CN115232907A - 一种转炉炼钢吹氧量的预测方法和系统 - Google Patents
一种转炉炼钢吹氧量的预测方法和系统 Download PDFInfo
- Publication number
- CN115232907A CN115232907A CN202211163887.7A CN202211163887A CN115232907A CN 115232907 A CN115232907 A CN 115232907A CN 202211163887 A CN202211163887 A CN 202211163887A CN 115232907 A CN115232907 A CN 115232907A
- Authority
- CN
- China
- Prior art keywords
- molten iron
- amount
- oxygen
- slag
- content
- 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
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 69
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 69
- 239000001301 oxygen Substances 0.000 title claims abstract description 69
- 238000007664 blowing Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009628 steelmaking Methods 0.000 title claims abstract description 33
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 140
- 229910052742 iron Inorganic materials 0.000 claims description 70
- 239000002893 slag Substances 0.000 claims description 32
- 229910052717 sulfur Inorganic materials 0.000 claims description 28
- 229910000831 Steel Inorganic materials 0.000 claims description 23
- 229910052710 silicon Inorganic materials 0.000 claims description 23
- 239000010959 steel Substances 0.000 claims description 23
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 22
- 229910052799 carbon Inorganic materials 0.000 claims description 22
- 239000011593 sulfur Substances 0.000 claims description 22
- 230000036284 oxygen consumption Effects 0.000 claims description 21
- 229910052698 phosphorus Inorganic materials 0.000 claims description 21
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 19
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 17
- 239000010703 silicon Substances 0.000 claims description 17
- 238000007254 oxidation reaction Methods 0.000 claims description 16
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 15
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 15
- 239000011574 phosphorus Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000002699 waste material Substances 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 230000003647 oxidation Effects 0.000 claims description 9
- 229910052748 manganese Inorganic materials 0.000 claims description 8
- 239000011572 manganese Substances 0.000 claims description 8
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 6
- 229910052751 metal Inorganic materials 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 claims description 4
- 238000003723 Smelting Methods 0.000 claims description 3
- 229910052681 coesite Inorganic materials 0.000 claims description 3
- 229910052906 cristobalite Inorganic materials 0.000 claims description 3
- 239000000377 silicon dioxide Substances 0.000 claims description 3
