置)
转炉吹炼控制装置20具备数据获取部201、簇决定部202、聚类执行部203、磷浓度估计部204、转炉吹炼数据库21和输入输出部22。转炉吹炼控制装置20具备CPU(CentralProcessing Unit:中央处理单元)、ROM(Read Only Memory:只读存储器)、RAM(RandomAccess Memory:随机存取存储器)、存储器(storage)和通信装置等硬件结构。在转炉吹炼控制装置20中,通过这些硬件结构来实现数据获取部201、簇决定部202、聚类执行部203以及磷浓度估计部204的各功能。另外,转炉吹炼数据库21是用于保存在转炉吹炼控制装置20中使用的各种数据的数据库,通过存储器等存储装置来实现。另外,输入输出部22由键盘、鼠标或触摸面板等输入装置、显示器或打印机等输出装置以及通信装置来实现。
转炉吹炼控制装置20将转炉吹炼数据库21中保存的各种数据、从排气成分分析仪101和排气流量计102获取到的排气数据以及从副枪14获取到的钢水数据作为输入值来估计钢水中磷浓度。钢水中磷浓度是通过转炉吹炼控制装置20的各功能部所具有的功能来估计的。另外,转炉吹炼控制装置20也可以将估计出的钢水中磷浓度用于转炉吹炼中的操作的控制。例如,在判断为估计出的钢水中磷浓度超过作为目标数据212之一保存的目标钢水中磷浓度的情况下,转炉吹炼控制装置20能够变更转炉吹炼的操作条件,以使钢水中磷浓度低于目标钢水中磷浓度。像这样,如果能够高精度地估计钢水中磷浓度,则能够将通过一次精炼得到的钢水的质量维持得高。
此外,在后面叙述本实施方式所涉及的转炉吹炼控制装置20的各功能部所具有的具体功能。
另外,转炉吹炼控制装置20具有对例如向转炉11吹入氧以及投入冷却材料和副原料等与转炉吹炼有关的工序整体进行控制的功能。另外,例如,转炉吹炼控制装置20具有在一般的静态控制中进行的、在吹炼开始前使用规定的数式模型等来决定向转炉11吹入的氧吹入量、冷却材料的投入量(以后称为“冷却材料量”)以及副原料的投入量等的功能等。另外,例如,转炉吹炼控制装置20具有对在一般的动态控制中进行的副枪测定的测定对象、测定定时等进行控制的功能。
作为未图示的各功能中的具体处理(例如,上述的冷却材料和副原料投入的控制方法、静态控制中在吹炼开始前决定氧吹入量、各种冷却材料和副原料的投入量等的方法以及副枪测定的控制方法),能够应用各种公知方法,因此在此省略详细的说明。
如图3所示,转炉吹炼数据库21例如保存铁水数据211、目标数据212以及参数213等。也可以经由未图示的输入装置、通信装置对这些数据进行追加、更新、变更或者删除。例如,也可以将保存于后述的操作数据库40的各种数据中的用于转炉吹炼的数据追加到转炉吹炼数据库21。存储于转炉吹炼数据库21的各种数据被数据获取部201读出。此外,如图3所示,本实施方式所涉及的具有转炉吹炼数据库21的存储装置与转炉吹炼控制装置20构成为一体,但是在其它的实施方式中,也可以是具有转炉吹炼数据库21的存储装置与转炉吹炼控制装置20分离的结构。
铁水数据211是与转炉11内的铁水有关的各种数据。例如,铁水数据211包含关于铁水的信息(每次装料的初始的铁水重量、铁水成分(碳、磷、硅、铁、锰等)的浓度、铁水温度、铁水率(日语:溶銑率)等)。除此以外,铁水数据211还可以包含一般在脱碳处理中使用的各种信息(例如,关于副原料和冷却材料的投入的信息(关于副原料和冷却材料量的信息)、关于副枪测定的信息(关于测定对象、测定定时等的信息)、关于氧吹入量的信息等)。目标数据212包含脱碳处理后以及副枪测定时等的铁水中(钢水中)的目标成分浓度和目标温度等的数据。参数213是在簇决定部202和磷浓度估计部204中使用的各种参数。例如,参数213包含将操作因素作为解释变量的回归方程中的参数和用于估计磷浓度的参数(脱磷速度常数等)。
输入输出部22例如具有获取磷浓度估计部204的钢水中磷浓度的估计结果等并输出到各种输出装置的功能。例如,输入输出部22也可以将估计出的钢水中磷浓度显示给操作员。另外,在转炉吹炼控制装置20基于估计出的钢水中磷浓度来进行转炉吹炼控制的情况下,输入输出部22也可以将基于估计出的钢水中磷浓度的与转炉吹炼有关的指示输出到测量控制装置30。在该情况下,该指示可以是根据转炉吹炼控制装置20所具有的与转炉吹炼控制有关的功能来自动地生成的指示,也可以是通过阅览了所显示的与钢水中磷浓度(估计值)有关的信息的操作员的操作来输入的指示。另外,输入输出部22也可以具有用于对保存于转炉吹炼数据库21的各种数据进行追加、更新、变更或者删除的输入接口的功能。另外,输入输出部22也可以将通过数据获取部201获取到的各种数据、簇决定部202的决定结果以及磷浓度估计部204的估计结果输出到操作数据库40。
