CN111286570A - 利用扫描雷达调控异常操作炉型的方法 - Google Patents

Abstract

本发明提供了一种利用扫描雷达调控异常操作炉型的方法，利用扫描雷达获得的料面形状，通过模式识别找到正常炉型时的料面类别，再针对炉型特点，通过精准调节中心、边缘的料面形状，以实现高炉异常炉型的精准调节，该技术属于高炉擦操作技术领域。

Description

利用扫描雷达调控异常操作炉型的方法

技术领域

本发明涉及高炉炉型调控领域，具体涉及一种利用扫描雷达调控异常操作炉型的方法。

背景技术

操作炉型对高炉的长期稳定顺行极其重要，每座高炉都很重视炉型的管控。

文献1“张文强，唐钢2号高炉操作炉型的监控与应用，炼铁技术通讯，2009年第1期，P17-19。”中提出唐钢2号高炉(2000m3)在炉腹、炉腰、炉身分别装有测温热电偶,每层4根。为避免炉墙粘结,一方面通过控制边缘的矿焦比和下部适宜的鼓风动能来实现适宜的边缘气流控制,通过减小边缘气流的波动,将软熔带根部稳定在合理的位置,避免其上、下位移过大。另一方面通过控制冷却水温度和水量来实现适当的冷却强度。该文献中提出的炉型监控方法仅仅通过统计分析，提出了一种冷却壁温度控制范围，一旦超过该范围则通过布料及冷却控制来实现炉型的管控，这种方法存在判断不精细、调剂不精确的缺陷。

文献2“王英春，张建良，郭豪，唐钢1号高炉合理操作炉型的控制技术，过程工程学报，2009年6月，Vol.9Suppl.No.1，P142-146。”中在对影响合理操作炉型的关键因素，如适宜的上下部调剂、稳定的热制度和造渣制度、冷却制度等进行分析的同时，特别提出冷却壁温度及温差的变化有助于判断炉型炉况，为此制定了严格的冷却壁温度及水温差监测制度.根据测量情况，及时总结调整，使高炉操作炉型始终保持在合理水平。该文和文献1一样，仅仅通过管控冷却壁温度在一定范围内实现对炉型的控制，该文献中提出的各种控制炉型的方法，对高炉运行的影响大，存在手段多、精度差的特点，很多时候会加剧炉型波动。

文献3“梁建华，太钢5号高炉操作炉型的管理实践，山西冶金，2013年12月，P30-32。”中总结出符合太钢5号高炉炉型演变、维护要求的管理制度，其中包括原燃料管理、布料矩阵调整、冷却制度调整、炉体温度分析与控制以及硬质耐火料压入维护炉衬的方法。这些管理方法中原燃料质量管控、冷却制度调整、造衬等技术属于中长期管控模式，对于炉型调整而言，布料及炉体温度控制属于随时可以实施的操作手段，文献3中同样仅仅提供了炉体温度的控制目标，对于炉型变化的程度缺乏精确诊断，同样用布料调剂炉型，也仅仅提出了一种思路，难以精准施策。

文献4“胡水生，郭艳勇，首钢京唐1号高炉操作炉型管理实践，中国冶金，第26卷第7期，Vol.26，No.7，P43-47。”中指出京唐1号高炉在操作炉型管理实践过程中根据炉墙水温差和系统水温差情况制定了保炉型合理的相应措施，当因原燃料等外围变化带来炉内煤气变化从而造成炉墙水温差和系统水温差剧烈升高时，高炉及时采取退负荷或退装料措施保障高炉相对合理的操作炉型。该文献只指出了渣皮脱落时炉型管控措施，同样仅仅提供了水温差、炉墙温度的控制目标，没有进行精确分类，相关的布料措施也仅仅提供了调剂方向，没有实现量化调剂。

文献5“张立，浅谈高炉操作炉型管理与炉况顺行，黑龙江冶金，Vol.33，No.4，P24-25。”中指出综合利用高炉冷却壁温度和热负荷的变化，及时了解炉型的波动及变化，维护高炉操作炉型，有力促进炉况长久稳定顺行；经一段时间的强化冶炼后，要适当进行疏导，利用发展边缘煤气流动对炉墙不规则部位进行清理。文中提出了冷却壁温度、热负荷的重要，但没有建立管控制度，同样对布料调剂没有提供精准控制方案。