- 235000012239 silicon dioxide Nutrition 0.000 claims description 3
- 229910052682 stishovite Inorganic materials 0.000 claims description 3
- 229910052905 tridymite Inorganic materials 0.000 claims description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 2
- 229910000805 Pig iron Inorganic materials 0.000 claims description 2
- 235000011941 Tilia x europaea Nutrition 0.000 claims description 2
- 229910000514 dolomite Inorganic materials 0.000 claims description 2
- 239000010459 dolomite Substances 0.000 claims description 2
- 239000004571 lime Substances 0.000 claims description 2
- 239000011777 magnesium Substances 0.000 claims description 2
- 229910052749 magnesium Inorganic materials 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000000717 retained effect Effects 0.000 claims 1
- 239000002904 solvent Substances 0.000 claims 1
- 238000009851 ferrous metallurgy Methods 0.000 abstract 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 229910004298 SiO 2 Inorganic materials 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000013179 statistical model Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- QMQXDJATSGGYDR-UHFFFAOYSA-N methylidyneiron Chemical compound [C].[Fe] QMQXDJATSGGYDR-UHFFFAOYSA-N 0.000 description 3
- 238000009865 steel metallurgy Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- C21C5/30—Regulating or controlling the blowing
-
- 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
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
本发明属于钢铁冶金技术领域,具体为一种转炉炼钢吹氧量的预测方法和系统,采用机理模型和统计模型相结合的方式建立转炉吹氧量预测模型,将能够相对准确计算的部分通过氧平衡建立的机理模型进行计算,其余氧耗使用统计模型计算,并且通过聚类分析的方法,将生产数据分为N类后分别进行计算,有效提高了转炉炼钢吹氧量预测精度,在钢铁冶金领域有良好的应用前景。
Description
技术领域
本发明涉及钢铁冶金技术领域,具体为一种转炉炼钢吹氧量的预测方法和系统。
背景技术
目前,转炉炼钢工艺是钢铁生产流程的主流,而吹氧工艺是转炉炼钢过程的重要工艺之一。吹氧量对转炉炼钢的顺利进行起着重要的作用。如果吹氧量太小,终点杂质元素含量会超过要求值并且终点温度会过低;如果吹氧量太大,会使冶炼周期变长,钢水产量降低,钢水过氧化,并增加合金消耗量,终点钢水温度过高。因此,为了实现转炉高效生产,稳定控制钢水质量,对转炉炼钢过程吹氧量的预测是十分重要的。
目前,在转炉炼钢吹氧量预测的研究中通常采用机理模型、统计模型、增量模型和智能算法模型。机理模型是基于熔池各元素氧化反应通过氧气平衡来计算的耗氧量,机理模型很难反应炉内的实际情况,预测精度较低。增量模型是选择与生产炉次条件相近的炉次为基准,制定相似的加料过程和生产工艺。统计模型通过数据之间的关系建模,精度较高,但是单纯考虑数据之间的联系,很可能出现与机理相反的结果,对生产实际应用造成阻碍。而以神经网络为例的智能算法模型需要大量的完整和准确的数据进行建模和模型计算,对于大多数中小型企业缺乏数据采集和存储设备,需要投入更多的成本用于设备投资。
发明内容
为解决现有技术存在的问题,本发明的主要目的是提出一种转炉炼钢吹氧量的预测方法和系统。
为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:
一种转炉炼钢吹氧量的预测方法,包括如下步骤:
S1.将用于预测的炉次数据与原始数据集进行合并形成新数据集,合并后使用聚类分析的方法将新数据集中的数据聚类为N类;
S2.确定预测的炉次数据的类别,并在预测的炉次数据中添加类别参数;
S3.根据预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式,计算得到估算氧量;
S4.根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量,计算得到铁水耗氧量;
S5.步骤S3的估算氧量与步骤S4的铁水耗氧量相加得到预测转炉吹氧量。
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S1中,所述原始数据集中包含完整的炉次数据的炉次数≥300。
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S1中,所述N≥3,优选的,所述N=3。