(测量控制装置)
测量控制装置30具备CPU、ROM、RAM、存储器以及通信装置等硬件结构。测量控制装置30具有与转炉吹炼设备10所具备的各装置进行通信来控制转炉吹炼设备10的整体动作的功能。例如,测量控制装置30根据来自转炉吹炼控制装置20的指示来控制与向转炉11投入冷却材料和副原料、顶吹喷枪13的氧15的吹入以及副枪14向钢水的浸渍和副枪测定等有关的操作。另外,测量控制装置30获取从排气成分分析仪101、排气流量计102以及副枪14等转炉吹炼设备10的各装置得到的数据,并发送到转炉吹炼控制装置20。
(操作数据库)
操作数据库40是通过存储器等存储装置来实现的数据库,是用于保存与转炉吹炼的操作有关的各种数据的数据库。该各种数据包含通过数据获取部201从转炉吹炼设备10的各装置获取到的数据、簇决定部202的决定结果以及磷浓度估计部204的估计结果。
例如,本实施方式所涉及的操作数据库40按每次操作蓄积与根据由排气成分分析仪101和排气流量计102测定出的排气数据得到的脱碳氧效率有关的数据(即,脱碳氧效率的时间序列数据)。
本实施方式所涉及的操作数据库40将每次操作的脱碳氧效率的时间序列数据输出到聚类执行部203。此外,如图3所示,本实施方式所涉及的具有操作数据库40的存储装置与转炉吹炼控制装置20分离地构成,但是在其它的实施方式中,具有操作数据库40的存储装置也可以是与转炉吹炼控制装置20成为一体的结构。
<2.2.各功能部的结构和功能>
接着,说明本实施方式所涉及的转炉吹炼控制装置20的各功能部的结构和功能。
再次参照图3,本实施方式所涉及的转炉吹炼控制装置20具备数据获取部201、簇决定部202、聚类执行部203以及磷浓度估计部204这样的各功能部。
(数据获取部)
数据获取部201获取用于估计钢水中磷浓度的各种数据。例如,数据获取部201获取存储于转炉吹炼数据库21的铁水数据211、目标数据212以及参数213。即,数据获取部201具有作为铁水数据获取部的功能。这些数据最迟也要在磷浓度估计部204开始进行钢水中磷浓度的估计处理之前获取到。本实施方式所涉及的数据获取部201在脱碳处理开始前获取存储于转炉吹炼数据库21的各种数据。
另外,数据获取部201获取从排气成分分析仪101和排气流量计102输出的排气数据。即,数据获取部201具有作为排气数据获取部的功能。所获取的排气数据是时间序列数据。排气数据的获取贯穿一次精炼的全体地进行。本实施方式所涉及的数据获取部201逐次地获取排气成分分析仪101和排气流量计102逐次地测定的排气数据。
另外,数据获取部201能够根据获取到的排气数据计算脱碳氧效率。即,数据获取部201具有作为脱碳氧效率计算部的功能。脱碳氧效率是根据获取到的排气流量和排气成分的时间序列数据来使用上述式(5)得到的时间序列数据。本实施方式所涉及的数据获取部201根据逐次地测定的排气数据来计算至少从脱碳处理的开始时间点起到经过规定时间为止的脱碳氧效率的时间序列数据。此外,在其它实施方式中,也可以是,数据获取部201在中间副枪测定前一并获取从脱碳处理的开始时间点起到经过规定时间为止的排气数据,根据获取到的排气数据来计算脱碳氧效率的时间序列数据。
另外,数据获取部201获取在脱碳处理时通过副枪14的副枪测定得到的钢水数据。即,数据获取部201具有作为钢水数据获取部的功能。
此外,除了上述的各种数据以外,数据获取部201还获取与脱碳处理有关的数据。数据获取部201经由测量控制装置30获取从转炉吹炼设备10具备的各种装置输出的数据。
数据获取部201将获取到的数据输出到簇决定部202和磷浓度估计部204。另外,由数据获取部201获取到的数据保存到操作数据库40。
(簇决定部、聚类执行部)
簇决定部202从由聚类执行部203取出的多个簇中决定出与从数据获取部201获取到的脱碳氧效率的时间序列数据相似度最高的簇。在此,对相似度的计算方法没有特别限定,能够适当使用公知的各种方法。作为所述的相似度,例如,如上述那样,能够使用所关注的脱碳氧效率的时间序列数据与各簇的差值平方和。与由簇决定部202决定出的簇对应的分类变量被输出到磷浓度估计部204。该分类变量被用作操作因素Xj,该操作因素Xj是用于磷浓度估计部204的估计的上述式(4)所示的回归方程的解释变量。
