CN113430333B - 一种钢包精炼炉智能化稳定冶炼控制的方法 - Google Patents

一种钢包精炼炉智能化稳定冶炼控制的方法 Download PDF

Info

Publication number
CN113430333B
CN113430333B CN202110790771.5A CN202110790771A CN113430333B CN 113430333 B CN113430333 B CN 113430333B CN 202110790771 A CN202110790771 A CN 202110790771A CN 113430333 B CN113430333 B CN 113430333B
Authority
CN
China
Prior art keywords
refining
parameter
target
parameters
molten steel
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
Application number
CN202110790771.5A
Other languages
English (en)
Other versions
CN113430333A (zh
Inventor
李晶
宋沈杨
闫威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202110790771.5A priority Critical patent/CN113430333B/zh
Publication of CN113430333A publication Critical patent/CN113430333A/zh
Application granted granted Critical
Publication of CN113430333B publication Critical patent/CN113430333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • C21C7/0006—Adding metallic additives
    • 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
    • C21C7/0056—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00 using cored wires
    • 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
    • Y02P10/25—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

本发明涉及一种钢包精炼炉智能化稳定冶炼的方法，首先确定精炼目标参数并作为自适应因子；然后以所述自适应因子作为条件，在钢包精炼历史数据库中匹配出满足该条件的最佳精炼出站参数和精炼进站参数；再根据所述精炼进站参数和精炼出站参数进行评估计算，确定精炼实际操作控制参数；最后根据预设控制目标值和所述实际操作控制参数，对钢水进行智能化稳定冶炼。本发明根据设定精炼目标参数和评估计算精炼实际操作控制参数，实现了对钢包精炼炉智能稳定冶炼，为钢铁流程技术智能化发展提供了关键的技术支撑。

