CN111304406A - 一种钢包底吹氩控制方法及装置 - Google Patents
一种钢包底吹氩控制方法及装置 Download PDFInfo
- Publication number
- CN111304406A CN111304406A CN201911247359.8A CN201911247359A CN111304406A CN 111304406 A CN111304406 A CN 111304406A CN 201911247359 A CN201911247359 A CN 201911247359A CN 111304406 A CN111304406 A CN 111304406A
- Authority
- CN
- China
- Prior art keywords
- molten steel
- argon blowing
- argon
- temperature
- blowing area
- 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.)
- Granted
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
- C21C7/00—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00
- C21C7/04—Removing impurities by adding a treating agent
- C21C7/072—Treatment with gases
-
- 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
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Treatment Of Steel In Its Molten State (AREA)
Abstract
本发明实施例提供了一种钢包底吹氩控制方法及装置,所述方法包括:获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线;对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小;基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。通过本发明实施例,能够提高钢包底吹氩处理的效率、精准性和稳定性。
Description
技术领域
本发明属于钢铁制造技术领域,具体是涉及到一种钢包底吹氩控制方法、装置、终端设备及计算机可读介质。
背景技术
目前在钢制造流程中,铁水经过转炉吹炼,冶炼成钢水,钢水经过转炉出钢口倒入至大包。出钢过程中有炉渣倒入钢包中,钢水中含有大量有害气体(H2、N2等)及渣物,二次精炼钢包底部吹氩(简称底吹氩)处理的方法,具有成本低、操作方便的优点,对于调节钢水成分和控制温度至关重要,是连铸生产、提高钢水质量的关键工序。钢包吹氩过程中主要控制钢包搅拌强弱,国内多数钢厂采用半自动控制处理方式,主要通过人工经验判断,吹氩面积没有进行量化,完全凭工人经验,稳定性、精准性都差,人工调节时间长,效率低,且可靠性不够;同时凭人工经验自动设定控制吹氩曲线易导致上连铸钢水温度过低,增加处理工序,降低生产效率,增加吨钢成本。
发明内容
有鉴于此,本发明实施例提供一种钢包底吹氩控制方法、装置、终端设备及计算机可读介质,能够提高钢包底吹氩处理的效率、精准性和稳定性。
本发明实施例的第一方面提供了一种钢包底吹氩控制方法,包括:
获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据;
根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线;
对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小;
基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
本发明实施例的第二方面提供了一种钢包底吹氩控制装置,包括:
获取模块,用于获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据;
温度预测模块,用于根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线;
吹氩模块,用于对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小;
加合金模块,用于基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述钢包底吹氩控制方法的步骤。
本发明实施例的第四方面提供了一种计算机可读介质,所述计算机可读介质存储有计算机程序,所述计算机程序被处理执行时实现上述钢包底吹氩控制方法的步骤。