另外,聚类执行部203对从操作数据库40获取到的过去操作中的脱碳氧效率的时间序列数据进行聚类,来得到多个簇。通过聚类执行部203来得到的与簇有关的信息被输出到簇决定部202。另外,该与簇有关的信息也可以被输出到操作数据库40。另外,也可以是,在保存于操作数据库40的过去操作中的脱碳氧效率的时间序列数据被更新的情况下,聚类执行部203适当执行聚类。
此外,在其它的实施方式中没有将上述分类变量用作解释变量的情况下,簇决定部202和聚类执行部203也可以不包含于转炉吹炼控制装置20。
(磷浓度估计部)
本实施方式所涉及的磷浓度估计部204使用从数据获取部201输出的各种数据以及作为用于识别从簇决定部202输出的簇的变量的分类变量,来估计脱磷速度常数k和钢水中磷浓度。具体地说,磷浓度估计部204首先将上述各种数据和分类变量作为解释变量代入到上述式(4)所示的回归方程,来计算出脱磷速度常数k。然后,磷浓度估计部204将计算出的脱磷速度常数k代入上述式(2)中来估计钢水中磷浓度。磷浓度估计部204在副枪14的副枪测定以后(即,数据获取部201开始获取钢水数据以后)逐次地估计脱磷速度常数k和钢水中磷浓度。即,通过磷浓度估计部204来估计自副枪测定以后至脱碳处理的停吹时(终点时)为止的范围中的脱磷速度常数k和钢水中磷浓度。
此外,在其它实施方式中不将上述分类变量用作解释变量的情况下,能够将基于脱碳氧效率的时间序列数据的变量(例如,平均值等)用作该解释变量。
以上,参照图3说明了本实施方式所涉及的转炉吹炼控制装置20的各功能部的结构和功能。此外,虽然图3中没有图示,但是转炉吹炼控制装置20也可以还具备操作量计算部。操作量计算部也可以基于通过磷浓度估计部204估计出的钢水中磷浓度来计算脱碳处理中的氧吹入量或冷却材料量、或者顶吹喷枪高度等操作量。操作量计算部的功能也可以与例如上述专利文献1所公开的功能相同。通过本实施方式所涉及的磷浓度估计部204估计出的钢水中磷浓度的精度比通过上述专利文献1所公开的技术估计出的钢水中磷浓度的精度高。因此,通过操作量计算部计算出的操作量的可靠性也高,因此能够使实际的钢水中磷浓度更接近目标钢水中磷浓度。
<<3.钢水中磷浓度估计方法的流程>>
图4是基于本实施方式所涉及的转炉吹炼系统1的钢水中磷浓度估计方法的流程图的一个例子。参照图4来说明基于本实施方式所涉及的转炉吹炼系统1的钢水中磷浓度估计方法的流程。此外,图4所示的各处理与通过图3所示的转炉吹炼控制装置20来执行的各处理对应。因此,省略图4所示的各处理的详细说明,停留在说明各处理的概要。
在本实施方式所涉及的钢水中磷浓度估计方法中,首先,数据获取部201在转炉吹炼开始前获取转炉吹炼数据库21中保存的数据等各种数据(步骤S101)。具体地说,数据获取部201获取铁水数据211、目标数据212以及参数213获取。
接着,数据获取部201从脱碳处理的开始时间点起获取与脱碳处理有关的数据(步骤S103)。具体地说,数据获取部201从排气成分分析仪101和排气流量计102逐次地获取由排气成分分析仪101和排气流量计102测定出的排气数据。此外,排气数据的获取是从脱碳处理的开始时间点到结束时间点为止连续地进行的。步骤S103所涉及的与脱碳处理有关的数据的获取处理是从脱碳处理的开始时间点到经过规定时间的时间点(步骤S105)为止反复实施的处理。所述规定时间相当于在后面的簇决定部202的决定处理中使用的脱碳氧效率的时间序列数据的时间范围。
接着,数据获取部201判别是否从脱碳处理的开始时间点起经过了规定时间(预先决定的时间范围)(步骤S105)。在没有从脱碳处理的开始时间点起经过规定时间的情况下(步骤S105:“否”),数据获取部201获取与脱碳氧效率有关的数据(步骤S107)。具体地说,数据获取部201在从脱碳处理的开始时间点起到经过规定时间的时间点为止的期间内逐次地根据逐次地获取的排气数据来计算脱碳氧效率,获取脱碳氧效率的时间序列数据。
接着,在从脱碳处理的开始时间点起经过了规定时间的情况下(步骤S105:“是”),簇决定部202基于在步骤S107中获取到的脱碳氧效率的时间序列数据来决定被用作操作因素的簇(步骤S109)。具体地说,簇决定部202从由聚类执行部203取出的各簇中决定出与本装料的脱碳处理初期的脱碳氧效率的时间序列数据相似度最高的簇。簇决定部202将与在此决定出的簇对应的分类变量输出到磷浓度估计部204。
接着,数据获取部201继续获取与脱碳处理有关的数据(步骤S111)。步骤S111所涉及的与脱碳处理有关的数据的获取处理是从自脱碳处理的开始时间点经过了规定时间的时间点起到脱碳处理的结束时间点(步骤S117)为止反复实施的处理。步骤S111所涉及的处理与步骤S103所涉及的处理同样。另外,在进行副枪测定的定时,数据获取部201获取钢水数据。
