CN115896397A - 一种lf精炼智能渣系控制方法及系统 - Google Patents
一种lf精炼智能渣系控制方法及系统 Download PDFInfo
- Publication number
- CN115896397A CN115896397A CN202310026645.1A CN202310026645A CN115896397A CN 115896397 A CN115896397 A CN 115896397A CN 202310026645 A CN202310026645 A CN 202310026645A CN 115896397 A CN115896397 A CN 115896397A
- Authority
- CN
- China
- Prior art keywords
- slag
- refining
- weight
- cao
- amount
- 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
- 239000002893 slag Substances 0.000 title claims abstract description 337
- 238000007670 refining Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 66
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 72
- 239000010959 steel Substances 0.000 claims abstract description 72
- 238000004519 manufacturing process Methods 0.000 claims abstract description 63
- 238000010079 rubber tapping Methods 0.000 claims abstract description 34
- 238000003723 Smelting Methods 0.000 claims abstract description 27
- 229910045601 alloy Inorganic materials 0.000 claims abstract description 23
- 239000000956 alloy Substances 0.000 claims abstract description 23
- 230000003647 oxidation Effects 0.000 claims abstract description 8
- 238000007254 oxidation reaction Methods 0.000 claims abstract description 8
- 238000009847 ladle furnace Methods 0.000 claims description 75
- 229910018072 Al 2 O 3 Inorganic materials 0.000 claims description 28
- 229910052782 aluminium Inorganic materials 0.000 claims description 20
- 238000005406 washing Methods 0.000 claims description 19
- 150000001875 compounds Chemical class 0.000 claims description 17
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 claims description 14
- 229910004261 CaF 2 Inorganic materials 0.000 claims description 13
- 239000000203 mixture Substances 0.000 claims description 12
- 239000002436 steel type Substances 0.000 claims description 10
- 229910052786 argon Inorganic materials 0.000 claims description 7
- 238000007664 blowing Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 229910052710 silicon Inorganic materials 0.000 claims description 7