Description

一种钢包精炼炉智能化稳定冶炼控制的方法
技术领域
本发明涉及钢铁冶炼领域，特别涉及一种钢包精炼炉智能化稳定冶炼控制的方法。
背景技术
在整个炼钢区段内，钢包精炼炉(Ladle Furnace)具有升温、脱硫、脱氧以及合金化的功能，由于设备相对简单，冶炼成本较低，因此适用于除超低碳钢的大多数钢种，例如中厚板材、建筑用螺纹钢等；
虽然现有LF精炼模型可以针对冶炼操作进行一定的指导，但是涉及整个精炼过程具体工艺参数的指导、整个精炼冶炼时间控制以及对应的精炼终点命中率还需进一步提升，特别是针对不同钢液入炉温度条件最优加热时间控制、针对LF精炼过程钢液合金含量精准控制、以及LF精炼过程合理渣系的造渣路径控制，是现有已经应用模型还未达到的。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，本发明旨在提供一种钢包精炼炉智能化稳定冶炼控制方法，用于解决现有技术中存在的上述问题。
本发明的上述技术目的将通过以下所述的技术方案予以实现。
一种钢包精炼炉智能化稳定冶炼的方法，包括如下步骤：
S1.确定精炼目标参数并作为自适应因子；
S2.以所述自适应因子作为条件，在钢包精炼历史数据库中匹配出满足该条件的最佳精炼出站参数和精炼进站参数；
S3.根据所述精炼进站参数和精炼出站参数进行评估计算，确定精炼实际操作控制参数；
S4.根据预设控制目标值和所述实际操作控制参数，对钢水进行智能化稳定冶炼。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述步骤S1中的精炼目标参数包括精炼钢液目标成分、目标钢液温度、钢液目标全氧T.O含量、目标冶炼时长和目标生产成本。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述步骤S2具体为：以上述自适应因子作为条件，在所述钢包精炼历史控制数据库中，采用迭代+自适应计算方式，找出满足自适应因子条件的数据，根据找出的数据输出对应满足自适应因子条件的最佳精炼出站参数和精炼进站参数。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述步骤S3精炼实际操作控制参数包括：精炼过程的合金种类与加入量、辅料加入时机与加入量、电极加热功率及电弧长度、钢包底吹气体参数、钢中夹杂物改性路线、精炼喂线种类及速度、等待时间+精炼加热时间+静置时间累积的整个精炼时长。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述步骤S2中若根据所述条件无法匹配出满足控制目标值的20炉历史生产数据，则在确保钢液目标成分一致的条件下，将所述精炼目标参数取值范围上下限增长10％进行第一次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长12％进行第二次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长15％进行第三次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长20％进行第四次迭代，以四次迭代计算以后得到的数据作为根据，来输出与对应满足所述条件的所述最佳精炼出站参数。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述步骤S4中对对精炼进站参数进行评估，得到各参数对应的减分，所述减分为将所述对精炼进站参数与所述精炼目标参数作差取绝对值后与相应的权重和系数的乘积值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述各参数的控制目标值的计算公式为
Figure BDA0003160793680000021
式中STot表示各参数的控制目标值，Sei表示各精炼进站参数，n最大取值为5。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S4中的精炼出站参数包括精炼出站时的钢液成分、钢液温度、T.O含量、冶炼时长和生产成本；精炼进站参数包括精炼进站时的钢液成分、钢液温度和T.O含量。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，实际操作控制参数包括精炼过程的合金种类与加入量、辅料加入时机与加入量、电极加热功率及电弧长度、钢包底吹气体参数、钢中夹杂物改性路线、精炼喂线种类及速度、等待时间+精炼加热时间+静置时间累积的整个精炼时长。