接着,在本实施方式所涉及的钢水中磷浓度的估计方法中,磷浓度估计部204判别是否已进行了副枪测定(步骤S113)。在还未进行副枪测定的情况下(步骤S113:“否”),不进行磷浓度估计部204对钢水中磷浓度的估计,数据获取部201反复获取排气数据等与脱碳处理有关的数据(步骤S111)。另一方面,在已进行了副枪测定的情况下(步骤S113:“是”),磷浓度估计部204进行钢水中磷浓度的估计(步骤S115)。
具体地说,磷浓度估计部204首先使用通过数据获取部201获取到的各种数据来进行副枪测定时的脱磷速度常数k和钢水中磷浓度的估计。这是因为,通过副枪测定得到的钢水温度实绩值和钢水中碳浓度实绩值对脱磷速度常数k的估计的高精度化更有效。更详细地说,首先将基于包括通过副枪测定得到的钢水温度实绩值和钢水中碳浓度实绩值在内的各种数据的解释变量代入到上述式(4)的回归方程来得到脱磷速度常数k。接着,视作所得到的脱磷速度常数k在从脱碳处理开始时至副枪测定时为止为相同的值,将铁水磷浓度设为磷浓度初始值[P]ini,且将从脱碳处理开始至副枪测定时为止的经过时间设为t,代入到上述式(2),由此求出副枪测定时的磷浓度[P]。即使像这样使用在副枪测定时估计出的脱磷速度常数k来估计从脱碳处理开始至副枪测定时中的磷浓度,也如下述实施例所示那样,能够以足够的精度来估计磷浓度,因此实用上没有问题。
在副枪测定以后,磷浓度估计部204判别脱碳处理是否已结束(步骤S117)。在脱碳处理未结束的情况下(步骤S117:“否”),磷浓度估计部204以上述的副枪测定时的钢水中磷浓度估计值为初始值来反复进行基于上述式(4)的脱磷速度常数k的估计以及使用估计出的k的基于上述式(2)的钢水中磷浓度的估计,直到脱碳处理结束的时间点为止(步骤S111~步骤S115所涉及的处理)。另一方面,在脱碳处理结束了的情况下(步骤S117:“是”),磷浓度估计部204结束本实施方式所涉及的钢水中磷浓度的估计处理。
以上,参照图4说明了本实施方式所涉及的钢水中磷浓度的估计方法的流程。此外,在图4所示的本实施方式的钢水中磷浓度的估计方法所涉及的流程图中示出的步骤只不过是一个例子。
例如,步骤S101所涉及的处理、步骤S107及步骤S109所涉及的处理被执行的定时是在步骤S115中的钢水中磷浓度的估计处理开始以前即可,没有特别限定。具体地说,在其它实施方式中,在数据获取部201从各种装置一并获取与脱碳氧效率有关的数据的情况下,步骤S101及步骤S107中的数据的获取处理以及步骤S109中的簇的决定处理在步骤S115中的钢水中磷浓度的估计处理开始以前完成即可。这是由于在步骤S115中的钢水中磷浓度的估计处理的开始时备齐用于钢水中磷浓度的估计的数据就足够了。
<<4.总结>>
脱碳处理中的CaO源的渣化状况反映影响钢水中磷浓度的脱磷反应的进展的程度。该CaO源的渣化状况与脱碳处理中的脱碳氧效率有关。据此,根据本实施方式,使用脱碳处理的初期的脱碳氧效率的时间序列数据(和/或脱碳氧效率的时间序列数据的平均值),来作为被用作用于计算脱磷速度常数k的解释变量的操作因素之一。即,作为与脱磷反应的进展的程度有关系的CaO的渣化状况,将在脱碳处理时获取的脱碳氧效率应用于钢水中磷浓度的估计。由此,根据本实施方式,能够进一步提高转炉吹炼中的钢水中磷浓度的估计精度。
另外,根据本实施方式,如下的分类变量被用作与操作因素有关的解释变量,该分类变量用于识别通过对过去的操作时的脱碳氧效率的时间序列数据进行的时间序列聚类所得到的簇。然后,决定与在实际的操作时得到的脱碳氧效率的时间序列数据所示出的趋势类似的簇,将与决定出的簇对应的分类变量作为与该装料的操作因素有关的解释变量代入到回归方程。由此,能够单纯将脱碳处理的初期的脱碳氧效率的变动的模式反映到脱磷速度常数k的估计中。即,能够进一步提高转炉吹炼中的钢水中磷浓度的估计精度。
此外,图3所示的结构只是本实施方式所涉及的转炉吹炼系统1的一个例子,转炉吹炼系统1的具体结构不限于所述的例子。只要转炉吹炼系统1以能够实现以上说明的功能的方式构成即可,能够采取一般能够想到的所有结构。
例如,对于转炉吹炼控制装置20所具备的各功能,也可以不在一台装置中执行全部功能,可以由多个装置的协作来执行各功能。例如,也可以是,通过将仅具有数据获取部201、簇决定部202、聚类执行部203以及磷浓度估计部204中的一个或者多个部的任意功能的一个装置与具有其它功能的其它装置以能够进行通信的方式连接,来实现与图示的转炉吹炼控制装置20同等的功能。