本发明实施例提供的钢包底吹氩控制方法中,可获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据,根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线,对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小,并基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小,从而可提高钢包底吹氩处理的效率、精准性和稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种钢包底吹氩控制方法的流程图;
图2是本发明实施例提供的温度预测模型的预测温度和实测温度的对照测试图;
图3为本发明实施例提供的加合金模型计算得出的加合金量与实测合金量的对比测试图;
图4是本发明实施例提供的对钢水表面进行图像分析的示意图;
图5是本发明实施例提供的一种钢包底吹氩控制装置的结构示意图;
图6是图5中的吹氩模块的细化结构示意图;
图7是本发明实施例提供的另一种钢包底吹氩控制装置的结构示意图;
图8是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本发明实施例提供的钢包底吹氩控制方法的流程图。如图1所示,本实施例的钢包底吹氩控制方法包括以下步骤:
S101:获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据。
在本发明实施例中,可先获取钢水罐内钢水液面的图像以及进行钢包底吹氩处理的工艺数据。所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据等,所述钢水采样数据包括废钢量、喂丝量、氩气流量和钢水重量等。进一步地,在实时获取当前钢水罐内钢水液面的图像和工艺数据之前,还可根据历史炉次数据建立温度预测模型、吹氩模型和加合金模型。具体地,关于温度预测模型,可根据历史炉次数据通过自学习方式建立,所述历史炉次数据包括测试时的不同的钢种类型、钢水进站温度、钢水出站温度、废钢量、喂丝量、氩气流量、钢水裸露面积及钢水重量;在所述温度预测模型中,吹氩处理温损△T=Ti-Tf;Tf为预测的钢水出站温度,Ti为进站温度;△T=f(t1,t2…tn);t1,t2…tn为影响温损自变量;
其中,f(·)为温损函数,f(t1,t2…tn)可以等于t1+t2+…+tn;钢水裸露温损t1=∫sdt,t1中S为钢水裸露面积;
氩气吸热温损t2=4180CpV(Tm-Ta),t2中:Cp为氩气比热系数,V为氩气体积L/min,Tm为钢水温度℃,Ta为氩气温度℃;
固体金属加入对钢水的温损t3中C1为钢液比热,C2为固体金属比热,M1为固体金属质量,M2为钢液质量,T室为室内温度,T液为加固体金属之前的钢水温度。图2为本发明实施例提供的温度预测模型的预测温度和实测温度的对照测试图。
关于吹氩模型,可基于历史炉次数据,并结合所述温度预测模型进行大数据分析和学习,以建立所述吹氩模型。通过所述吹氩模型可最终得到最优吹氩面积曲线。这里的历史炉次数据可包括吹氩面积、温度、废钢量、合金量等信息。
关于加合金模型,可选取与拟预测的炉次钢渣相同、生产条件相近和时间间隔最短的炉次作为参考炉次,将各个参考炉次的合金收得率取平均值,作为拟预测的炉次的合金收得率,并基于脱氧剂的加入量及所述合金元素的收得率建立加合金模型。其中,脱氧剂的加入量为:
其中,gM为脱氧剂M的加入量,MM为该脱氧剂M的摩尔质量,MO为氧元素的摩尔质量,ω[O]o为钢液中初始氧含量,ω[O]m为钢种终点目标氧含量,ω[O]s为脱硫反应产生的氧增量,Δω[O]ally为脱氧剂中的氧含量,ω[M]为终点钢液中元素M的质量分数,G为钢水重量。图3为本发明实施例提供的加合金模型计算得出的加合金量与实测合金量的对比测试图。
S102:根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线。
在本发明实施例中,可根据钢种类型和钢水进站温度等工艺数据调用温度预测模型,并通过所述温度预测模型调用吹氩模型,进而可通过所述吹氩模型得出与所述工艺数据对应的最优吹氩面积曲线。可以理解的是,所述最优吹氩面积曲线在每一个时间点对应一个最优的吹氩面积。
S103:对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小。