文献6“孙鹏；车玉满；李连成等；鞍钢股份有限公司，一种高炉内型监测系统，专利号:CN200910187509.0”，本发明公开了一种高炉内型监测系统，主要包括PLC系统、DSC系统、OPC服务器、SQL数据库技术、串口隔离技术、异步通信技术、WEB显示技术，其特征在于在此基础上分别建立高炉数据采集系统和处理系统、高炉铜冷却壁温度和渣皮厚度计算系统、高炉炉型波动预警系统，通过OPC串口通讯、SQL数据库和高速以太网把各个子系统有机的结合在一起。本发明可以有效地监测高炉高热负荷区内铜冷却壁热面渣皮厚度即高炉内型，在高炉与主控室之间形成一条高速的、计算能力强大的高炉炉型炉况信息通道，在高炉高热负荷区渣皮结厚或减薄等异常炉况下指导高炉操作，保证高炉炉况稳定、顺行和长寿。该专利主要用于计算渣皮厚度，通过渣皮厚度评估炉型状态，该专利有一个致命的缺陷，一方面冷却壁温度测量点有限，所计算的渣皮厚度是一种估算，另一方面因渣皮成因复杂，其传热系数变化大，这将导致计算结果误差偏大，严重影响对炉型变化的评价。

文献7“陈令坤；胡正刚；邹祖桥等；武汉钢铁(集团)公司，高炉操作炉型维护方法，专利号:CN201210477271.7”，公开了一种高炉操作炉型维护方法，该方法通过相应的传感器获取高炉实时冷却壁温度、冷却水流量和冷却水温度的参数，建立分类用样本，利用模式识别技术对冷却壁温度、冷却水流量和冷却水温度的参数进行分类，以分类结果为索引，对同时间内的高炉操作指标进行分类，找出指标比较优化的冷却壁变化类型，统计落在指标比较优化的区间内的冷却壁温度的变化范围，这种数据就对应着当前炉况下的冷却壁温度及冷却水流量和温度的控制范围，最后依据此控制范围对高炉进行控制。本发明实现了高炉炉型管理的动态控制。本专利通过模式识别技术可以识别出沿高炉高度方向炉型变化的总体特征，但该方法是通过统计实现的，这种方法只能获取高炉炉型变化的平均信息，对于瞬时、总体把握不够。

文献1-7中都指出了炉型变化时管控措施，都仅仅提供了水温差、炉墙温度的控制目标，没有进行精确分类，相关的布料措施也仅仅提供了调剂方向，没有实现量化调剂。采用模型计算的方法存在计算误差大，只能获取高炉炉型变化的平均信息，对于瞬时、总体把握不够等缺点。

发明内容

本发明的目的就是针对现有技术的缺陷，提供一种利用扫描雷达调控异常操作炉型的方法，现最少时间内用最小冲击将异常炉型调整到合理状态。

本发明提供了一种利用扫描雷达调控异常操作炉型的方法，其特征在于包括以下步骤：

a.在高炉状态基本稳定的情况下，采集高炉圆周方向4个区域、高度方向三个高炉分区的6个月内的冷却壁温度、冷却水流量、水温差测量数据和炉型变化状态数据，通过扫描雷达测量的料面形状数据；选择高炉利用系数连续大于指定值的时段内的数据的平均值区间存储于数据库；

b.根据数据库中高炉各区域的冷却壁温度、热负荷、水温差数据对炉型状态进行分类；设定5个渣皮粘结系数：粘结、稍微粘结、正常、渣皮有脱落、渣皮大面积脱落；设定高炉各区域冷却壁温度、热负荷、水温差各数据区间分别对应的渣皮粘结系数；

c.利用保存的6个月布料料面形状测量数据，按照焦炭、矿石进行分类，分别获取正常情况下的料面类别和特征；

d.判断高炉各区域的渣皮粘结系数为正常对应的料面形状；

e.根据当前的高炉各区域的冷却壁温度、热负荷、水温差数据及其对应的渣皮粘结系数判定当前各区域的的渣皮粘结指数，并通过扫描雷达测量当前料面形状；

f.根据当前的渣皮粘结指数和料面形状调整布料矩阵。

上述技术方案中，还包括步骤g，调整布料矩阵5小时后如果渣皮粘结指数趋向正常，持续观察直到1个-2个冶炼周期完成，再次重复上述过程，直到将炉型状态调整到设定区间。

上述技术方案中，所述步骤a中针对采集的6个月的实时数据采样、计算频率为15min/次；如果高炉连续5天的利用系数大于2.4t/m4.d，以上述时间端的冷却壁温度、热负荷、水温差评估炉型状态，构建渣皮粘结指数，获取各参变量的平均值区间，保存在数据库。