另外,能够制作用于实现图3所示的本实施方式所涉及的转炉吹炼控制装置20的各功能的计算机程序,安装到PC等处理装置。另外,也能够提供记录有这种计算机程序的、计算机可读取的记录介质。记录介质例如是磁盘、光盘、磁光盘、闪存等。另外,关于上述的计算机程序,也可以不使用记录介质,而是例如经由网络来发布。
另外,在上述实施方式中,说明了将转炉吹炼系统1应用于SRP(Simple RefiningProcess:简单精炼工艺)操作的例子,但本发明的应用对象不只限于SRP操作。例如,本发明所涉及的转炉吹炼系统1也能够应用于在使用浇包、鱼雷车等设备进行了铁水预备处理后向转炉中装入铁水来进行脱碳处理的操作以及使用与进行脱碳处理的转炉不同的转炉来进行脱磷处理这样的使用多个转炉的操作。另外,本发明所涉及的转炉吹炼系统1也能够应用于不实施铁水预备处理的普通铁水操作。在应用于普通铁水操作的情况下,通过使用在脱碳处理前实测的磷浓度的实绩值来作为磷浓度初始值[P]ini,能够估计钢水中磷浓度。此外,在普通铁水操作的情况下,磷浓度初始值[P]ini例如是在作为普通的前工序的脱硫处理后实测的磷浓度。
实施例
接着,说明本发明的实施例。为了确认本发明的效果,在本实施例中,对通过本实施方式所涉及的钢水中磷浓度估计方法得到的钢水中磷浓度的估计精度进行了验证。此外,以下的实施例不过是为了验证本发明的效果而进行的,本发明不限定于以下的实施例。
关于实施例和比较例,分别计算出了副枪测定时的钢水中磷浓度。钢水中磷浓度是通过将利用上述式(4)得到的脱磷速度常数k代入到上述式(2)来得到的。下面将计算出的钢水中磷浓度称为“估计值”。
此外,为了验证实施例和比较例所涉及的钢水中磷浓度的估计精度,测定了副枪测定时的钢水中磷浓度的实绩值。分别计算出实施例和比较例所涉及的钢水中磷浓度的估计值与实绩值的误差(估计误差),并求出该估计误差的标准偏差(%)。标准偏差越小,则可以说估计误差越小,即估计精度越高。
在上述式(4)中示出的回归方程中使用的解释变量如下述表2所示。具体地说,在比较例中,作为解释变量,使用上述表1所示的以往的操作因素。另一方面,在实施例中,作为解释变量,除了上述表1所示的操作因素以外,还使用了与由簇决定部202针对脱碳氧效率的时间序列数据决定出的簇对应的分类变量(称为与脱碳氧效率有关的分类变量)。
[表2]
表2
接着,示出实施例和比较例所涉及的钢水中磷浓度的估计精度的验证结果。图5是表示实施例和比较例所涉及的、相对于副枪测定时的钢水中磷浓度的实绩值的估计误差的标准偏差的曲线图。参照图5可知,在实施例中,与比较例相比估计误差的标准偏差为较小的值,钢水中磷浓度的估计精度进一步提高。
本发明人们针对各装料对基于以上述式(4)所示的回归方程的回归结果进行了分析,结果发现了存在根据脱碳氧效率的推移的状况而脱磷效率发生变动的倾向。通过着眼于该倾向,利用基于脱碳氧效率的时间序列数据的解释变量将脱碳处理中的CaO源的渣化状况反映到脱磷速度常数k的计算中,由此认为钢水中磷浓度的估计精度提高。
以上参照附图详细地说明了本发明的优选实施方式,但是本发明不限于所述的例子。具备本发明所属技术领域的普通知识的人能够在权利要求书所记载的技术思想范围内想到各种变更例或者修正例,这是很明确的,应理解为这些变更例或者修正例也当然属于本发明的技术范围内。
附图标记说明
1:转炉吹炼系统;10:转炉吹炼设备;11:转炉;12:烟道;13:顶吹喷枪;14:副枪;20:转炉吹炼控制装置;21:转炉吹炼数据库;22:输入输出部;30:测量控制装置;40:操作数据库;101:排气成分分析仪;102:排气流量计;201:数据获取部;202:簇决定部;203:聚类执行部;204:磷浓度估计部。
Claims (6)
1.一种钢水中磷浓度估计方法,用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在所述脱碳处理中使用的所述转炉不同的设备来进行所述脱磷处理的情况下的、所述脱碳处理时的钢水中磷浓度,所述钢水中磷浓度估计方法包括:
排气数据获取步骤,获取排气成分和排气流量;
钢水数据获取步骤,通过副枪测定来获取钢水温度和钢水中的碳浓度;以及
磷浓度估计步骤,使用与利用所述排气成分及所述排气流量来得到的脱碳氧效率有关的数据、与所述排气成分、所述排气流量、所述钢水温度及所述碳浓度有关的数据以及与所述脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的所述脱磷速度常数和所述脱碳处理开始时的钢水中的磷浓度,来估计所述副枪测定以后的所述钢水中的磷浓度,