- 229910000519 Ferrosilicon Inorganic materials 0.000 claims description 6
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006477 desulfuration reaction Methods 0.000 claims description 6
- 230000023556 desulfurization Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 229910052717 sulfur Inorganic materials 0.000 claims description 6
- 239000011593 sulfur Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 229910000720 Silicomanganese Inorganic materials 0.000 claims description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 229910052791 calcium Inorganic materials 0.000 claims description 3
- 238000009749 continuous casting Methods 0.000 claims description 3
- 239000004615 ingredient Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- CYUOWZRAOZFACA-UHFFFAOYSA-N aluminum iron Chemical compound [Al].[Fe] CYUOWZRAOZFACA-UHFFFAOYSA-N 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims description 2
- 238000011112 process operation Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000005275 alloying Methods 0.000 claims 1
- 230000000717 retained effect Effects 0.000 claims 1
- 238000007792 addition Methods 0.000 description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 229910001634 calcium fluoride Inorganic materials 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- -1 ferroaluminum Inorganic materials 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- Treatment Of Steel In Its Molten State (AREA)
Abstract
本发明公开了一种LF精炼智能渣系控制方法及系统,该方法和系统包括以钢水成分为初始值,获取初炼炉出钢和LF精炼炉精炼过程中的生产参数和渣料加入参数,充分考虑合金氧化等对LF炉炉渣成分和重量变化的影响,实现LF精炼渣系的智能控制,并用智能控制的结果与目标进行修正;实际总渣量与炉渣主要成分与钢种冶炼所需总渣量与炉渣主要成分相对比并利用大生产数据进行修正渣料加入量;本发明的一种LF精炼智能渣系控制方法及系统可以利用大生产数据进行修正,有效缩短LF成渣时间,稳定精炼周期,降低生产成本,稳定产品质量。
Description
技术领域
本发明属于冶金技术领域,具体涉及一种LF精炼智能渣系控制方法及系统。
背景技术
LF精炼过程中炉渣起着脱氧、脱硫、去夹杂(有些钢种还起着夹杂物变性)的作用,由于炉渣的化验时间与其冶炼周期不匹配无法通过化验明确炉渣成分、炉渣的形成过程中除了加入的渣料和元素氧化成渣可以计量或计算外,出钢下渣和炉渣回钢包渣洗其炉量无法计算,炉渣成分也无法确定。因此,对炉渣总量和成分进行比较准确的控制有利于充分发挥炉渣的冶金功能,对于提高和稳定钢铁企业的产品质量和产量、降低生产成本具有重要意义。