上述技术方案中，所述步骤f中以料线1.4m处的料面为准，在料面上设定5个量化处理点，分别对应于半径的0.1r、0.20r、0.45r、0.75r、0.85r(r为高炉炉喉半径)处，通过量化调整0.1r、0.20r、0.45r、0.75r、0.85r(r为高炉炉喉半径)处的O/C厚度来调整气流及温度场分布。

上述技术方案中，步骤f中，确定布料调整措施后，由高炉布料PLC执行，并通过炉顶料面扫描雷达进行料面形状扫描，并将相关数据保存在数据库中。

上述技术方案中，所述步骤e中，判定高炉各区域的水温差、热负荷、冷却壁温度各数值所处的数值区间对应的渣皮粘结系数，如果判定某区域的水温差或热负荷或冷却壁温度处于某渣皮粘结系数对应的区间，则该渣皮粘结系数对应的指数加1；统计高炉各区域的所有渣皮粘结系数的指数总和，形成皮粘结指数以作为高炉粘结的判据。

本发明涉及一种利用扫描雷达测量获得的料面数据来调剂炉型的高炉控制技术，该技术是利用扫描雷达获得的料面形状，通过模式识别找到正常炉型时的料面类别，再针对炉型特点，通过精准调节中心、边缘的料面形状，以实现高炉异常炉型的精准调。本发明首先利用反映炉型变化的冷却壁温度测量数据、水温差变化、热负荷变化数据来对炉型变化进行综合评价，炉型变化评判所依据的信息源较丰富；另一方面，本发明提出了一种渣皮粘结指数，通过该指数来表征炉型变化的特点，为了区分高炉高温区不同部位的差异，特地针对高温区下部、中部、上部区域进行有针对性的评判，和现有技术中提供的炉型管控模式相比，渣皮粘结指数细化了对炉型变化的分类，覆盖了整个高炉高温区域，对炉型变化的管控更细腻；最后该专利抛弃了以往定性调整的思路，利用扫描雷达获取的准确料面数据，根据炉型变化的特征，可以精准确定炉料在炉喉的分布状况，通过精准的料面变化实现最少时间内用最小冲击将异常炉型调整到合理状态。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。

本发明以3200m3高炉为例，提供一种实施案例。

一个3200m3高炉，炉顶圆周半径4.5m，3200m3高炉5、6、7、8、9、10、11段冷却壁每段40块冷却壁，每4块冷却壁安装1个测温电偶，高炉沿圆周划分为4个区，每个区域包含10块冷却壁，每个区域安装1个水温差测温电偶，一个流量计。