其中,所述脱碳氧效率表示吹入到所述转炉内的氧与所述脱碳处理中的钢水中的碳的、反应的效率。
2.根据权利要求1所述的钢水中磷浓度估计方法,其特征在于,
在所述脱磷速度常数的计算中,使用识别簇的分类变量,所述簇是通过针对在过去的操作中获取到的多个所述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
3.一种转炉吹炼控制装置,用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在所述脱碳处理中使用的所述转炉不同的设备来进行所述脱磷处理的情况下的、所述脱碳处理时的钢水中磷浓度,所述转炉吹炼控制装置具备:
排气数据获取部,其获取排气成分和排气流量;
钢水数据获取部,其通过副枪测定来获取钢水温度和钢水中的碳浓度;以及
磷浓度估计部,其使用与利用所述排气成分及所述排气流量来得到的脱碳氧效率有关的数据、与所述排气成分、所述排气流量、所述钢水温度及所述碳浓度有关的数据以及与所述脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的所述脱磷速度常数和所述脱碳处理开始时的钢水中的磷浓度,来估计所述副枪测定以后的所述钢水中的磷浓度,
其中,所述脱碳氧效率表示吹入到所述转炉内的氧与所述脱碳处理中的钢水中的碳的、反应的效率。
4.根据权利要求3所述的转炉吹炼控制装置,其特征在于,
所述磷浓度估计部在所述脱磷速度常数的计算中使用识别簇的分类变量,所述簇是通过针对在过去的操作中获取到的多个所述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
5.一种记录介质,记录有程序,该程序使计算机作为转炉吹炼控制装置来发挥功能,该转炉吹炼控制装置用于估计在使用转炉的脱碳处理之前不进行脱磷处理的情况或利用与在所述脱碳处理中使用的所述转炉不同的设备来进行所述脱磷处理的情况下的、所述脱碳处理时的钢水中磷浓度,所述程序使计算机实现如下功能:
排气数据获取功能,获取排气成分和排气流量;
钢水数据获取功能,通过副枪测定来获取钢水温度和钢水中的碳浓度;以及
磷浓度估计功能,使用与利用所述排气成分及所述排气流量来得到的脱碳氧效率有关的数据、与所述排气成分、所述排气流量、所述钢水温度及所述碳浓度有关的数据以及与所述脱碳处理有关的操作条件,来计算脱磷速度常数,使用计算出的所述脱磷速度常数和所述脱碳处理开始时的钢水中的磷浓度,来估计所述副枪测定以后的所述钢水中的磷浓度,
其中,所述脱碳氧效率表示吹入到所述转炉内的氧与所述脱碳处理中的钢水中的碳的、反应的效率。
6.根据权利要求5所述的记录介质,其特征在于,
所述磷浓度估计功能在所述脱磷速度常数的计算中使用识别簇的分类变量,所述簇是通过针对在过去的操作中获取到的多个所述脱碳氧效率的时间序列数据进行的时间序列聚类得到的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-161315 | 2017-08-24 | ||
JP2017161315 | 2017-08-24 | ||
PCT/JP2018/031134 WO2019039539A1 (ja) | 2017-08-24 | 2018-08-23 | 溶鋼中りん濃度推定方法、転炉吹錬制御装置、プログラム及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111032887A CN111032887A (zh) | 2020-04-17 |
CN111032887B true CN111032887B (zh) | 2022-03-15 |
Family
ID=65439060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880053411.3A Active CN111032887B (zh) | 2017-08-24 | 2018-08-23 | 钢水中磷浓度估计方法、转炉吹炼控制装置、程序和记录介质 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6725078B2 (zh) |
KR (1) | KR102232483B1 (zh) |
