CN114420218B - 一种基于渣料预警模型的炉渣预警方法 - Google Patents

一种基于渣料预警模型的炉渣预警方法 Download PDF

Info

Publication number
CN114420218B
CN114420218B CN202210056160.2A CN202210056160A CN114420218B CN 114420218 B CN114420218 B CN 114420218B CN 202210056160 A CN202210056160 A CN 202210056160A CN 114420218 B CN114420218 B CN 114420218B
Authority
CN
China
Prior art keywords
slag
alkalinity
mgo content
theoretical
warning model
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
CN202210056160.2A
Other languages
English (en)
Other versions
CN114420218A (zh
Inventor
徐震
张明辉
刘彬
鄂学东
张君
刘诗银
陈炳坤
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.)
Lianfeng Steel Zhangjiagang Co Ltd
Original Assignee
Lianfeng Steel Zhangjiagang Co Ltd
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 Lianfeng Steel Zhangjiagang Co Ltd filed Critical Lianfeng Steel Zhangjiagang Co Ltd
Priority to CN202210056160.2A priority Critical patent/CN114420218B/zh
Publication of CN114420218A publication Critical patent/CN114420218A/zh
Application granted granted Critical
Publication of CN114420218B publication Critical patent/CN114420218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20Identification of molecular entities, parts thereof or of chemical compositions
    • CCHEMISTRY; METALLURGY
    • C21METALLURGY OF IRON
    • C21CPROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C5/00Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
    • C21C5/28Manufacture of steel in the converter
    • C21C5/36Processes yielding slags of special composition
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70Machine learning, data mining or chemometrics
    • CCHEMISTRY; METALLURGY
    • C21METALLURGY OF IRON
    • C21CPROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C2300/00Process aspects
    • C21C2300/06Modeling of the process, e.g. for control purposes; CII
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00Technologies related to metal processing
    • Y02P10/20Recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Carbon Steel Or Casting Steel Manufacturing (AREA)

Abstract

本发明公开了一种基于渣料预警模型的炉渣预警方法,构建渣料预警模型,渣料预警模型包括理论碱度、理论MgO含量;基于所构建的渣料预警模型,实时计算出理论碱度、理论MgO含量;根据碱度和MgO含量的标准,分别选取碱度、MgO含量的目标值;基于计算出的理论值与目标值,分别计算出碱度完成进度和MgO含量完成进度;设定完成进度范围,当计算出的碱度完成度、MgO含量处于所设定的完成进度范围内则认为“达标”;否者认为“不达标”,则进行报警提醒;工人可以及时作出调整,既能起到减少浪费、节省成本的作用,还能提高钢水洁净度,提高产品质量,同时有利于保护炉衬,延长转炉炉衬使用寿命。