本发明还提供了由本发明的方法制得的钢水。
本发明的有益技术效果
本发明实施例提供的钢包精炼炉智能化稳定冶炼的方法，首先确定精炼目标参数并作为自适应因子；然后以所述自适应因子作为条件，在钢包精炼历史数据库中匹配出满足该条件的最佳精炼出站参数和精炼进站参数；再根据所述精炼进站参数和精炼出站参数进行评估计算，确定精炼实际操作控制参数；最后根据预设控制目标值和所述实际操作控制参数，对钢水进行智能化稳定冶炼。本发明根据设定精炼目标参数和评估计算精炼实际操作控制参数，实现了对钢包精炼炉智能稳定冶炼，为钢铁流程技术智能化发展提供了关键的技术支撑。通过应用钢包精炼炉智能稳定冶炼控制的方法，可以实现LF炉电极加热时间智能调节，进一步精准控制电极增碳，实现合金加入精准控制，采用本发明的方法，可以实现[C]±0.01％、温度±10℃，碳温双命中率≥90％。
附图说明
以下，结合附图来详细说明本发明的实施例，其中：
图1为本发明的实施例中的方法流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述，但本发明的实施方式不限于此。
如图1所示，钢包精炼炉智能化稳定冶炼的方法，本发明的具体操作步骤如下：
步骤1.确定精炼目标参数并作为自适应因子；
步骤2.以所述自适应因子作为条件，在钢包精炼历史数据库中匹配出满足该条件的最佳精炼出站参数和精炼进站参数；
步骤3.根据所述精炼进站参数和精炼出站参数进行评估计算，确定精炼实际操作控制参数；
步骤4.根据预设控制目标值和所述实际操作控制参数，对钢水进行智能化稳定冶炼。
具体控制过程如下：
A01.根据工艺要求确定精炼钢液目标成分、目标钢液温度、钢液目标全氧T.O含量、目标冶炼时长、目标生产成本，以上参数是LF炉进行精炼控制的核心控制目标，对应最终钢材质量、洁净度以及冶炼成本，是产品竞争力的核心指标，故精炼过程选取以上参数；
A02.将所述精炼钢液目标成分、目标钢液温度、钢液目标全氧T.O含量、目标冶炼时长、目标生产成本作为自适应因子，并按次序作为判定最佳精炼出站参数的依据；设置自适应因子可以有效完成将工业控制参数转变为计算机识别语言的过程，有利于下一步针对LF精炼过程各阶段进行智能控制；
A03.以上所述自适应因子作为条件，在钢包精炼炉历史控制数据库中，采用迭代+自适应计算方式，找出满足自适应因子条件的数据，即停止迭代计算，根据找出的数据输出对应满足该条件的最佳精炼出站参数，如未找到满足自适应因子条件的数据，则以进行4次迭代计算后得到的数据作为根据，来输出与对应满足自适应因子条件的最佳精炼出站参数为下一步LF精炼过程控制提供基础。
A04.在确定最佳精炼出站参数后，通过迭代计算对选取的最佳精炼路径上的精炼出站参数进行评分计算，先进行减分计算，对精炼出站参数行评估，得到各参数对应的减分，所述减分为将所述精炼进站参数与所述精炼目标参数作差取绝对值后与相应的权重和系数的乘积值，通过精炼进站及精炼出站参数，为下一步精炼过程控制提供计算条件。公式如下：
Figure BDA0003160793680000041
上述公式中，Sei表示精炼出站参数的减分；
Qei表示精炼出站参数，可从钢包精炼炉历史控制数据库中获得；
Q* ei表示事先确定的精炼目标参数；
γ表示精炼出站参数的权重；
η表示精炼出站参数的系数；
i取1，2，3，4，5。
其中权重是为了区分不同精炼出站参数的计算优先级，系数是为了降低不同不同精炼出站参数的数量级系数带来的计算差值。
以精炼出站减分计算为例，其余目标参数均是按照以上过程进行评分。i取1时，Se1表示精炼出站钢液目标成分参数的减分；i取2时，Se2表示精炼出站钢液目标温度参数的减分；i取3时，Se3表示精炼出站钢液目标全氧含量参数的减分；i取4时，Se4精炼出站钢液目标冶炼时长参数的减分；i取5时，Se5精炼出站钢液目标生产成本参数的减分。
A05.根据步骤A04计算获得的精炼出站参数的减分来计算精炼出站参数的得分，计算公式如下：
Figure BDA0003160793680000051
其中，STot表示精炼出站参数的得分，此处n＝5。