目前,LF精炼炉炉渣总量和成分的控制普遍采用经验的操作方式:按冶炼钢种工艺要求确定炉渣的总量,分步骤加入造渣材料,在LF精炼过程中不断取渣样判断炉渣性能,结合钢水成分对炉渣是否要修正作出判断。这种方法无法利用大生产数据对出钢下渣和炉渣回钢包渣洗渣的重量和成分作出估算,而且也无法利用LF炉渣料消耗数据与化验结果的大生产数据。因此经验的操作方式难以根据具体炉次的情况来优化过程的操作变量,缺少了操作的灵活性,导致了较大的能耗和物耗水平,而出现需要修正炉渣成分和总量时难以统筹兼顾,此时往往出现在冶炼后期还可能因修正不及时影响LF冶炼周期,严重时会造成连铸断浇。
发明内容
为了解决现有技术存在的上述问题,本发明目的在于提供一种LF精炼智能渣系控制方法及系统。
本发明所采用的技术方案为:
一种LF精炼智能渣系控制方法,包括以下步骤:
S1、获取初炼炉出钢生产参数;所述初炼炉出钢生产参数包括合金成分及对应量、出钢渣料的成分及对应量;
S2、获取LF精炼炉的进站参数;所述进站参数包括钢水成分和重量;
S3、获取精炼LF炉精炼过程中的生产参数;所述生产参数包括吹氩参数以及加入合金成分及对应量、原辅料的种类及对应量;
S4、获取精炼LF炉过程的离站参数;所述离站参数包括钢水中目标成分含量;
S5、获取精炼LF炉精炼过程中的工艺参数;所述工艺参数包括冶炼钢种、同步形成炉渣目标成分、按钢水重量和钢水成分硫含量设定总渣量;
S6、建立模型;以所述进站参数为初始值,所述离站参数为目标值,结合所述初炼炉出钢生产参数、所述生产参数和所述工艺参数,建立LF精炼智能渣系控制模型;
S7、计算;利用所述LF精炼智能渣系控制模型,对所述初炼炉出钢生产参数进行计算;
S8、修正;将S7计算结果与设定的炉渣目标成分和总渣量进行比对,得出修正后的渣料加入参数,完成对所述LF精炼智能渣系控制。
作为本发明的优选,按钢种和钢水总脱硫量制定目标炉渣的目标成分和总渣量,在步骤S8中,所述渣料加入包括出钢渣料种类和数量的固定加入、LF进站渣料种类和数量的固定加入,所述渣料加入参数包括出钢下渣重量和成分估算值、渣洗炉渣的重量和成分估算值、LF精炼过程中合金元素的氧化成渣量的计算值。
作为本发明的优选,计算所述精炼LF炉的总渣和成分,并同所述目标炉渣的目标成分和总渣量对比计算需补加的渣料类别和数量,根据钢水硫含量修正需补加的渣料类别和数量。
作为本发明的优选,对所述目标炉渣的重量和成分进行计算:
根据LF冶炼钢种,确定所述目标炉渣的主要成分CaO、SiO2、Al2O3、MgO、CaF2的目标范围;
计算实际总渣量:根据LF冶炼钢种和脱硫量,确定炉渣总量为钢水重量的1~1.5%。
作为本发明的优选,对所述目标炉渣的重量和成分进行计算还包括:所述出钢渣料种类和数量固定加入的计算,根据渣料入厂检验结果分别计算CaO、SiO2、Al2O3、MgO、CaF2的含量,以CaO为例计算如下:
式中,:渣中CaO的重量(Kg);
:渣料1加入的重量(Kg);:渣料1中CaO的含量;
:渣料2加入的重量(Kg);:渣料2中CaO的含量。
作为本发明的优选,所述出钢下渣重量和成分的估算值:利用1~3个月大生产数据估算挡渣正常时出钢下渣重量及成分;从大生产数据得到平均下渣重量G1及炉渣成分CaO、SiO2、Al2O3、MgO、CaF2的平均含量,以CaO为例计算如下:
式中,:渣中CaO的重量(Kg); : 平均下渣重量(Kg);
:炉渣中CaO的平均含量。
作为本发明的优选,所述渣洗炉渣的重量和成分估算值:利用1~5个月大生产数据估算钢种渣洗炉渣的重量及成分;从大生产数据可以得到平均渣洗重量G2及炉渣成分CaO、SiO2、Al2O3、MgO的平均含量,以CaO为例计算如下:
式中,:渣中CaO的重量(Kg);
: 平均下渣重量(Kg);:炉渣中CaO的平均含量;
LF进站后利用冶炼钢种的历史渣料数据,加入渣料种类和数量,根据渣料入厂检验结果分别计算CaO、SiO2、Al2O3、MgO、CaF2的含量,以CaO为例计算如下:
式中,:渣中CaO的重量(Kg);
:渣料1加入的重量(Kg);:渣料1中CaO的含量;
:渣料2加入的重量(Kg);:渣料2中CaO的含量。
作为本发明的优选,计算所述合金元素的氧化成渣量:向钢中加入的合金包括硅铁、硅锰、铝铁、铝线、合金元素Si、Al及硅铁中的Al、Ca,在LF炉中部分氧化成渣,以Ca为例计算如下:
式中,:钢中Ca的氧化总量(Kg);
:含Ca合金的重量(Kg);:含Ca合金中Ca的含量;
:钢水的重量(Kg);:钢水中Ca的含量;
Ca + O = CaO
式中,:钢中Ca的氧化总量(Kg);1.4为系数;
实际渣料中CaO的总量为:
同理可得到渣中其它主要成分、、、的含量,总渣量:
式中,:实际总渣量(Kg);
P:该钢种1~5个月大生产数据渣样结果中CaO、SiO2、Al2O3、MgO、CaF2之和。
作为本发明的优选,若钢中的S含量达到目标要求,渣量不修正;若所述钢中的S含量未达到目标要求,进行脱S,并对渣量进行修正,修正具体步骤为,将所述与设定的总渣量对比,根据对比结果补加渣料;