Description

一种基于渣料预警模型的炉渣预警方法
技术领域
本发明属于钢铁冶金转炉炼钢领域,尤其是一种基于渣料预警模型的炉渣预警方法。
背景技术
炉渣又称溶渣。火法冶金过程中生成的浮在金属等液态物质表面的熔体,其组成以氧化物(二氧化硅,氧化铝,氧化钙,氧化镁)为主,还常含有硫化物并夹带少量金属。
炉渣的组分靠加入适量的熔剂(石灰、石英石、萤石等)进行调整。在冶炼过程中通过对炉渣组分和性质的控制,能使脉石和氧化杂质的产物与熔融金属或硫顺利分离,脱除金属中的害杂质,吸收液态金属中的非金属夹杂物不直接受炉气污染,富集有用的金属氧化物;在电炉冶炼中还是电阻发热体。炉渣在保证冶炼操作顺利进行、冶炼产品质量、金属回收率等各方面起着决定性作用,故炼钢作业中有"炼好渣,才能炼好钢"的说法;好的炉渣不仅能有效去除P、S等有害元素,提高钢水洁净度,还能起到保护炉衬等作用。好的炉渣最重要的标准即具有适宜的炉渣成分,对于适宜的炉渣成分来说有两个控制标准:合适的炉渣碱度和MgO含量。合适的炉渣碱度能有效去除钢水中的P、S等有害元素,过高或过低的碱度对脱P、S均有不利影响,过低的话碱度不足无法起到脱P、S要求,过高的话炉渣变粘不利于脱P、S,且造成成本浪费;合适的MgO含量则能有效起到保护炉衬的作用,过低则炉衬砖中的MgO析出,炉衬侵蚀加剧,过高则未熔的MgO使炉渣变粘不利于脱P、S,且同样造成成本浪费,所以如何保证炉渣的成分适宜是炼钢工作重要的一环。
发明内容
为了解决现有技术中存在的不足,本申请提出了一种基于渣料预警模型的炉渣预警方法,通过渣料预警模型实时预测加入不同渣料时炉渣碱度与MgO含量的变化,并及时作出调整,既能起到减少浪费、节省成本的作用,还能提高钢水洁净度,提高产品质量,同时有利于保护炉衬,延长转炉炉衬使用寿命。
本发明所采用的技术方案如下:
一种基于渣料预警模型的炉渣预警方法,包括如下步骤:
S1、构建渣料预警模型,渣料预警模型包括理论碱度、理论MgO含量,分别表示为:
其中,m石灰为石灰的质量,a1为石灰中有效CaO的质量比;m生白云石为生白云石的质量,a2为生白云石中有效CaO的质量比;m轻烧白云石为轻烧白云石的质量,a3为轻烧白云石中有效CaO的质量比;m石灰石为石灰石的质量,a4石灰石中有效CaO的质量比。m铁水为铁水的质量,b1是铁水中Si的质量比;m废钢为废钢的质量,b2是废钢中Si的质量比;m污泥球是污泥球的质量,b3是污泥球中的SiO2的质量比;m高炉返矿是高炉返矿的质量,b4是高炉返矿中SiO2的质量比;2.14是SiO2和Si的原子量比值;
理论MgO含量,表示如下:
其中,c1为生白云石中MgO的质量比;c2轻烧白云石中MgO的质量比;m镁球为镁球的质量,c3为镁球中MgO的质量比;d1、d2、d3、d4、d5和d6分别是石灰、生白云石、轻烧白云石、石灰石、污泥球和高炉返矿中SiO2的质量比,d7转炉渣中平均CaO的质量比;S碱度是炉渣碱度目标值;
S2、基于所构建的渣料预警模型,实时计算出理论碱度、理论MgO含量;
S3、根据碱度和MgO含量的标准,分别选取碱度、MgO含量的目标值;基于计算出的理论值与目标值,分别计算出碱度完成进度和MgO含量完成进度;
S4、设定完成进度范围,当计算出的碱度完成度、MgO含量处于所设定的完成进度范围内则认为“达标”;否者认为“不达标”,则进行报警提醒。
进一步,渣料预警模型还包括渣料成本。
进一步,渣料成本的计算方法为:
其中,p1、p2、p3、p4和p5分别是石灰、生白云石、轻烧白云石、石灰石、石灰石细料对应成本考核单价;单价的单位是元/kg;m平均出钢量是平均出钢质量。
进一步,渣料预警模型还包括渣料消耗。
进一步,渣料消耗的计算方法为:
其中,e1是石灰石转换成石灰的系数;e2是生白云石转换成轻烧白云石的系数。
进一步,碱度的标准的范围取2.6-3.0。
进一步,MgO含量的标准的范围取5-10%。
进一步,计算完成进度的方法如下:
碱度完成度=理论碱度/碱度目标值;
MgO含量完成度=理论MgO含量/MgO含量目标值。
进一步,碱度完成度、MgO含量完成度范围均设为95%-105%。
本发明的有益效果:
本申请所设计的炉渣预警方法通过渣料预警模型实时预测加入不同渣料时炉渣碱度与MgO含量的变化,并及时作出调整,既能起到减少浪费、节省成本的作用,还能提高钢水洁净度,提高产品质量,同时有利于保护炉衬,延长转炉炉衬使用寿命。同时增加渣料消耗及渣料成本数据,对成本控制更具指导意义。
附图说明
图1是本申请渣料预警信息示意图;
图2是某一批次渣料预警信息示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
一种基于渣料预警模型的炉渣预警方法,包括如下内容:
S1、首先,构建渣料预警模型,该渣料预警模型包括理论碱度、理论MgO含量、渣料消耗、渣料成本这四项;计算方法具体如下:
其中,m石灰为石灰的质量,a1为石灰中有效CaO的质量比,取90%;m生白云石为生白云石的质量,a2为生白云石中有效CaO的质量比,取25%;m轻烧白云石为轻烧白云石的质量,a3为轻烧白云石中有效CaO的质量比,取8%;m石灰石为石灰石的质量,a4石灰石中有效CaO的质量比,取50%。m铁水为铁水的质量,b1是铁水中Si的质量比;m废钢为废钢的质量,b2是废钢中Si的质量比;m污泥球是污泥球的质量,b3是污泥球中的SiO2的质量比;m高炉返矿是高炉返矿的质量,b4是高炉返矿中SiO2的质量比;2.14是SiO2和Si的原子量比值。
2、理论MgO含量,表示如下:
其中,c1为生白云石中MgO的质量比,取19%;c2轻烧白云石中MgO的质量比,取28%;m镁球为镁球的质量,c3为镁球中MgO的质量比,取67%。d1、d2、d3、d4、d5和d6分别是石灰、生白云石、轻烧白云石、石灰石、污泥球和高炉返矿中SiO2的质量比,分别取92%、30%、42%、53%、8%和2.5%;d7转炉渣中平均CaO的质量比;2.8是炉渣碱度目标值。在本实施例中给出了石灰、生白云石、轻烧白云石、石灰石、污泥球和高炉返矿中SiO2的质量比的取值、MgO的质量比的取值;并不局限于上述理论值,也可以采用生产前的实际测量值。
3、渣料成本,表示如下:
其中,p1、p2、p3、p4和p5分别是石灰、生白云石、轻烧白云石、石灰石、石灰石细料对应成本考核单价;单价的单位是元/kg。m平均出钢量是平均出钢质量。
4、渣料消耗,表示如下:
其中,e1是石灰石转换成石灰的系数,取0.53;e2是生白云石转换成轻烧白云石的系数,取0.50。
S2、如图1基于所构建的渣料预警模型,根据炉批号、铁水硅含量、废钢硅含量、铁水重量、废钢重量,以及加入石灰、生白云石、轻烧白云石、镁球、石灰石、污泥球、高炉返矿、块矿等物料的进度,实时计算出理论碱度、理论MgO含量、渣料消耗、渣料成本这四项。
S3、根据碱度和MgO含量的标准(即碱度和MgO含量的标准的范围),分别选取碱度、MgO含量的目标值。在本实施例中,碱度的标准的范围取2.6-3.0,目标值取2.8;MgO含量的标准的范围取5-10%,MgO含量的目标值取7.5%。
基于计算出的理论碱度、理论MgO含量,分别与目标值计算完成进度,表示如下:
碱度完成度=理论碱度/碱度目标值
MgO含量完成度=理论MgO含量/MgO含量目标值
在本实施例中,
S4、设定完成进度范围,当计算出的碱度完成度、MgO含量完成度均处于95%-105%范围内,则认为“达标”;否者认为“不达标”,则进行报警提醒,实现预警的目的;如图2所示。技术人员可以根据预警结果及时作出调整。例如根据完成的百分比进行加料的控制,当加料量不足时就必须补加,当加料量达标时就不再加料。
同时增加渣料消耗及渣料成本数据,对成本控制更具指导意义。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。