在本发明实施例中,对所述图像进行图像分析,获取裸露钢水面积,并根据所述裸露钢水面积占所述钢包的比例,得出所述钢水液面的采样吹氩面积,再将将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并将比对结果送给整个炼钢系统的一级控制系统,由一级控制系统根据对比结果调节氩气阀门大小,以对钢包进行底吹氩处理。这一阶段可进行强搅拌,搅拌时间在3min左右,强搅拌处理作用是使下一步的出钢过程中加入合金充分均匀,并使钢水温度降低。更具体地,关于图像处理,请参见图4,可先对采集到的钢水图像进行二值化处理,根据钢包到达处理位置,对钢包大小进行初次标定(如图2中的圆圈1所示),M、N两条直线之间为检测区间,圆圈1中的方块为像素点,整个矩阵2为图像检测范围。可优先对整个图像进行规则化处理,使用图像分割等技术对每一帧矩阵中aij位置的像素点灰度值检测处理,与设定阈值bm进行比较。记录aij位置的像素点灰度值比较结果,通过对M、N区间内矩阵逐列扫描,可算出大于阈值像素点数量,从而确定裸露钢水部分面积与钢渣部分面积,进而可得到裸露钢水面积占所述钢包(包括裸露钢水面积和钢渣面积)的比例。
S104:基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
在本发明实施例中,合金阶段主要调节钢水成分作用,出钢过程中加入的合金未达到工艺要求区间,需要在吹氩处理过程中对钢水中的成分进行微调。加合金过程中钢水不宜搅拌过于剧烈,易造成合金与空气中的氧气反应转化为氧化物。首先可通过所述加合金模型计算得出加入到所述钢水罐内的合金量及脱氧剂的加入量,实际加合金过程中,可结合所述温度预测模型和所述吹氩模型,即根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小,从而可以较少合金的烧损,提高合金收得率,节约合金使用量。更具体而言,通过固体金属加入对钢水的温损可计算加入的合金对温度预测模型的影响,进而可对最优吹氩面积曲线进行相应的修正。合金注入钢水完成,下一步需要根据修正后的最优吹氩面积曲线,保持该修正后的最优吹氩面积曲线对应的吹氩面积吹氩3min,目的是为使刚刚加入的合金在钢水中充分的均匀化,此时不宜搅拌过大,易造成合金与空气中氧气反应,搅拌强度过大还易造成钢渣卷入钢水之中。最后,钢水还需要经历一个弱搅拌阶段,弱搅拌作为钢水吹氩处理的一个重要过程,因为钢水前面操作处理过程中将大量的钢渣卷入钢水中,导致钢水中纯净度下降,此时需要通过弱搅拌使钢水中夹渣物上浮,提高钢水纯净度,延长连铸阶段耗材寿命,进而提高铸坯质量。此外,通过修正的最优吹氩面积曲线进一步调节氩气阀门大小之后,可对实际吹氩面积与修正的最优吹氩面积曲线对应的预测吹氩面积做比较,得出面积偏差,以构建面积偏差与开度补偿模型,对主要干扰因素进行补偿,实现系统快速响应。补偿公式为:y=-0.00037x4+0.03132x3-0.95395x2+12.75118x-58.46631,其中,y为氩气阀门开度补偿值,X为所述面积偏差值。通过对调节阀开度与流量关系线性化,可构建流量与开度对应的计算模型(即构建最优吹氩曲线与调节阀开度对应的计算模型)使吹氩非线性系统中变量线性化,进而可实现吹氩控制的精准、稳定、可靠等性能。调节阀开度与流量关系线性化的公式为:Q/Qmax=R(L/Lmax-1),其中,Q为流量,Qmax为阀门最大流量,R为可调比,L为阀门开度,Lmax为阀门最大开度。
图1提供的钢包底吹氩控制方法,是脱离了人工控制的全自动算法,能够大幅度缩短吹氩工艺处理的时间;该方法可通过温度模型、吹氩模型及加合金模型对吹氩强度实时监控并调整,以提高钢水纯净度;该方法可使吹氩处理操作由摄像器和计算机软件实现,降低了生产企业的人力成本,杜绝了人工操作现场烫伤事故。再者,通过图像处理精确分析钢水裸露分布情况,并根据吹氩模型及加合金模型进行吹氩规划,能实现较高精度控制,替代人工凭经验判断,减少人为干预,使处理过程标准化作业。同时,该方法可变形强,可以根据不同钢种类型、不同钢包大小,实现较高的吹氩合格率。
请参阅图5,图5是本发明实施例提供的一种钢包底吹氩控制装置的结构框图。如图5所示,本实施例的包底吹氩控制装置的50包括获取模块501、温度预测模块502、吹氩模块503和加合金模块504分别用于执行图1中的S101、S102、S103和S104中的具体方法,详情可参见图1的相关介绍,在此仅作简单描述:
获取模块501,用于获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据。
温度预测模块502,用于根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线。
吹氩模块503,用于对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小。
加合金模块504,用于基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
进一步地,可参见图6,吹氩模块503可具体包括图像分析单元5031、比较单元5032和控制单5033:
图像分析单元5031,用于对所述图像进行图像分析,获取裸露钢水面积,并根据所述裸露钢水面积占所述钢包的比例,得出所述钢水液面的采样吹氩面积.