由以上计算可以看出，得分计算采用满分制100分，由该100分减去精炼出站参数的减分，最终得到精炼出站参数的得分。最高的精炼出站参数即为与事先确定的目标参数最匹配的实例，将用此实例对下一步精炼进站参数进行找寻。
A06.采用与步骤A04-A05相同的计算方式对精炼进站中的钢液成分、钢液温度、T.O含量进行减分计算，并按照相应参数对精炼进站钢液成分、钢液温度、T.O含量进行控制最终得出上述各项精炼进站参数的得分，在此步骤中上述公式中的n取值为3。
A07.在以上得到精炼出站参数以及精炼进站参数后，根据已经匹配到的20炉数据，对该精炼过程的精炼过程的合金、辅料加入时机与加入量、电极加热功率及电弧长度、钢包底吹气体参数、钢中夹杂物改性路线、精炼喂线种类及速度、等待时间+精炼加热时间+静置时间累积的整个精炼时长进行评估计算得到各参数的实际操作控制参数具体数值，下一步将直接用于LF精炼实际操作中；
A08.根据精炼实际操作控制参数具体数值对精炼终点渣成分进行预测，通过终点渣成分对钢液脱硫、夹杂物的吸附有重要影响，终渣预测有利于进一步提升钢液质量与洁净度，提高产品质量；
A09.最后根据所述控制目标值和所述实际控制变量，对钢水进行智能稳定冶炼控制，最终得到钢液成分优异、钢液温度合适、钢液全氧含量[T.O]合格、精炼阶段冶炼时长合理、精炼工序生产成本最低的钢液。
优选地，本发明的实施例中精炼出站参数包括精炼出站时的钢液成分、钢液温度、T.O含量、冶炼时长和生产成本；精炼进站参数包括精炼进站时的钢液成分、钢液温度和T.O含量。
优选地，本发明的实施例中各参数的精炼实际操作控制参数包括该精炼过程的合金种类(有且不限于锰合金、硅合金、铝合金、铬合金、铌合金、铜合金、钒合金、钼合金、镍合金等)、辅料(有且不限于石灰、轻烧白云石、轻烧煤球、复合精炼渣、泡沫渣抑制剂等)加入时机与加入量、钢包底吹气体参数(气体有且不限氩气/氮气，气体流量、气体时间)、钢中夹杂物改性路线(有且不限夹杂物的成分变化、夹杂物形貌变化与夹杂物数量变化)、精炼喂线种类及速度(有且不限含有钙/铝/硅单质线类、喂线长度、喂线机喂线速度)、等待时间+精炼加热时间+静置时间累积的整个精炼周期。
优选地，A03还包括若根据所述条件无法匹配出满足20炉历史生产数据，则在确保钢液目标成分一致的条件下，将所述精炼目标参数取值范围上下限增长10％进行第一次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长12％进行第二次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长15％进行第三次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长20％进行第四次迭代，以四次迭代计算以后得到的数据作为根据，来输出与对应满足所述条件的所述最佳精炼出站参数。针对实际应用效果，若选取历史数据过少，则有可能有一系列数据为极值，在删除后匹配数据量过少，若历史数据过多，模型计算缓慢，计算结果并未有明显提升，20炉是经过实际优化后取值最合理的找寻炉数。
优选地，本发明的实施例中的步骤A05具体包括以下内容：
A051，表1是根据钢液成分、温度、生产节奏、洁净度以及生产成本组成的规则数据库规约表。
表1规则数据库计算规约表
A052.由表1可以看出，其中的数据大致分为4个优先级，优先级最高的是钢液成分，其中钢液[C]、[P]、[S]是控制最为严格的元素成分；[Si]、[Mn]、
Figure BDA0003160793680000071
[Ti]、[Als]、[Ni]、[Cr]、[V]等合金成分因为过程可调作为第二优先级；钢液温度同样作为第二优先级考虑；第三优先级的是冶炼时长以及钢液全氧[T.O.]，钢液全氧[T.O.]是钢液洁净度的一个重要指标，在此作为钢液洁净度的一个参考；生产成本也被考虑在规则数据库中，在数据库中优先级放在最后。
A053.规则数据库中利用规则数据库规约表，将计算规约表中的计算项，利用成分权重、成分评分比例、计算次数比重差进行迭代计算，并通过自学习方法调整成分权重和成分评分比例，通过不断自我学习、自我修正，逐步实现最接近现场生产数据的最优评分计算规则。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本发明所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求书的保护范围内。