本发明提供了一种利用扫描雷达调控异常操作炉型的方法，包括以下步骤：

步骤1：高炉炉型状态数据库(Data1)构建

在高炉状态基本稳定的情况下，选择高炉炉腹、炉腰、炉身下部高热负荷区域的冷却壁温度、冷却水流量、水温差测量数据、炉型粘结指数作为高炉炉型状态表征的关键变量。

选择高炉扫描雷达测量的料面形状等作为高炉操作变量。

各变量的简写、单位、采集周期、主要作用周期于下表所示。

共采集上述6个月的实时数据用于高炉炉型的诊断、处理、分类，构建案例库，采样、计算频率15min/次。

选取高炉利用系数较好的时段，确定数据库(Data1)中各参变量的平均值区间，保存在数据库(Data2)中。

如果高炉连续5天的利用系数大于2.4t/m4.d，以这段时间的冷却壁温度、热负荷、水温差等评估炉型均匀情况，构建渣皮粘结指数。

(1).冷却壁温度

分别对5、6、7、8、9、10、11共7段冷却壁分别对每段的12个监测点计算各段平均温度；

St_P_T(i＝5,6,…,11)＝∑

(T_Stave(i,j),j＝1,2,3,…,10)/12,i＝5,6,7,…,11；

用该方法计算1天之内5、6、7、8、9、10、11段冷却壁的平均值，这些数据作为基准数据。相关数据保存在数据库(Data2)中。

基准数据如下表所示

(2).水温差测量数据

Wa_P_T(i＝5,6,…,11)＝∑((T_Water(I+1,k)-T_Water(I+1,k)),k＝1,2,3,4)/4,

i＝5,6,7,…,11；

用该方法计算1天之内流经5、6、7、8、9、10、11段冷却壁4个区域的水温差平均值，这些数据作为基准数据。相关数据保存在数据库(Data2)中。

(3).热负荷

Stvt(I,k)＝(T_Water(I+1,k)-T_Water(I+1,k)*Q*44),k＝1,2,3,4),

i＝5,6,7,…,11；

P_Stvt(i＝5,6,…,11)＝∑

(Stvt(I,k),k＝1,2,3,4)/4,i＝5,6,7,…,11；

用该方法计算1天之内流经5、6、7、8、9、10、11段冷却壁4个区域的热负荷平均值，这些数据作为基准数据。相关数据保存在数据库(Data2)中。

5-11段共产生60000MJ/h的热量

步骤2：高炉炉型分类：

利用数据库(Data2)中的数据对高炉炉型状态进行识别，用6个月的实时数据对炉型状态进行识别，确定炉型的主要变化标准，为布料优化及调剂提供依据。

就3200m3高炉而言，利用6个月连续测量数据可以获得如下的分类标准。

算法：

对高炉圆周4个区域，高度方向三个高炉分区的所有冷却壁温度、热负荷、水温差进行炉型状态诊断并进行分类。

步骤3：利用渣皮粘结指数构建高炉炉型变化评估:

利用数据库(Data2)中的数据对炉型进行识别，将识别类别记录在数据库(PH_Inner_Pro)中，数据库PH_Inner_Pro中的数据就反映了高炉炉型的变化过程。

通过4个区域5、6两段，7、8两段，9、10、11三段构成的渣皮粘结诊断矩阵，通过矩阵数据变化、波动状况来评价渣皮粘结状况，构建渣皮粘结指数。

设定5个渣皮粘结状态系数，即粘结、稍微粘结、正常、渣皮有脱落、渣皮大面积脱落，针对每个测量点按照相关标准进行统计，获得5个渣皮粘结状态系数对应的指数，如下所示。

对于以冷却壁温度为判据的规则而言,对于当前状态的渣皮粘结指数判定方法如下：：

在5段冷却壁：

监测点温度≤45℃，粘结，Low_Scab_No＝1，满足一个Low_Scab_No加1；

45℃≤监测点温度≤48℃稍微粘结，Low_Scab_Small＝1，监测点温度满足上述条件则统计数据Low_Scab_Small加1；

48℃≤监测点温度≤60℃正常，Low_Scab_Normal＝1，监测点温度满足上述条件则统计数据Low_Scab_Normal加1；

60℃≤监测点温度≤65℃渣皮有脱落，Low_Scab_High＝1，监测点温度满足上述条件则统计数据Low_Scab_High加1；

监测点温度≥65℃渣皮大面积脱落，Low_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Low_Scab_Very_Hi加1；

6段冷却壁：

监测点温度≤45℃，粘结，Low_Scab_No＝1，满足一个Low_Scab_No加1；

45℃≤监测点温度≤49℃稍微粘结，Low_Scab_Small＝1，监测点温度满足上述条件则统计数据Low_Scab_Small加1；

49℃≤监测点温度≤63℃正常，Low_Scab_Normal＝1，监测点温度满足上述条件则统计数据Low_Scab_Normal加1；

63℃≤监测点温度≤67℃渣皮有脱落，Low_Scab_High＝1，监测点温度满足上述条件则统计数据Low_Scab_High加1；

监测点温度≥67℃渣皮大面积脱落，Low_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Low_Scab_Very_Hi加1；

7段冷却壁：

监测点温度≤45℃，粘结，Mid_Scab_No＝1，满足一个Mid_Scab_No加1；

45℃≤监测点温度≤49℃稍微粘结，Mid_Scab_Small＝1，监测点温度满足上述条件则统计数据Mid_Scab_Small加1；

49℃≤监测点温度≤62℃正常，Mid_Scab_Normal＝1，监测点温度满足上述条件则统计数据Mid_Scab_Normal加1；

62℃≤监测点温度≤65℃渣皮有脱落，Mid_Scab_High＝1，监测点温度满足上述条件则统计数据Mid_Scab_High加1；

监测点温度≥65℃渣皮大面积脱落，Mid_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Mid_Scab_Very_Hi加1；