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S1中,所述原始数据集包括:铁水装入量,铁水温度,重废、中废、轻废、生铁、渣钢装入量,铁水碳、硅、锰、磷、硫元素含量,目标钢水温度,目标钢水碳、锰、磷、硫元素含量,装料时间,冶炼时间,烧结返矿加入量,轻烧镁球加入量,石灰加入量,轻烧白云石加入量等。
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S1中,聚类分析的依据包括:铁水装入量,铁水温度,铁水碳、硅含量,钢水锰、硫含量,重废装入量等。
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S3中,3个类别匹配对应的估算氧量的多元线性计算公式分别为:
第1类:
第2类:
第3类:
WHot metal是铁水重量,t;
w TC、w TMn、wTS是钢水中C、Mn、S的含量,wt%;
w HC是铁水中C的含量,wt%;
WSinter是烧结矿加入量,kg;
WESlag是预估渣量,kg;
THot metal是铁水温度,℃。
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S3中,预估渣量的计算方法如下式所示:
式中,R是三元碱度;
WIron Slag是带入转炉的铁水渣的重量,kg;
WRemaining Slag是上一炉留渣量,kg;
w MgO、w FeO 是目标渣中MgO和FeO的含量,wt%;
φ S是目标渣中除了CaO、SiO2、FeO、MgO、MnO、P2O5和CaS以外的组分的含量,wt%;
作为本发明所述的一种转炉炼钢吹氧量的预测方法的优选方案,其中:所述步骤S4中,铁水耗氧量为铁水中碳、硅、锰、磷、硫元素氧化反应的耗氧量之和,计算方法如下式所示:
w TSi、w TP是目标钢水中Si、P的含量,wt%;
w HSi、w HMn、w HP、w HS是铁水中Si、Mn、P、S的含量,wt%;
XC-CO是碳氧化后生成CO的比例;
为解决上述技术问题,根据本发明的另一个方面,本发明提供了如下技术方案:
本发明的另一目的在于提供一种实施上述转炉炼钢吹氧量的预测方法的转炉炼钢吹氧量的预测系统。
本发明的另一目的在于提供一种实现上述转炉炼钢吹氧量的预测方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述转炉炼钢吹氧量的预测方法。
本发明的有益效果如下:
本发明提供一种转炉炼钢吹氧量的预测方法和系统,采用机理模型和统计模型相结合的方式建立转炉吹氧量预测模型,将能够相对准确计算的部分通过氧平衡建立的机理模型进行计算,其余氧耗使用统计模型计算,并且通过聚类分析的方法,将生产数据分为N类后分别进行计算,有效提高了转炉炼钢吹氧量预测精度,在钢铁冶金领域有良好的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明转炉炼钢吹氧量的预测方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种转炉炼钢吹氧量的预测方法和系统,采用机理模型和统计模型相结合的方式建立转炉吹氧量预测模型,并且通过聚类分析的方法,将生产数据分为N类后分别进行计算;将能够相对准确计算的部分,根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量,计算得到铁水耗氧量;其余氧耗根据预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式计算得到估算氧量;估算氧量与铁水耗氧量相加得到预测转炉吹氧量有效提高了转炉炼钢吹氧量预测精度,在钢铁冶金领域有良好的应用前景。
根据本发明的一个方面,本发明提供了如下技术方案:
一种转炉炼钢吹氧量的预测方法,包括如下步骤:
S1.将用于预测的炉次数据与原始数据集进行合并形成新数据集,合并后使用聚类分析的方法将新数据集中的数据聚类为N类,聚类分析的依据包括:铁水装入量,铁水温度,铁水碳、硅含量,钢水锰、硫含量,重废装入量等;
S2.确定预测的炉次数据的类别,并在预测的炉次数据中添加类别参数;
S3.根据预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式,计算得到估算氧量;
S4.根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量,计算得到铁水耗氧量;
S5.步骤S3的估算氧量与步骤S4的铁水耗氧量相加得到预测转炉吹氧量。
以下结合具体实施例对本发明技术方案进行进一步说明。
实施例
以120t转炉为例,原始数据集中有901炉数据,用于预测的炉次数据列于表1,聚类后的类别参数列于表2,表3为本实施例预测的转炉吹氧量和实际转炉吹氧量。
S1.将用于预测的炉次数据(如表1所示)与原始数据集进行合并形成新数据集,合并后使用聚类分析的方法将新数据集中的数据聚类为3类,聚类分析的依据包括:铁水装入量,铁水温度,铁水碳、硅含量,钢水锰、硫含量,重废装入量。
表1 预测的炉次数据
S2.确定预测的炉次数据的类别,并在预测的炉次数据中添加类别参数(如表2所示);
表2 预测的炉次的类别
S3.根据表2中预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式,计算得到估算氧量;3个类别对应的计算估算氧量的多元线性计算公式分别为:
第1类:
第2类:
第3类:
WHot metal 是铁水重量,t;
w TC、w TMn、wTS 是钢水中C、Mn、S的含量,wt%;
w HC是铁水中C的含量,wt%;
WSinter 是烧结矿加入量,kg;
WESlag是预估渣量,kg;
THot metal 是铁水温度,℃。
预估渣量WESlag的计算方法如下式所示:
式中,R是三元碱度;
WIron Slag是带入转炉的铁水渣的重量,kg;
WRemaining Slag是上一炉留渣量,kg;
w MgO、w FeO 是目标渣中MgO和FeO的含量,wt%;
φ S是目标渣中除了CaO、SiO2、FeO、MgO、MnO、P2O5和CaS以外的组分的含量,wt%;