取所述精炼LF炉第3次或2次数据分别与第1次取样对比分析结果,得出钢中Si、Al的损失范围,判断钢中的S含量是否达到目标要求,若钢中的S含量达到目标要求,炉渣成分不修正;若钢中的S未达到目标要求,脱S后且渣样不合要求则修正炉渣成分,将目标炉渣主要成分的目标范围与实际的对比,通过加渣料将炉渣的主要成分调整至目标范围,以Al2O3为例:
炉渣Al2O3的目标范围是30~35%,渣量,智能渣系控制方法计算结果是Al2O3含量为,则高铝预熔精炼渣加入量是:
=()*/%
式中,:加入的高铝预熔精炼渣(Kg);
:工艺要求的Al2O3目标范围的中限百分比;
:智能渣系控制方法计算的Al2O3含量百分比;
:工艺要求的渣量(Kg);
%:高铝预熔精炼渣Al2O3含量百分比。
作为本发明的优选,一种LF精炼智能渣系控制系统主控模块:查看在站炉次计划信息、操作要点信息、检化验信息、连铸运转状态、智慧精炼模型运行情况、监控设备运转;
计划模块:跟踪所有待生产计划、生产中计划、生产完成计划;
实绩模块:查询历史生产炉次的加热、投料、喂丝、吹氩的生产实绩数据;
报表模块:按照时间、班组、炉座分别对生产实绩数据进行汇总分析;
工况总览模块:对当前生产炉次的工况状态进行监控;
设备总览模块:对现场炉体、钢包车、电极、吹氩、料仓、喂丝机的运转状态进行监控;
精炼流程引擎模块:通过工业RPA机器人,自动精炼流程引擎实现精炼流程自动控制;
异常报警模块:对生产过程中工艺操作、设备运转的报警信息进行报警提醒。
本发明的有益效果为:
本发明作为一种LF精炼智能渣系控制方法及系统,以实际生产大数据出发,在对机理模型优化的基础上,建立LF精炼智能渣系控制系统,利用大生产数据进行修正并贴近实际生产,保证了控制系统的精度;本发明的一种LF精炼智能渣系控制方法及系统可以利用大生产数据进行修正,有效缩短LF成渣时间,稳定精炼周期,降低生产成本,稳定产品质量的。
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以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
因此,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
获取初炼炉出钢生产参数,所述初炼炉出钢生产参数包括合金成分及对应量、渣料的成分及对应量、出钢挡渣是否正常和是否渣洗;
获取LF精炼炉的进站参数,所述进站参数包括钢水成分和重量;
获取精炼LF炉精炼过程中的生产参数,所述生产参数包括吹氩参数以及加入合金(含包芯线)成分及对应量、原辅料的种类及对应量;根据合金收得率修正渣料加入量;
获取精炼LF炉过程的离站参数,所述离站参数包括钢水中目标成分含量;
获取精炼LF炉精炼过程中的工艺参数,所述工艺参数包括冶炼钢种、同步形成炉渣目标成分、按钢水重量和钢水成分硫含量设定总渣量;
以所述进站参数为初始值,所述离站参数为目标值,结合生产参数的大数据,建立LF精炼智能渣系控制模型,再用正常工艺要求的炉渣成分检测值作为模型精度的校验;
所述LF精炼智能渣系控制模型对LF精炼炉精炼的生产参数进行计算和修正,所得炉渣成分和总渣量与设定的炉渣目标成分和总渣量比对,得出修正后的渣料加入参数,完成对所述LF精炼智能渣系控制;
进一步地,所述渣料的成分及对应量、出钢挡渣是否正常和是否渣洗是分别指初炼炉出钢加入的渣料成分及对应量、初炼炉出钢出钢挡渣是否正常和初炼炉出钢后是否将钢包余渣倒入钢包进行渣洗。
所述LF精炼智能渣系控制方法包括按钢种和钢水总脱硫量制定目标炉渣目标成分及总渣量。渣料加入包括出钢时渣料种类和数量固定加入、出钢下渣重量和成分估算、渣洗渣量重量和成分估算、LF进站渣料种类和数量固定加入、LF精炼过程Si、Al、Ca等的氧化成渣量的计算;计算上述LF精炼的总渣和成分,并同目标炉渣目标成分及总渣量对比,计算需补加的渣料类别和数量,根据钢水硫含量修正需补加的渣料类别和数量。实际生产中渣料固定加入量与下渣、渣洗、成渣之和略少于目标总渣量即实际总渣量略少于目标总渣量。
所述炉渣重量和成分的计算包括:
确定炉渣目标成分:根据LF冶炼钢种,确定炉渣主要成分CaO、SiO2、Al2O3、MgO、CaF2等的目标范围;
计算总渣量:根据LF冶炼钢种和脱硫量,确定炉渣总量为钢水重量的1~1.5%;
出钢时根据LF冶炼钢种按固定量加入渣料种类和数量,根据渣料入厂检验结果分别计算CaO、SiO2、Al2O3、MgO、CaF2等的含量,以CaO为例计算如下:
式中::渣中CaO的重量(Kg);
:渣料1加入的重量(Kg);:渣料1中CaO的含量;
:渣料2加入的重量(Kg);:渣料2中CaO的含量;
估算出钢下渣重量及成分:利用1~3个月大生产数据估算挡渣正常时出钢下渣重量及成分,挡渣异正常时出钢下渣重量需人工判断。从大生产数据可以得到平均下渣重量G1及炉渣成分CaO、SiO2、Al2O3、MgO的平均含量,以CaO为例计算如下:
式中::渣中CaO的重量(Kg);
: 平均下渣重量(Kg);:炉渣中CaO的平均含量;
估算渣洗炉渣的重量及成分:利用1~5个月大生产数据估算该钢种渣洗炉渣的重量及成分;渣洗异正常时出钢下渣重量需人工判断,从大生产数据可以得到平均渣洗重量G2及炉渣成分CaO、SiO2、Al2O3、MgO的平均含量,以CaO为例计算如下:
式中::渣中CaO的重量(Kg);
: 平均下渣重量(Kg);:炉渣中CaO的平均含量;
LF进站后利用冶炼钢种的历史渣料数据,加入渣料种类和数量,根据渣料入厂检验结果分别计算CaO、SiO2、Al2O3、MgO、CaF2等的含量,以CaO为例计算如下:
式中::渣中CaO的重量(Kg);
:渣料1加入的重量(Kg);:渣料1中CaO的含量;
:渣料2加入的重量(Kg);:渣料2中CaO的含量;
计算合金元素氧化成渣量:向钢中加入的合金如硅铁、硅锰、铝铁、铝线等合金元素Si、Al及硅铁中的Al、Ca,在LF炉中有一部分或大部分氧化成渣,以Ca为例计算如下:
式中::钢中Ca的氧化总量(Kg);
:含Ca合金的重量(Kg);:含Ca合金中Ca的含量;
:钢水的重量(Kg);:钢水中Ca的含量;
Ca + O = CaO
式中::钢中Ca的氧化总量(Kg);1.4为系数;
渣中CaO的总量为:
同理可得到渣中其它主要成分等的含量,总渣量:
式中:为实际总渣量(Kg);P为该钢种1~5个月大生产数据渣样结果中CaO、SiO2、Al2O3、MgO、CaF2之和;
渣量的修正:钢中的S达到目标要求,渣量可以不修正。如果还要脱S则要修正渣量,将与设定的总渣量对比,前者少于后者则需补加渣料;
炉渣成分的修正:如果LF第3次或2次与第1次取样分析结果显示钢中Si、Al的损失在正常范围,钢中的S达到目标要求,取渣样目测正常炉渣成分可以不修正,如果还要脱S且渣样不合要求则修正炉渣成分,将目标炉渣主要成分的目标范围与实际的对比,通过加渣料将 炉渣的主要成分调整至目标范围,以Al2O3为例:
炉渣Al2O3的目标范围是30~35%,渣量,智能渣系控制方法计算结果是Al2O3含量为,则高铝预熔精炼渣加入量是:
=()*/%
式中,:加入的高铝预熔精炼渣(Kg);
:工艺要求的Al2O3目标范围的中限百分比;
:智能渣系控制方法计算的Al2O3含量百分比;
:工艺要求的渣量(Kg);
%:高铝预熔精炼渣Al2O3含量百分比。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”“相连”“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属本发明的保护范围。
Claims (10)
1.一种LF精炼智能渣系控制方法,其特征在于,包括以下步骤:
S1、获取初炼炉出钢生产参数;所述初炼炉出钢生产参数包括合金成分及对应量、出钢渣料的成分及对应量;
S2、获取LF精炼炉的进站参数;所述进站参数包括钢水成分和重量;
S3、获取精炼LF炉精炼过程中的生产参数;所述生产参数包括吹氩参数以及加入合金成分及对应量、原辅料的种类及对应量;
S4、获取精炼LF炉过程的离站参数;所述离站参数包括钢水中目标成分含量;
S5、获取精炼LF炉精炼过程中的工艺参数;所述工艺参数包括冶炼钢种、同步形成炉渣目标成分、按钢水重量和钢水成分硫含量设定总渣量;
S6、建立模型;以所述进站参数为初始值,所述离站参数为目标值,结合所述初炼炉出钢生产参数、所述生产参数和所述工艺参数,建立LF精炼智能渣系控制模型;
S7、计算;利用所述LF精炼智能渣系控制模型,对所述初炼炉出钢生产参数进行计算;
S8、修正;将S7计算结果与设定的炉渣目标成分和总渣量进行比对,得出修正后的渣料加入参数,完成对所述LF精炼智能渣系控制。
2.根据权利要求1所述的一种LF精炼智能渣系控制方法,其特征在于:按钢种和钢水总脱硫量制定目标炉渣的目标成分和总渣量,在步骤S8中,所述渣料加入包括出钢渣料种类和数量的固定加入、LF进站渣料种类和数量的固定加入,所述渣料加入参数包括出钢下渣重量和成分估算值、渣洗炉渣的重量和成分估算值、LF精炼过程中合金元素的氧化成渣量的计算值。
3.根据权利要求1所述的一种LF精炼智能渣系控制方法,其特征在于:计算所述精炼LF炉的总渣和成分,并同所述目标炉渣的目标成分和总渣量对比计算需补加的渣料类别和数量,根据钢水硫含量修正需补加的渣料类别和数量。
4.根据权利要求2所述的一种LF精炼智能渣系控制方法,其特征在于,对所述目标炉渣的重量和成分进行计算:
根据LF冶炼钢种,确定所述目标炉渣的成分CaO、SiO2、Al2O3、MgO、CaF2的目标范围;
计算实际总渣量:根据LF冶炼钢种和脱硫量,确定炉渣总量为钢水重量的1~1.5%。