Claims (9)

1.一种基于渣料预警模型的炉渣预警方法,其特征在于,包括如下步骤:
S1、构建渣料预警模型,渣料预警模型包括理论碱度、理论MgO含量,分别表示为:
其中,m石灰为石灰的质量,a1为石灰中有效CaO的质量比;m生白云石为生白云石的质量,a2为生白云石中有效CaO的质量比;m轻烧白云石为轻烧白云石的质量,a3为轻烧白云石中有效CaO的质量比;m石灰石为石灰石的质量,a4石灰石中有效CaO的质量比;m铁水为铁水的质量,b1是铁水中Si的质量比;m废钢为废钢的质量,b2是废钢中Si的质量比;m污泥球是污泥球的质量,b3是污泥球中的SiO2的质量比;m高炉返矿是高炉返矿的质量,b4是高炉返矿中SiO2的质量比;2.14是SiO2和Si的原子量比值;
理论MgO含量,表示如下:
其中,c1为生白云石中MgO的质量比;c2轻烧白云石中MgO的质量比;m镁球为镁球的质量,c3为镁球中MgO的质量比;d1、d2、d3、d4、d5和d6分别是石灰、生白云石、轻烧白云石、石灰石、污泥球和高炉返矿中SiO2的质量比,d7转炉渣中平均CaO的质量比;S碱度是炉渣碱度目标值;
S2、基于所构建的渣料预警模型,实时计算出理论碱度、理论MgO含量;
S3、根据碱度和MgO含量的标准,分别选取碱度、MgO含量的目标值;基于计算出的理论值与目标值,分别计算出碱度完成进度和MgO含量完成进度;
S4、设定完成进度范围,当计算出的碱度完成度、MgO含量处于所设定的完成进度范围内则认为“达标”;否者认为“不达标”,则进行报警提醒。
2.根据权利要求1所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,渣料预警模型还包括渣料成本。
3.根据权利要求2所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,渣料成本的计算方法为:
其中,p1、p2、p3、p4和p5分别是石灰、生白云石、轻烧白云石、石灰石、石灰石细料对应成本考核单价;单价的单位是元/kg;m平均出钢量是平均出钢质量。
4.根据权利要求1所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,渣料预警模型还包括渣料消耗。
5.根据权利要求4所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,渣料消耗的计算方法为:
其中,e1是石灰石转换成石灰的系数;e2是生白云石转换成轻烧白云石的系数。
6.根据权利要求1-5中任意一项权利要求所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,碱度的标准的范围取2.6-3.0。
7.根据权利要求6所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,MgO含量的标准的范围取5-10%。
8.根据权利要求6所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,计算完成进度的方法如下:
碱度完成度=理论碱度/碱度目标值;
MgO含量完成度=理论MgO含量/MgO含量目标值。
9.根据权利要求8所述的一种基于渣料预警模型的炉渣预警方法,其特征在于,碱度完成度、MgO含量完成度范围均设为95%-105%。
CN202210056160.2A 2022-01-18 2022-01-18 一种基于渣料预警模型的炉渣预警方法 Active CN114420218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210056160.2A CN114420218B (zh) 2022-01-18 2022-01-18 一种基于渣料预警模型的炉渣预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210056160.2A CN114420218B (zh) 2022-01-18 2022-01-18 一种基于渣料预警模型的炉渣预警方法