S4.根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量,计算得到铁水耗氧量;铁水耗氧量为铁水中碳、硅、锰、磷、硫元素氧化反应的耗氧量之和,计算方法如下式所示:
w TSi、w TP是目标钢水中Si、P的含量,wt%;
w HSi、w HMn、w HP、w HS是铁水中Si、Mn、P、S的含量,wt%;
XC-CO是碳氧化后生成CO的比例;
S5.步骤S3的估算氧量与步骤S4的铁水耗氧量相加得到预测转炉吹氧量(如表3所示)。
表3 本发明预测转炉吹氧量和实际吹氧量
从表3可以看出本发明转炉炼钢吹氧量的预测方法可以对转炉吹氧量进行准确有效地预报,预测准确率可以达到98%以上,提高钢铁企业的转炉冶炼效率,稳定控制钢水质量,避免不必要的成本支出。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种转炉炼钢吹氧量的预测方法,其特征在于,包括如下步骤:
S1.将用于预测的炉次数据与原始数据集进行合并形成新数据集,合并后使用聚类分析的方法将新数据集中的数据聚类为N类;聚类分析的依据包括:铁水装入量,铁水温度,铁水碳、硅含量,钢水锰、硫含量,重废装入量;
S2.确定预测的炉次数据的类别,并在预测的炉次数据中添加类别参数;
S3.根据预测的炉次数据的类别匹配对应的估算氧量的多元线性计算公式,计算得到估算氧量;
S4.根据预测的炉次的铁水和目标钢水的碳、硅、锰、磷、硫含量以及铁水重量,计算得到铁水耗氧量;
S5.步骤S3的估算氧量与步骤S4的铁水耗氧量相加得到预测转炉吹氧量。
2.根据权利要求1所述的预测方法,其特征在于,所述N≥3。
3.根据权利要求1所述的预测方法,其特征在于,原始数据集包括:铁水装入量,铁水温度,重废、中废、轻废、生铁、渣钢装入量,铁水碳、硅、锰、磷、硫元素含量,目标钢水温度,目标钢水碳、锰、磷、硫元素含量,装料时间,冶炼时间,烧结返矿加入量,轻烧镁球加入量,石灰加入量,轻烧白云石加入量。
4.根据权利要求1所述的预测方法,其特征在于,所述N=3。
6.根据权利要求5所述的预测方法,其特征在于,预估渣量的计算方法如下式所示:
式中,R是三元碱度;
WIron Slag是带入转炉的铁水渣的重量,kg;
WRemaining Slag是上一炉留渣量,kg;
w MgO、w FeO 是目标渣中MgO和FeO的含量,wt%;
φ S是目标渣中除了CaO、SiO2、FeO、MgO、MnO、P2O5和CaS以外的组分的含量,wt%;
8.一种实施权利要求1-7任一项所述的转炉炼钢吹氧量的预测方法的转炉炼钢吹氧量的预测系统。
9.一种实现权利要求1-7任一项所述的转炉炼钢吹氧量的预测方法的信息数据处理终端。
10.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行权利要求1-7任一项所述的转炉炼钢吹氧量的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211163887.7A CN115232907B (zh) | 2022-09-23 | 2022-09-23 | 一种转炉炼钢吹氧量的预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211163887.7A CN115232907B (zh) | 2022-09-23 | 2022-09-23 | 一种转炉炼钢吹氧量的预测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115232907A true CN115232907A (zh) | 2022-10-25 |
CN115232907B CN115232907B (zh) | 2022-12-20 |
Family
ID=83667173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211163887.7A Active CN115232907B (zh) | 2022-09-23 | 2022-09-23 | 一种转炉炼钢吹氧量的预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115232907B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434856A (zh) * | 2023-03-17 | 2023-07-14 | 北京科技大学 | 一种基于分段式氧气脱碳效率的转炉供氧量预测方法 |
TWI851454B (zh) * | 2023-10-23 | 2024-08-01 | 中國鋼鐵股份有限公司 | 評估煉鋼轉單建模方法、電腦程式產品及電腦可讀取紀錄媒體 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55161011A (en) * | 1979-05-31 | 1980-12-15 | Nippon Steel Corp | End point control method of oxygen converter |
CN104630410A (zh) * | 2015-02-10 | 2015-05-20 | 东北大学 | 一种基于数据解析的转炉炼钢质量实时动态预测方法 |
CN111334636A (zh) * | 2020-03-27 | 2020-06-26 | 宝钢湛江钢铁有限公司 | 基于副枪检测的转炉终点动态控制方法及系统 |
CN111353656A (zh) * | 2020-03-23 | 2020-06-30 | 大连理工大学 | 一种基于生产计划的钢铁企业氧气负荷预测方法 |
CN112863609A (zh) * | 2019-11-12 | 2021-05-28 | 宝信软件(武汉)有限公司 | 一种转炉炼钢吹氧量和冷却剂量计算方法及装置 |
CN113962050A (zh) * | 2021-09-16 | 2022-01-21 | 中冶赛迪技术研究中心有限公司 | 一种结合产耗预测及管网计算的氧气调度计算方法 |
WO2022124050A1 (ja) * | 2020-12-11 | 2022-06-16 | Jfeスチール株式会社 | 転炉の操業方法及び転炉の吹錬制御システム |