Claims (3)

1.一种钢包精炼炉智能化稳定冶炼的方法，其特征在于，包括如下步骤：
A01.根据工艺要求确定精炼钢液目标成分、目标钢液温度、钢液目标全氧T.O含量、目标冶炼时长和目标生产成本；
A02.将所述精炼钢液目标成分、目标钢液温度、钢液目标全氧T.O含量、目标冶炼时长、目标生产成本作为自适应因子，并按次序作为判定最佳精炼出站参数的依据；
A03.以所述自适应因子作为条件，在钢包精炼炉历史控制数据库中，采用迭代+自适应计算方式，找出满足自适应因子条件的数据，即停止迭代计算，根据找出的数据输出对应满足该条件的最佳精炼出站参数；
A04.在确定最佳精炼出站参数后，通过迭代计算对选取的最佳精炼路径上的精炼出站参数进行评分计算，先进行减分计算，对精炼出站参数行评估，得到各参数对应的减分，公式如下：
Figure FDA0003532973060000011
上述公式中，Sei表示精炼出站参数的减分；
Qei表示精炼出站参数，可从钢包精炼炉历史控制数据库中获得；
Q* ei表示事先确定的精炼目标参数；
γ表示精炼出站参数的权重；
η表示精炼出站参数的系数；
i取1，2，3，4，5；
A05.根据步骤A04计算获得的精炼出站参数的减分来计算精炼出站参数的得分，计算公式如下：
Figure FDA0003532973060000012
其中，STot表示精炼出站参数的得分，此处n＝5；
A06.采用与步骤A04-A05相同的计算方式对精炼进站中的钢液成分、钢液温度、T.O含量进行减分计算，并按照相应参数对精炼进站钢液成分、钢液温度、T.O含量进行控制最终得出上述各精炼进站参数的得分，在此步骤中上述计算精炼出站参数的得分公式中的n取值为3；
A07.在得到精炼出站参数以及精炼进站参数后，根据已经匹配到的20炉数据，对精炼过程的合金、辅料加入时机与加入量、电极加热功率及电弧长度、钢包底吹气体参数、钢中夹杂物改性路线、精炼喂线种类及速度、等待时间+精炼加热时间+静置时间累积的整个精炼时长进行评估计算得到各参数的实际操作控制参数具体数值；
A08.根据精炼实际操作控制参数具体数值对精炼终点渣成分进行预测；
A09.根据控制目标值和实际控制变量，对钢水进行智能稳定冶炼控制。
2.根据权利要求1所述的方法，其特征在于，若根据所述条件无法从数据库匹配出满足控制目标值的20炉历史生产数据，则在确保钢液目标成分一致的条件下，将所述精炼目标参数取值范围上下限增长10％进行第一次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长12％进行第二次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长15％进行第三次迭代；若还未满足20炉历史生产数据，将所述精炼目标参数取值范围上下限增长20％进行第四次迭代，以四次迭代计算以后得到的数据作为根据，来输出与对应满足所述条件的所述最佳精炼出站参数。
3.根据权利要求1所述的方法，其特征在于，实际操作控制参数包括精炼过程的合金种类与加入量、辅料加入时机与加入量、电极加热功率及电弧长度、钢包底吹气体参数、钢中夹杂物改性路线、精炼喂线种类及速度、等待时间+精炼加热时间+静置时间累积的整个精炼时长。
CN202110790771.5A 2021-07-13 2021-07-13 一种钢包精炼炉智能化稳定冶炼控制的方法 Active CN113430333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110790771.5A CN113430333B (zh) 2021-07-13 2021-07-13 一种钢包精炼炉智能化稳定冶炼控制的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110790771.5A CN113430333B (zh) 2021-07-13 2021-07-13 一种钢包精炼炉智能化稳定冶炼控制的方法

Publications (2)

Publication Number Publication Date
CN113430333A CN113430333A (zh) 2021-09-24
CN113430333B true CN113430333B (zh) 2022-04-12

Family

ID=77760181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110790771.5A Active CN113430333B (zh) 2021-07-13 2021-07-13 一种钢包精炼炉智能化稳定冶炼控制的方法

Country Status (1)