CN (1) | CN111032887B (zh) |
TW (1) | TWI665307B (zh) |
WO (1) | WO2019039539A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230042731A (ko) * | 2020-09-01 | 2023-03-29 | 제이에프이 스틸 가부시키가이샤 | 정련 처리 제어 장치 및 정련 처리 제어 방법 |
TWI773386B (zh) * | 2021-06-16 | 2022-08-01 | 統一企業股份有限公司 | 預測飲料中最高咖啡因含量值的方法及其系統 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012136767A (ja) * | 2010-12-28 | 2012-07-19 | Jfe Steel Corp | 転炉りん濃度推定方法 |
CN103160640A (zh) * | 2013-02-26 | 2013-06-19 | 河北钢铁股份有限公司邯郸分公司 | 一种转炉炼钢过程中动态检测炉渣中锰、磷、硫含量的方法 |
CN103361461A (zh) * | 2012-03-30 | 2013-10-23 | 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 |
JP5483429B2 (ja) * | 2010-03-26 | 2014-05-07 | 日新製鋼株式会社 | 溶鋼中の燐濃度を精度よく推定する方法 |
JP5582105B2 (ja) * | 2011-07-15 | 2014-09-03 | 新日鐵住金株式会社 | 転炉吹錬制御方法 |
JP5790607B2 (ja) * | 2012-08-20 | 2015-10-07 | 新日鐵住金株式会社 | 溶銑脱りん方法、溶銑脱りんシステム、低りん溶銑の製造方法および低りん溶銑の製造装置 |
JP5853723B2 (ja) * | 2011-01-28 | 2016-02-09 | Jfeスチール株式会社 | リン濃度予測装置及び吹錬制御方法 |
JP2017115173A (ja) * | 2015-12-21 | 2017-06-29 | 株式会社神戸製鋼所 | 転炉の操業方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5792121A (en) * | 1980-11-29 | 1982-06-08 | Sumitomo Metal Ind Ltd | Method for estimation of phosphorus concentration of steel bath |
JP5493997B2 (ja) | 2010-02-25 | 2014-05-14 | Jfeスチール株式会社 | 転炉精錬方法 |
JP5924186B2 (ja) | 2011-08-23 | 2016-05-25 | Jfeスチール株式会社 | 転炉での溶銑の脱炭精錬方法 |
KR102065455B1 (ko) * | 2016-07-14 | 2020-01-13 | 닛폰세이테츠 가부시키가이샤 | 용강 중 인 농도 추정 방법 및 전로 취련 제어 장치 |
-
2018
- 2018-08-23 TW TW107129508A patent/TWI665307B/zh not_active IP Right Cessation
- 2018-08-23 CN CN201880053411.3A patent/CN111032887B/zh active Active
- 2018-08-23 WO PCT/JP2018/031134 patent/WO2019039539A1/ja active Application Filing
- 2018-08-23 JP JP2019537673A patent/JP6725078B2/ja active Active
- 2018-08-23 KR KR1020197028444A patent/KR102232483B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5483429B2 (ja) * | 2010-03-26 | 2014-05-07 | 日新製鋼株式会社 | 溶鋼中の燐濃度を精度よく推定する方法 |