Publications (2)

Publication Number Publication Date
CN114420218A CN114420218A (zh) 2022-04-29
CN114420218B true CN114420218B (zh) 2024-04-02

Family

ID=81274155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210056160.2A Active CN114420218B (zh) 2022-01-18 2022-01-18 一种基于渣料预警模型的炉渣预警方法

Country Status (1)

Country Link
CN (1) CN114420218B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110904300A (zh) * 2019-12-27 2020-03-24 安徽工业大学 一种转炉渣熔点控制模型的高效脱磷及护炉的方法
CN112342334A (zh) * 2020-09-07 2021-02-09 上海大学 双渣法转炉炼钢工艺脱磷渣碱度的控制方法
KR102229205B1 (ko) * 2020-08-25 2021-03-17 (주)유진에코씨엘 석회석, 니켈슬래그를 대체하여 제강슬래그를 이용한 소결광 제조방법
CN113656930A (zh) * 2021-06-24 2021-11-16 华北理工大学 单渣法冶炼终点磷含量的预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110904300A (zh) * 2019-12-27 2020-03-24 安徽工业大学 一种转炉渣熔点控制模型的高效脱磷及护炉的方法
KR102229205B1 (ko) * 2020-08-25 2021-03-17 (주)유진에코씨엘 석회석, 니켈슬래그를 대체하여 제강슬래그를 이용한 소결광 제조방법
CN112342334A (zh) * 2020-09-07 2021-02-09 上海大学 双渣法转炉炼钢工艺脱磷渣碱度的控制方法
CN113656930A (zh) * 2021-06-24 2021-11-16 华北理工大学 单渣法冶炼终点磷含量的预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于IMCT理论的轴承钢精炼渣系碱度模型;雷家柳;李德胜;朱航宇;;钢铁钒钛;20190415(第02期);全文 *

Also Published As

Publication number Publication date
CN114420218A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
WO2019071788A1 (zh) 一种由含铜与铁的混合熔渣生产的方法
KR20010023539A (ko) 제철 및 제강 방법
JP5573424B2 (ja) 溶鋼の脱硫処理方法
WO2019071794A1 (zh) 一种由含铜与铁的混合熔渣回收有价组分的方法
CN107779540B (zh) 一种高硅铁水的转炉单渣冶炼方法
CN104774995B (zh) 一种氧气转炉炼钢渣料的配加方法
Gregurek et al. Overview of wear phenomena in lead processing furnaces
CA3181620A1 (en) Method for producing liquid pig iron from a dri product
CN101760631A (zh) 一种用因分特炉炼铜的工艺
CN113913583B (zh) 一种炉渣改质和溅渣护炉方法
CN103045793A (zh) 一种转炉真空冶炼装置及其使用方法
CN105177217B (zh) 一种降低转炉冶炼钢渣渣量的工艺
CN114420218B (zh) 一种基于渣料预警模型的炉渣预警方法
CN203080002U (zh) 一种转炉真空冶炼装置
Errington et al. The ISA-YMG lead smelting process
CN112442566A (zh) 一种转炉炉底护炉方法
CN110408738A (zh) 炼钢转炉化炉底方法
CN87102831A (zh) 高温液态含铁炉渣综合利用的方法
CN104046882A (zh) 一种利用aod转炉废弃镁钙砖冶炼奥氏不锈钢的方法
CN101016578B (zh) 高炉熔融法生产的钢液净化渣剂
Steenkamp et al. Introduction to the production of clean steel
US3942977A (en) Process for making iron or steel utilizing lithium containing material as auxiliary slag formers
Kokal et al. Metallurgical Uses—Fluxes for Metallurgy
CN114657309B (zh) 一种低铁耗护炉方法
CN115612777A (zh) 高效脱磷的转炉清洁冶炼方法

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