8段冷却壁：

监测点温度≤45℃，粘结，Mid_Scab_No＝1，满足一个Mid_Scab_No加1；

45℃≤监测点温度≤48℃稍微粘结，Mid_Scab_Small＝1，监测点温度满足上述条件则统计数据Mid_Scab_Small加1；

48℃≤监测点温度≤60℃正常，Mid_Scab_Normal＝1，监测点温度满足上述条件则统计数据Mid_Scab_Normal加1；

60℃≤监测点温度≤63℃渣皮有脱落，Mid_Scab_High＝1，监测点温度满足上述条件则统计数据Mid_Scab_High加1；

监测点温度≥63℃渣皮大面积脱落，Mid_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Mid_Scab_Very_Hi加1；

9段冷却壁：

监测点温度≤70℃，粘结，Up_Scab_No＝1，满足一个Up_Scab_No加1；

70℃≤监测点温度≤85℃稍微粘结，Up_Scab_Small＝1，监测点温度满足上述条件则统计数据Up_Scab_Small加1；

85℃≤监测点温度≤140℃正常，Up_Scab_Normal＝1，监测点温度满足上述条件则统计数据Up_Scab_Normal加1；

140℃≤监测点温度≤160℃渣皮有脱落，Up_Scab_High＝1，监测点温度满足上述条件则统计数据Up_Scab_High加1；

监测点温度≥160℃渣皮大面积脱落，Up_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Up_Scab_Very_Hi加1；

10段冷却壁：

监测点温度≤65℃，粘结，Up_Scab_No＝1，满足一个Up_Scab_No加1；

65℃≤监测点温度≤86℃稍微粘结，Up_Scab_Small＝1，监测点温度满足上述条件则统计数据Up_Scab_Small加1；

86℃≤监测点温度≤135℃正常，Up_Scab_Normal＝1，监测点温度满足上述条件则统计数据Up_Scab_Normal加1；

135℃≤监测点温度≤150℃渣皮有脱落，Up_Scab_High＝1，监测点温度满足上述条件则统计数据Up_Scab_High加1；

监测点温度≥150℃渣皮大面积脱落，Up_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Up_Scab_Very_Hi加1；

11段冷却壁：

监测点温度≤70℃，粘结，Up_Scab_No＝1，满足一个Up_Scab_No加1；

70℃≤监测点温度≤90℃稍微粘结，Up_Scab_Small＝1，监测点温度满足上述条件则统计数据Up_Scab_Small加1；

90℃≤监测点温度≤140℃正常，Up_Scab_Normal＝1，监测点温度满足上述条件则统计数据Up_Scab_Normal加1；

140℃≤监测点温度≤150℃渣皮有脱落，Up_Scab_High＝1，监测点温度满足上述条件则统计数据Up_Scab_High加1；

监测点温度≥150℃渣皮大面积脱落，Up_Scab_Very_Hi＝1，监测点温度满足上述条件则统计数据Up_Scab_Very_Hi加1；

综合某时刻的统计结果，渣皮粘结指数如下。

(1).炉身下部5、6段渣皮状况评估

(2).炉身中部7、8段渣皮状况评估

(3).炉身上部9、10、11段渣皮状况评估

步骤4：扫描雷达布料模式识别单元

利用保存的6个月布料料面测量数据，按照焦炭、矿石进行分类，分别获取料面的类别、特征，就3200m3高炉而言，正常情况下可以获得5类焦炭料面、5类矿石料面。

步骤5：最优布料、炉型状态匹配识别：

以不同料面形状所对应的炉型评判指数(渣皮粘结指数)为判据，判断Low_Scab_Normal、Mid_Scab_Normal、Up_Scab_Normal所对应的料面形状，以这些状态组合作为判断的依据，构建最佳状态空间。

(1).布料决定高炉温度场分布，正常炉型对应的布料分布决定了一个适合高炉冶炼的温度场分布。对3200m3高炉而言，第3类布料形状对应于较好的操作炉型。

(2).根据当前炉型特点，以正常操作的布料为依据，可以根据实际炉型变化有针对性地调整布料，达成气流分布的调整，从而改变气流分布，最终影响炉内温度场分布。1、2类布料可以用于炉墙结厚调整，4、5类料面形状可以用于渣皮脱落的炉况处理。