5.根据权利要求4所述的一种LF精炼智能渣系控制方法,其特征在于,对所述目标炉渣的重量和成分进行计算还包括:所述出钢渣料种类和数量固定加入的计算,根据渣料入厂检验结果分别计算CaO、SiO2、Al2O3、MgO、CaF2的含量,其中CaO计算如下:
式中,:渣中CaO的重量(Kg);
:渣料1加入的重量(Kg);:渣料1中CaO的含量;
:渣料2加入的重量(Kg);:渣料2中CaO的含量。
6.根据权利要求2所述的一种LF精炼智能渣系控制方法,其特征在于,所述出钢下渣重量和成分的估算值:利用1~3个月大生产数据估算挡渣正常时出钢下渣重量及成分;从大生产数据得到平均下渣重量G1及炉渣成分CaO、SiO2、Al2O3、MgO、CaF2的平均含量,其中CaO计算如下:
式中,:渣中CaO的重量(Kg);: 平均下渣重量(Kg);
:炉渣中CaO的平均含量。
7.根据权利要求2所述的一种LF精炼智能渣系控制方法,其特征在于,所述渣洗炉渣的重量和成分估算值:利用1~5个月大生产数据估算钢种渣洗炉渣的重量及成分;从大生产数据可以得到平均渣洗重量G2及炉渣成分CaO、SiO2、Al2O3、MgO的平均含量,其中CaO计算如下:
式中,:渣中CaO的重量(Kg);
: 平均下渣重量(Kg);:炉渣中CaO的平均含量;
LF进站后利用冶炼钢种的历史渣料数据,加入渣料种类和数量,根据渣料入厂检验结果分别计算CaO、SiO2、Al2O3、MgO、CaF2的含量,其中CaO计算如下:
式中,:渣中CaO的重量(Kg);
:渣料1加入的重量(Kg);:渣料1中CaO的含量;
:渣料2加入的重量(Kg);:渣料2中CaO的含量。
8.根据权利要求2所述的一种LF精炼智能渣系控制方法,其特征在于,计算所述合金元素的氧化成渣量:向钢中加入的合金包括硅铁、硅锰、铝铁、铝线、合金元素Si、Al及硅铁中的Al、Ca,在LF炉中部分氧化成渣,其中Ca计算如下:
式中,:钢中Ca的氧化总量(Kg);
:含Ca合金的重量(Kg);:含Ca合金中Ca的含量;
:钢水的重量(Kg);:钢水中Ca的含量;
Ca + O = CaO
式中,:钢中Ca的氧化总量(Kg);1.4为系数;
实际渣料中CaO的总量为:
同理可得到渣中其它主要成分、、、的含量,总渣量:
式中,:实际总渣量(Kg);
P:该钢种1~5个月大生产数据渣样结果中CaO、SiO2、Al2O3、MgO、CaF2之和。
9.根据权利要求8所述的一种LF精炼智能渣系控制方法,其特征在于:若钢中的S含量达到目标要求,渣量不修正;若所述钢中的S含量未达到目标要求,进行脱S,并对渣量进行修正,修正具体步骤为,将所述与设定的总渣量对比,根据对比结果补加渣料;
取所述精炼LF炉第3次或2次数据分别与第1次取样对比分析结果,得出钢中Si、Al的损失范围,判断钢中的S含量是否达到目标要求,若钢中的S含量达到目标要求,炉渣成分不修正;若钢中的S未达到目标要求,脱S后且渣样不合要求则修正炉渣成分,将目标炉渣主要成分的目标范围与实际的对比,通过加渣料将炉渣的成分调整至目标范围,其中Al2O3的目标范围为:
炉渣Al2O3的目标范围是30~35%,渣量,智能渣系控制方法计算结果是Al2O3含量为,则高铝预熔精炼渣加入量是:
=()*/%
式中,:加入的高铝预熔精炼渣(Kg);
:工艺要求的Al2O3目标范围的中限百分比;
:智能渣系控制方法计算的Al2O3含量百分比;
:工艺要求的渣量(Kg);
%:高铝预熔精炼渣Al2O3含量百分比。
10.一种LF精炼智能渣系控制系统,提供入权利要求1-8所述的一种LF精炼智能渣系控制方法,其特征在于,包括:
主控模块:查看在站炉次计划信息、操作要点信息、检化验信息、连铸运转状态、智慧精炼模型运行情况、监控设备运转;
计划模块:跟踪所有待生产计划、生产中计划、生产完成计划;
实绩模块:查询历史生产炉次的加热、投料、喂丝、吹氩的生产实绩数据;
报表模块:按照时间、班组、炉座分别对生产实绩数据进行汇总分析;
工况总览模块:对当前生产炉次的工况状态进行监控;
设备总览模块:对现场炉体、钢包车、电极、吹氩、料仓、喂丝机的运转状态进行监控;
精炼流程引擎模块:通过工业RPA机器人,自动精炼流程引擎实现精炼流程自动控制;
异常报警模块:对生产过程中工艺操作、设备运转的报警信息进行报警提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310026645.1A CN115896397B (zh) | 2023-01-09 | 2023-01-09 | 一种lf精炼智能渣系控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310026645.1A CN115896397B (zh) | 2023-01-09 | 2023-01-09 | 一种lf精炼智能渣系控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115896397A true CN115896397A (zh) | 2023-04-04 |