比较单元5032,用于将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比。
控制单元5033,用于将比对结果送给一级控制系统,由一级控制系统根据对比结果调节氩气阀门大小。
请参阅图7,图7是本发明实施例提供的钢包底吹氩控制装置的结构框图。如图7所示,本实施例的钢包底吹氩控制装置70是在如图5所示的钢包底吹氩控制装置50的基础上进过优化得来的。钢包底吹氩控制装置70除了包括钢包底吹氩控制装置50中的获取模块501、温度预测模块502、吹氩模块503和加合金模块504之外,还进一步包括温度模型建立模块701、合金收得率计算模块702和加合金模型建立模块703:
温度模型建立模块701,用于在根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线之前,基于历史炉次数据通过自学习方式建立所述温度预测模型;所述历史炉次数据包括测试时的不同的钢种类型、钢水进站温度、钢水出站温度、废钢量、喂丝量、氩气流量、钢水裸露面积及钢水重量;在所述温度预测模型中,吹氩处理温损△T=Ti-Tf;Tf为预测的钢水出站温度,Ti为进站温度;△T=f(t1,t2…tn);t1,t2…tn为影响温损自变量。
其中,f(·)为温损函数,f(t1,t2…tn)可以等于t1+t2+…+tn;钢水裸露温损t1=∫sdt,t1中S为钢水裸露面积。
氩气吸热温损t2=4180CpV(Tm-Ta),t2中:Cp为氩气比热系数,V为氩气体积L/min,Tm为钢水温度℃,Ta为氩气温度℃。
合金收得率计算模块702,用于在所述基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小之前,选取与拟预测的炉次钢渣相同、生产条件相近和时间间隔最短的炉次作为参考炉次,将各个参考炉次的合金收得率取平均值,作为拟预测的炉次的合金收得率。
加合金模型建立模块703,用于基于脱氧剂的加入量及所述合金元素的收得率建立加合金模型;其中,脱氧剂的加入量为:
其中,gM为脱氧剂M的加入量,MM为该脱氧剂M的摩尔质量,MO为氧元素的摩尔质量,ω[O]o为钢液中初始氧含量,ω[O]m为钢种终点目标氧含量,ω[O]s为脱硫反应产生的氧增量,Δω[O]ally为脱氧剂中的氧含量,ω[M]为终点钢液中元素M的质量分数,G为钢水重量。
图5或图7提供的钢包底吹氩控制装置,利用了脱离了人工控制的全自动算法,能够大幅度缩短吹氩工艺处理的时间;该装置可通过温度模型、吹氩模型及加合金模型对吹氩强度实时监控并调整,以提高钢水纯净度;该装置可使吹氩处理操作由摄像器和计算机软件实现,降低了生产企业的人力成本,杜绝了人工操作现场烫伤事故。再者,通过图像处理精确分析钢水裸露分布情况,并根据吹氩模型及加合金模型进行吹氩规划,能实现较高精度控制,替代人工凭经验判断,减少人为干预,使处理过程标准化作业。同时,该装置可变形强,可以根据不同钢种类型、不同钢包大小,实现较高的吹氩合格率。
在图8是本发明一实施例提供的终端设备的示意图。如图8所示,该实施例的终端设备8包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82,例如进行钢包底吹氩控制的程序。所述处理器80执行所述计算机程序82时实现上述方法实施例中的步骤,例如,图1所示的S101至S104。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块501至504的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在终端设备8中的执行过程。例如,所述计算机程序82可以被分割成获取模块501、温度预测模块502、吹氩模块503和加合金模块504。(虚拟装置中的模块),各模块具体功能如下:
获取模块501,用于获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据。
温度预测模块502,用于根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线。
吹氩模块503,用于对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小。
加合金模块504,用于基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
所述终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备8可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是终端设备8的示例,并不构成对终端设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81也可以是终端设备8的外部存储设备,例如所述终端设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及终端设备6所需的其它程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种钢包底吹氩控制方法,其特征在于,包括:
获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据;
根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线;
对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小;
基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