步骤6：异常炉型调整：

根据当前炉型状态，提出有针对性的布料调剂策略，以优化炉型状态。

(1).以最佳炉型对应的布料为起点，可以有针对性地调整布料，以前没有扫描雷达，调整的方向尽管可以确定，但调整的程度、炉型的反应难以精确设定，在获得渣皮粘结指数和扫描料面形状后，就可以用料面形状的精准变化调整炉型变化，调整过程中可以根据炉型反应，随时调整布料矩阵。

(2).这里以料线1.4m处的料面为准，在料面上设定5个量化处理点，分别对应于半径的0.1r、0.20r、0.45r、0.75r、0.85r(r高炉炉喉半径)处，通过量化调整0.1r、0.20r、0.45r、0.75r、0.85r(r高炉炉喉半径)处的O/C厚度来调整气流及温度场分布。

(3).调整措施如下所示。

确定布料调剂措施后，由高炉布料PLC执行，并通过炉顶料面扫描雷达进行料面形状扫描，并将相关数据保存在数据库中。

步骤7：调整后的炉型变化评估单元：针对调整后的炉型、料面形状进行状态评判，评估炉型调整是否满足调控目标，如果5小时后炉型开始好转，持续观察，直到1个-2个冶炼周期完成，再次重复上述过程，直到将炉型调整到设定区间。

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (6)

1.一种利用扫描雷达调控异常操作炉型的方法，其特征在于包括以下步骤：

a.在高炉状态基本稳定的情况下，采集高炉圆周方向4个区域、高度方向三个高炉分区的6个月内的冷却壁温度、冷却水流量、水温差测量数据和炉型变化状态数据，通过扫描雷达测量的料面形状数据；选择高炉利用系数连续大于指定值的时段内的数据的平均值区间存储于数据库；

b.根据数据库中高炉各区域的冷却壁温度、热负荷、水温差数据对炉型状态进行分类；设定5个渣皮粘结系数：粘结、稍微粘结、正常、渣皮有脱落、渣皮大面积脱落；设定高炉各区域冷却壁温度、热负荷、水温差各数据区间分别对应的渣皮粘结系数；

c.利用保存的6个月布料料面形状测量数据，按照焦炭、矿石进行分类，分别获取正常情况下的料面类别和特征；

d.判断高炉各区域的渣皮粘结系数为正常对应的料面形状；

e.根据当前的高炉各区域的冷却壁温度、热负荷、水温差数据及其对应的渣皮粘结系数判定当前各区域的的渣皮粘结指数，并通过扫描雷达测量当前料面形状；

f.根据当前的渣皮粘结指数和料面形状调整布料矩阵。

2.根据权利要求1所述的利用扫描雷达调控异常操作炉型的方法，其特征在于还包括步骤g，调整布料矩阵5小时后如果渣皮粘结指数趋向正常，持续观察直到1个-2个冶炼周期完成，再次重复上述过程，直到将炉型状态调整到设定区间。

3.根据权利要求2所述的利用扫描雷达调控异常操作炉型的方法，其特征在于所述步骤a中针对采集的6个月的实时数据采样、计算频率为15min/次；如果高炉连续5天的利用系数大于2.4t/m4.d，以上述时间端的冷却壁温度、热负荷、水温差评估炉型状态，构建渣皮粘结指数，获取各参变量的平均值区间，保存在数据库。

4.根据权利要求3所述的利用扫描雷达调控异常操作炉型的方法，其特征在于所述步骤f中以料线1.4m处的料面为准，在料面上设定5个量化处理点，分别对应于半径的0.1r、0.20r、0.45r、0.75r、0.85r(r为高炉炉喉半径)处，通过量化调整0.1r、0.20r、0.45r、0.75r、0.85r(r为高炉炉喉半径)处的O/C厚度来调整气流及温度场分布。

5.根据权利要求4所述的利用扫描雷达调控异常操作炉型的方法，其特征在于步骤f中，确定布料调整措施后，由高炉布料PLC执行，并通过炉顶料面扫描雷达进行料面形状扫描，并将相关数据保存在数据库中。

6.根据权利要求5所述的利用扫描雷达调控异常操作炉型的方法，其特征在于所述步骤e中，判定高炉各区域的水温差、热负荷、冷却壁温度各数值所处的数值区间对应的渣皮粘结系数，如果判定某区域的水温差或热负荷或冷却壁温度处于某渣皮粘结系数对应的区间，则该渣皮粘结系数对应的指数加1；统计高炉各区域的所有渣皮粘结系数的指数总和，形成皮粘结指数以作为高炉粘结的判据。

Images