Country Link
CN (1) CN113430333B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109012B (zh) * 2023-04-10 2023-07-28 张家港广大特材股份有限公司 一种基于精炼炉控制参数的特种钢材性能预测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006050963A2 (de) * 2004-11-12 2006-05-18 Sms Demag Ag HERSTELLUNG VON ROSTFREISTAHL DER FERRITISCHEN STAHLGRUPPE AISI 4xx IN EINEM AOD-KONVERTER
CN101887239A (zh) * 2010-06-30 2010-11-17 浙江大学 一种自适应的工业过程最优控制系统及方法
CN103866088A (zh) * 2014-03-24 2014-06-18 莱芜钢铁集团有限公司 一种利用参考炉次法确定lf精炼炉造渣料及脱氧合金加入量的方法
CN106834593A (zh) * 2017-02-13 2017-06-13 山东钢铁股份有限公司 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法
CN110400009A (zh) * 2019-07-09 2019-11-01 浙江大学 基于自适应遗传算法的高炉炼铁多目标智能优化方法
CN110438295A (zh) * 2019-08-22 2019-11-12 厦门邑通软件科技有限公司 一种智慧提升钢包精炼炉冶炼效率的方法
CN110955956A (zh) * 2019-11-07 2020-04-03 北京科技大学 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006050963A2 (de) * 2004-11-12 2006-05-18 Sms Demag Ag HERSTELLUNG VON ROSTFREISTAHL DER FERRITISCHEN STAHLGRUPPE AISI 4xx IN EINEM AOD-KONVERTER
CN101887239A (zh) * 2010-06-30 2010-11-17 浙江大学 一种自适应的工业过程最优控制系统及方法
CN103866088A (zh) * 2014-03-24 2014-06-18 莱芜钢铁集团有限公司 一种利用参考炉次法确定lf精炼炉造渣料及脱氧合金加入量的方法
CN106834593A (zh) * 2017-02-13 2017-06-13 山东钢铁股份有限公司 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法
CN110400009A (zh) * 2019-07-09 2019-11-01 浙江大学 基于自适应遗传算法的高炉炼铁多目标智能优化方法
CN110438295A (zh) * 2019-08-22 2019-11-12 厦门邑通软件科技有限公司 一种智慧提升钢包精炼炉冶炼效率的方法
CN110955956A (zh) * 2019-11-07 2020-04-03 北京科技大学 基于lf炉精炼过程钢水温度和成分联合预测的方法及系统

Also Published As

Publication number Publication date
CN113430333A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN110343805B (zh) 钢包精炼炉钢水硅锰成分控制装置及控制方法
CN104962800B (zh) 一种不锈钢材料的冶炼方法
CN113430333B (zh) 一种钢包精炼炉智能化稳定冶炼控制的方法
CN103382514A (zh) 一种在线预测rh精炼过程中钢水成分的系统及方法
CN111020118B (zh) 一种基于粒子群优化案例推理的rh终点温度预测方法
CN113343576A (zh) 基于深度神经网络的钙处理过程中钙的收得率的预测方法
CN116469481B (zh) 一种基于XGBoost算法的LF精炼钢水成分预报方法
CN103194574B (zh) 一种vod精炼终点碳含量预报模型的动态调整方法
CN115906538A (zh) 一种钢包精炼炉钢水成分预测的方法
CN114737020B (zh) 一种炼钢过程有效钛成分的高精度控制方法
CN106191380A (zh) 基于质谱仪的rh钢包精炼温度预报系统及预报方法
CN113671918A (zh) 一种钢包精炼炉智能稳定冶炼控制的方法
CN115437312A (zh) 一种钢水质量窄窗口智能化稳定控制的方法
CN117660722A (zh) 一种基于大数据分析的lf精炼炉过程控制方法及钢液
JP2009144244A (ja) 炭素を低減するための高クロムフェライト系ステンレス鋼の精錬方法
CN113362903A (zh) 一种大型转炉tsc阶段智能添加石灰的方法
KR20050014464A (ko) 스테인리스강의 제조방법
CN118080804A (zh) 连铸工序间温度预测控制方法
CN117572914B (zh) 基于可解释性机器学习的lf精炼钢水温度控制方法及装置
CN110218833A (zh) 一种转炉底吹过程中氮氩切换点的动态控制方法
CN113076505B (zh) 一种转炉钢水脱碳速率计算方法
CN115018155A (zh) 一种基于转炉液面深度的出钢重量预测方法
Huang et al. Prediction of alloy yield based on optimized BP neural network
CN116987838A (zh) 一种大型转炉冶炼超低锰钢的锰含量控制方法
CN114317892B (zh) 一种超低碳钢冶炼的aod二次返吹脱碳的方法

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