2.根据权利要求1所述的钢包底吹氩控制方法,其特征在于,所述根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线之前,还包括:
基于历史炉次数据通过自学习方式建立所述温度预测模型;所述历史炉次数据包括历史炉次中的不同的钢种类型、钢水进站温度、钢水出站温度、废钢量、喂丝量、氩气流量、钢水裸露面积及钢水重量;在所述温度预测模型中,吹氩处理温损△T=Ti-Tf;Tf为预测的钢水出站温度,Ti为进站温度;△T=f(t1,t2…tn);t1,t2…tn为影响温损自变量;
其中,钢水裸露温损t1=∫sdt,t1中S为钢水裸露面积;
氩气吸热温损t2=4180CpV(Tm-Ta),t2中:Cp为氩气比热系数,V为氩气体积L/min,Tm为钢水温度℃,Ta为氩气温度℃;
3.根据权利要求1所述的钢包底吹氩控制方法,其特征在于,所述对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小,包括:
对所述图像进行图像分析,获取裸露钢水面积,并根据所述裸露钢水面积占所述钢包的比例,得出所述钢水液面的采样吹氩面积;
将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比;
将比对结果送给一级控制系统,由一级控制系统根据对比结果调节氩气阀门大小。
4.根据权利要求1所述的钢包底吹氩控制方法,其特征在于,在所述基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小之前,还包括:
选取与拟预测的炉次钢渣相同、生产条件相近和时间间隔最短的炉次作为参考炉次,将各个参考炉次的合金收得率取平均值,作为拟预测的炉次的合金收得率;
基于脱氧剂的加入量及所述合金元素的收得率建立加合金模型;其中,脱氧剂的加入量为:
其中,gM为脱氧剂M的加入量,MM为该脱氧剂M的摩尔质量,MO为氧元素的摩尔质量,ω[O]o为钢液中初始氧含量,ω[O]m为钢种终点目标氧含量,ω[O]s为脱硫反应产生的氧增量,Δω[O]ally为脱氧剂中的氧含量,ω[M]为终点钢液中元素M的质量分数,G为钢水重量。
5.一种钢包底吹氩控制装置,其特征在于,包括:
获取模块,用于获取钢水罐内钢水液面的图像,以及进行钢包底吹氩处理的工艺数据;所述工艺数据包括钢种类型、钢水进站温度和钢水采样数据;
温度预测模块,用于根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线;
吹氩模块,用于对所述图像进行图像分析,获得所述钢水液面的采样吹氩面积,将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比,并根据对比结果调节氩气阀门大小;
加合金模块,用于基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小。
6.根据权利要求5所述的钢包底吹氩控制装置,其特征在于,还包括:
温度模型建立模块,用于在根据所述工艺数据调用温度预测模型,通过温度预测模型得出最优吹氩面积曲线之前,基于历史炉次数据通过自学习方式建立所述温度预测模型;所述历史炉次数据包括测试时的不同的钢种类型、钢水进站温度、钢水出差温度、废钢量、喂丝量、氩气流量、钢水裸露面积及钢水重量;在所述温度预测模型中,吹氩处理温损△T=Ti-Tf;Tf为预测出站温度,Ti为进站温度;△T=f(t1,t2…tn);t1,t2…tn为影响温损自变量;
其中,f(·)为温损函数,钢水裸露温损t1=∫sdt,t1中S为钢水裸露面积;
氩气吸热温损t2=4180CpV(Tm-Ta),t2中:Cp为氩气比热系数,V为氩气体积L/min,Tm为钢水温度℃,Ta为氩气温度℃;
7.根据权利要求5所述的钢包底吹氩控制装置,其特征在于,所述吹氩模块包括:
图像分析单元,用于对所述图像进行图像分析,获取裸露钢水面积,并根据所述裸露钢水面积占所述钢包的比例,得出所述钢水液面的采样吹氩面积;
比较单元,用于将所述采样吹氩面积与所述最优吹氩面积曲线对应的设定吹氩面积进行对比;
控制单元,用于将比对结果送给一级控制系统,由一级控制系统根据对比结果调节氩气阀门大小。
8.根据权利要求5所述的钢包底吹氩控制装置,其特征在于,还包括:
合金收得率计算模块,用于在所述基于加合金模型加入合金到所述钢水罐内,根据合金加入量及所述温度预测模型对所述最优吹氩面积曲线进行修正,并根据修正后的最优吹氩面积曲线调节氩气阀门大小之前,选取与拟预测的炉次钢渣相同、生产条件相近和时间间隔最短的炉次作为参考炉次,将各个参考炉次的合金收得率取平均值,作为拟预测的炉次的合金收得率;
加合金模型建立模块,用于基于脱氧剂的加入量及所述合金元素的收得率建立加合金模型;其中,脱氧剂的加入量为:
其中,gM为脱氧剂M的加入量,MM为该脱氧剂M的摩尔质量,MO为氧元素的摩尔质量,ω[O]o为钢液中初始氧含量,ω[O]m为钢种终点目标氧含量,ω[O]s为脱硫反应产生的氧增量,Δω[O]ally为脱氧剂中的氧含量,ω[M]为终点钢液中元素M的质量分数,G为钢水重量。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述方法的步骤。
10.一种计算机可读介质,所述计算机可读介质存储有计算机程序,其特征在于,所述计算机程序被处理执行时实现如权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911247359.8A CN111304406B (zh) | 2019-12-06 | 2019-12-06 | 一种钢包底吹氩控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911247359.8A CN111304406B (zh) | 2019-12-06 | 2019-12-06 | 一种钢包底吹氩控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111304406A true CN111304406A (zh) | 2020-06-19 |