-
2022
- 2022-09-23 CN CN202211163887.7A patent/CN115232907B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55161011A (en) * | 1979-05-31 | 1980-12-15 | Nippon Steel Corp | End point control method of oxygen converter |
CN104630410A (zh) * | 2015-02-10 | 2015-05-20 | 东北大学 | 一种基于数据解析的转炉炼钢质量实时动态预测方法 |
CN112863609A (zh) * | 2019-11-12 | 2021-05-28 | 宝信软件(武汉)有限公司 | 一种转炉炼钢吹氧量和冷却剂量计算方法及装置 |
CN111353656A (zh) * | 2020-03-23 | 2020-06-30 | 大连理工大学 | 一种基于生产计划的钢铁企业氧气负荷预测方法 |
CN111334636A (zh) * | 2020-03-27 | 2020-06-26 | 宝钢湛江钢铁有限公司 | 基于副枪检测的转炉终点动态控制方法及系统 |
WO2022124050A1 (ja) * | 2020-12-11 | 2022-06-16 | Jfeスチール株式会社 | 転炉の操業方法及び転炉の吹錬制御システム |
CN113962050A (zh) * | 2021-09-16 | 2022-01-21 | 中冶赛迪技术研究中心有限公司 | 一种结合产耗预测及管网计算的氧气调度计算方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434856A (zh) * | 2023-03-17 | 2023-07-14 | 北京科技大学 | 一种基于分段式氧气脱碳效率的转炉供氧量预测方法 |
CN116434856B (zh) * | 2023-03-17 | 2024-04-16 | 北京科技大学 | 一种基于分段式氧气脱碳效率的转炉供氧量预测方法 |
TWI851454B (zh) * | 2023-10-23 | 2024-08-01 | 中國鋼鐵股份有限公司 | 評估煉鋼轉單建模方法、電腦程式產品及電腦可讀取紀錄媒體 |
Also Published As
Publication number | Publication date |
---|---|
CN115232907B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115232907B (zh) | 一种转炉炼钢吹氧量的预测方法和系统 | |
CN114854929B (zh) | 一种转炉喷吹co2钢液成分与温度实时动态预测的方法 | |
WO2018012257A1 (ja) | 溶鋼中りん濃度推定方法及び転炉吹錬制御装置 | |
CN102766728B (zh) | 钢包精炼炉精炼过程钢水硫含量实时预测的方法及装置 | |
CN108647407A (zh) | 一种转炉炼钢烟气分析定碳方法 | |
CN110502781A (zh) | 一种基于先验知识的铁合金生产配料优化方法 | |
CN117875513A (zh) | 一种基于深度强化学习的高炉成本最优配料方法及系统 | |
CN115563867A (zh) | 一种多源复杂铜精矿的配矿方法、系统及产品 | |
Dong et al. | Study on the reaction behavior of CO2 with molten steel in converter process by top blowing mixed CO2–O2 gas | |
CN113961865B (zh) | 一种大型转炉精确控制tsc阶段调温剂加入量的方法 | |
Wang et al. | Hybrid model for predicting oxygen consumption in BOF steelmaking process based on cluster analysis | |
CN107633124B (zh) | 一种基于机理模型的电弧炉冶炼过程成分实时预报的方法 | |
Zhang et al. | Prediction of lime utilization ratio of dephosphorization in BOF steelmaking based on online sequential extreme learning machine with forgetting mechanism | |
JP6825348B2 (ja) | 溶銑予備処理方法、溶銑予備処理制御装置、プログラム及び記録媒体 | |
CN110059940B (zh) | 一种炼钢-连铸界面衔接节能方法及系统 | |
CN104060024A (zh) | 一种转炉提钒过程中转炉实时温度的预报方法 | |
JP7404394B2 (ja) | 製鋼プロセスを監視するための方法および関連するコンピュータプログラム | |
CN115662537A (zh) | 一种转炉出钢量预测方法及系统 | |
Chen | Application of MPE model to iron ore sintering, ironmaking and steelmaking processes | |
JPS62158810A (ja) | 転炉操業における主原料装入量の決定方法 | |
CN116821615A (zh) | 一种预测转炉终点脱磷率及钢水磷含量的方法与系统 | |
JP4421314B2 (ja) | 溶銑の精錬でのスラグ量の決定方法 | |
JP2004115880A (ja) | 転炉出鋼中脱炭量推定法及びこれを用いた転炉操業法 | |
CN114565177B (zh) | 高炉炼铁的入炉品位估计方法、装置、介质及电子设备 | |
CN116864022A (zh) | 转炉静态氧量的确定方法、装置、介质以及电子设备 |
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 |