JP2012136767A (ja) * | 2010-12-28 | 2012-07-19 | Jfe Steel Corp | 転炉りん濃度推定方法 |
JP5853723B2 (ja) * | 2011-01-28 | 2016-02-09 | Jfeスチール株式会社 | リン濃度予測装置及び吹錬制御方法 |
JP5582105B2 (ja) * | 2011-07-15 | 2014-09-03 | 新日鐵住金株式会社 | 転炉吹錬制御方法 |
CN103361461A (zh) * | 2012-03-30 | 2013-10-23 | 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 |
JP5790607B2 (ja) * | 2012-08-20 | 2015-10-07 | 新日鐵住金株式会社 | 溶銑脱りん方法、溶銑脱りんシステム、低りん溶銑の製造方法および低りん溶銑の製造装置 |
CN103160640A (zh) * | 2013-02-26 | 2013-06-19 | 河北钢铁股份有限公司邯郸分公司 | 一种转炉炼钢过程中动态检测炉渣中锰、磷、硫含量的方法 |
JP2017115173A (ja) * | 2015-12-21 | 2017-06-29 | 株式会社神戸製鋼所 | 転炉の操業方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111032887A (zh) | 2020-04-17 |
JPWO2019039539A1 (ja) | 2019-11-07 |
TW201920691A (zh) | 2019-06-01 |
JP6725078B2 (ja) | 2020-07-15 |
KR20190124754A (ko) | 2019-11-05 |
KR102232483B1 (ko) | 2021-03-29 |
TWI665307B (zh) | 2019-07-11 |
WO2019039539A1 (ja) | 2019-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108779506B (zh) | 钢水中磷浓度估计方法和转炉吹炼控制装置 | |
JP6897261B2 (ja) | 溶鋼中りん濃度推定方法、転炉吹錬制御装置、プログラム及び記録媒体 | |
CN111032887B (zh) | 钢水中磷浓度估计方法、转炉吹炼控制装置、程序和记录介质 | |
JP6515385B2 (ja) | 溶銑予備処理方法及び溶銑予備処理制御装置 | |
KR20200118200A (ko) | 용탕 성분 추정 장치, 용탕 성분 추정 방법, 및 용탕의 제조 방법 | |
JP6897260B2 (ja) | 溶鋼中りん濃度推定方法、転炉吹錬制御装置、プログラム及び記録媒体 | |
JP6547901B2 (ja) | 溶銑予備処理方法及び溶銑予備処理制御装置 | |
JP7043949B2 (ja) | T.Fe推定方法、T.Fe制御方法、転炉吹錬制御装置、およびプログラム | |
JP7376787B2 (ja) | 溶鋼中りん濃度推定装置、統計モデル構築装置、溶鋼中りん濃度推定方法、統計モデル構築方法、およびプログラム | |
JP6795133B1 (ja) | 転炉型脱燐精錬炉の吹錬制御方法及び吹錬制御装置 | |
JP7469646B2 (ja) | 転炉吹錬制御装置、統計モデル構築装置、転炉吹錬制御方法、統計モデル構築方法およびプログラム | |
JP2012149341A (ja) | 溶湯成分推定方法及び溶湯成分推定装置 | |
JP2024005899A (ja) | 統計モデル構築装置、方法及びプログラム、並びに溶鋼中りん濃度推定装置、方法及びプログラム | |
JP2021031684A (ja) | 転炉吹錬制御装置、統計モデル構築装置、転炉吹錬制御方法、統計モデル構築方法およびプログラム | |
JP2022163677A (ja) | 演算装置、パラメータ推定方法およびプログラム | |
CN118103530A (zh) | 炉内状态推断装置、炉内状态推断方法以及钢水制造方法 |
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 |