CN111304406B CN111304406B (zh) | 2021-10-22 |
Family
ID=71152695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911247359.8A Active CN111304406B (zh) | 2019-12-06 | 2019-12-06 | 一种钢包底吹氩控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111304406B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111961806A (zh) * | 2020-08-12 | 2020-11-20 | 北京首钢自动化信息技术有限公司 | 一种钢包精炼炉底吹自动控制方法 |
CN113293255A (zh) * | 2021-05-27 | 2021-08-24 | 安徽首矿大昌金属材料有限公司 | 一种转炉炼钢废钢调温方法 |
CN113714496A (zh) * | 2021-07-20 | 2021-11-30 | 武汉钢铁有限公司 | 钢包底吹氩故障诊断方法、装置及存储介质 |
CN114032358A (zh) * | 2021-11-08 | 2022-02-11 | 上海东震冶金工程技术有限公司 | 一种基于钢水图像辨识模式的智能吹氩装置 |
CN114480786A (zh) * | 2022-01-17 | 2022-05-13 | 山东钢铁股份有限公司 | 一种基于可视化的钢包底吹氩控制方法 |
CN115125366B (zh) * | 2021-03-25 | 2024-05-10 | 上海梅山钢铁股份有限公司 | 一种吹氩站智能生产控制方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1134295A1 (en) * | 2000-03-17 | 2001-09-19 | Voest Alpine Industries, Inc. | Submergible probe for viewing and analyzing properties of a molten metal bath |
KR20070067532A (ko) * | 2005-12-23 | 2007-06-28 | 주식회사 포스코 | 래들처리방법 |
CN101824510A (zh) * | 2010-05-14 | 2010-09-08 | 东北大学 | 一种连续铸钢钢包底吹氩方法 |
CN201756565U (zh) * | 2010-04-22 | 2011-03-09 | 三明市毅君机械铸造有限公司 | 不锈钢吹氩精炼装置 |
CN102867220A (zh) * | 2012-06-25 | 2013-01-09 | 攀钢集团研究院有限公司 | 一种实时预测钢包精炼炉精炼钢水温度的方法 |
CN103388054A (zh) * | 2013-07-19 | 2013-11-13 | 东北大学 | 一种在线控制lf精炼过程钢水温度的系统及方法 |
CN108241384A (zh) * | 2016-12-26 | 2018-07-03 | 上海梅山钢铁股份有限公司 | 一种钢包底吹氩气流量的控制装置和控制方法 |
CN109136453A (zh) * | 2018-11-15 | 2019-01-04 | 山东钢铁股份有限公司 | 一种钢包底吹方法及系统 |
CN109676106A (zh) * | 2019-02-13 | 2019-04-26 | 衡阳镭目科技有限责任公司 | 一种控制连铸结晶器液面波动的方法及装置 |
CN109852765A (zh) * | 2019-03-29 | 2019-06-07 | 山东钢铁集团日照有限公司 | 一种钢水包底吹氩智能控制方法 |
CN110413013A (zh) * | 2019-07-18 | 2019-11-05 | 莱芜钢铁集团电子有限公司 | 一种智能吹氩系统及其控制方法 |
-
2019
- 2019-12-06 CN CN201911247359.8A patent/CN111304406B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1134295A1 (en) * | 2000-03-17 | 2001-09-19 | Voest Alpine Industries, Inc. | Submergible probe for viewing and analyzing properties of a molten metal bath |
KR20070067532A (ko) * | 2005-12-23 | 2007-06-28 | 주식회사 포스코 | 래들처리방법 |
CN201756565U (zh) * | 2010-04-22 | 2011-03-09 | 三明市毅君机械铸造有限公司 | 不锈钢吹氩精炼装置 |
CN101824510A (zh) * | 2010-05-14 | 2010-09-08 | 东北大学 | 一种连续铸钢钢包底吹氩方法 |
CN102867220A (zh) * | 2012-06-25 | 2013-01-09 | 攀钢集团研究院有限公司 | 一种实时预测钢包精炼炉精炼钢水温度的方法 |
CN103388054A (zh) * | 2013-07-19 | 2013-11-13 | 东北大学 | 一种在线控制lf精炼过程钢水温度的系统及方法 |
CN108241384A (zh) * | 2016-12-26 | 2018-07-03 | 上海梅山钢铁股份有限公司 | 一种钢包底吹氩气流量的控制装置和控制方法 |
CN109136453A (zh) * | 2018-11-15 | 2019-01-04 | 山东钢铁股份有限公司 | 一种钢包底吹方法及系统 |
CN109676106A (zh) * | 2019-02-13 | 2019-04-26 | 衡阳镭目科技有限责任公司 | 一种控制连铸结晶器液面波动的方法及装置 |
CN109852765A (zh) * | 2019-03-29 | 2019-06-07 | 山东钢铁集团日照有限公司 | 一种钢水包底吹氩智能控制方法 |
CN110413013A (zh) * | 2019-07-18 | 2019-11-05 | 莱芜钢铁集团电子有限公司 | 一种智能吹氩系统及其控制方法 |
Non-Patent Citations (2)
Title |
---|
李晶 等: "钢包吹氩引起的钢水温降分析", 《炼钢》 * |
王学恩: "LF精炼钢包底吹氩自动控制系统的开发与应用", 《山东冶金》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111961806A (zh) * | 2020-08-12 | 2020-11-20 | 北京首钢自动化信息技术有限公司 | 一种钢包精炼炉底吹自动控制方法 |
CN115125366B (zh) * | 2021-03-25 | 2024-05-10 | 上海梅山钢铁股份有限公司 | 一种吹氩站智能生产控制方法 |
CN113293255A (zh) * | 2021-05-27 | 2021-08-24 | 安徽首矿大昌金属材料有限公司 | 一种转炉炼钢废钢调温方法 |
CN113714496A (zh) * | 2021-07-20 | 2021-11-30 | 武汉钢铁有限公司 | 钢包底吹氩故障诊断方法、装置及存储介质 |
CN113714496B (zh) * | 2021-07-20 | 2023-01-24 | 武汉钢铁有限公司 | 钢包底吹氩故障诊断方法、装置及存储介质 |
CN114032358A (zh) * | 2021-11-08 | 2022-02-11 | 上海东震冶金工程技术有限公司 | 一种基于钢水图像辨识模式的智能吹氩装置 |
CN114032358B (zh) * | 2021-11-08 | 2023-01-24 | 上海东震冶金工程技术有限公司 | 一种基于钢水图像辨识模式的智能吹氩装置 |
CN114480786A (zh) * | 2022-01-17 | 2022-05-13 | 山东钢铁股份有限公司 | 一种基于可视化的钢包底吹氩控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111304406B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111304406B (zh) | 一种钢包底吹氩控制方法及装置 | |
CN108676955B (zh) | 一种转炉炼钢终点碳含量和温度控制方法 | |
CN110413013B (zh) | 一种智能吹氩系统及其控制方法 | |
CN103642972B (zh) | 转炉出钢温度智能优化控制系统 | |
CN110747306A (zh) | 转炉出钢过程中的溢渣控制方法、装置、设备及存储介质 | |
CN108342540A (zh) | 一种炼钢厂rh精炼设备自动控制系统 | |
CN113919206A (zh) | 一种炼钢合金化窄成分控制方法 | |
CN110874511B (zh) | 一种智能炉料配比计算方法 | |
CN110850915A (zh) | 一种基于自学习的炼钢钢水过程温度控制系统和控制方法 | |
CN113192568B (zh) | 一种精炼炉脱硫终点预报方法和系统 | |
CN112560218B (zh) | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 | |
CN106834593A (zh) | 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法 | |
CN110885912A (zh) | 基于数据分析的自动炼钢方法、系统 | |
CN111679622A (zh) | 一种调控钢包底吹氩气流量的装置及方法 | |
CN103194574B (zh) | 一种vod精炼终点碳含量预报模型的动态调整方法 | |
CN104419799A (zh) | 一种转炉冶炼在线预测高碳钢碳含量方法 | |
CN107765550B (zh) | 一种基于钢包自动定位的稳定出钢温度的方法 | |
CN113255741A (zh) | 一种高温熔炼软搅拌系统热像跟踪及控制方法 | |
Xin et al. | Modeling of LF refining process: a review | |
CN109840309B (zh) | 一种铁水脱硫剂用量的计算方法 | |
CN116741322A (zh) | 一种基于低成本测算的炼钢合金配料方法 | |
CN115906538A (zh) | 一种钢包精炼炉钢水成分预测的方法 | |
JP2020185573A (ja) | 自動材料選択装置及び自動材料選択プログラム | |
CN115287382A (zh) | 高炉变料控制方法、装置及计算机可读存储介质 | |
CN115792169A (zh) | 一种熔体成分修正系统、方法、电子设备及介质 |
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 |