CN115896397B CN115896397B (zh) | 2023-12-26 |
Family
ID=86471314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310026645.1A Active CN115896397B (zh) | 2023-01-09 | 2023-01-09 | 一种lf精炼智能渣系控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115896397B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20170316131A1 (en) * | 2015-11-23 | 2017-11-02 | Northeastern University | Method of batching and scheduling for steelmaking production with plant-wide process consideration |
CN112560218A (zh) * | 2020-11-10 | 2021-03-26 | 北京科技大学 | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 |
CN114507766A (zh) * | 2020-11-15 | 2022-05-17 | 上海梅山钢铁股份有限公司 | 一种lf精炼渣物料投料配比控制方法 |
CN114854933A (zh) * | 2022-04-20 | 2022-08-05 | 山东钢铁股份有限公司 | 一种lf精炼流程解析的智能精炼方法及系统 |
-
2023
- 2023-01-09 CN CN202310026645.1A patent/CN115896397B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20170316131A1 (en) * | 2015-11-23 | 2017-11-02 | Northeastern University | Method of batching and scheduling for steelmaking production with plant-wide process consideration |
CN112560218A (zh) * | 2020-11-10 | 2021-03-26 | 北京科技大学 | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 |
CN114507766A (zh) * | 2020-11-15 | 2022-05-17 | 上海梅山钢铁股份有限公司 | 一种lf精炼渣物料投料配比控制方法 |
CN114854933A (zh) * | 2022-04-20 | 2022-08-05 | 山东钢铁股份有限公司 | 一种lf精炼流程解析的智能精炼方法及系统 |
Non-Patent Citations (1)
Title |
---|
张春宇;王文平;张立志;谷义新;张国斌;: "LF精炼渣动态预估模型", 炼钢, no. 05, pages 16 - 20 * |
Also Published As
Publication number | Publication date |
---|---|
CN115896397B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110955956A (zh) | 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 | |
CN115659709B (zh) | 一种lf精炼炉精炼过程钢水温度预测的方法 | |
CN112560218B (zh) | Lf精炼造渣石灰加入量预测方法、系统及lf精炼方法 | |
CN110551867A (zh) | 一种基于炉渣成分预测的转炉冶炼控制方法 | |
CN110766452A (zh) | 一种测算废钢金属收得率的方法 | |
CN113913583B (zh) | 一种炉渣改质和溅渣护炉方法 | |
CN115896397B (zh) | 一种lf精炼智能渣系控制方法及系统 | |
CN113151631A (zh) | 一种转炉合金成分精准冶炼控制方法 | |
CN115906538A (zh) | 一种钢包精炼炉钢水成分预测的方法 | |
CN115576285A (zh) | 一种lf精炼全自动生产的方法及系统 | |
CN110991772A (zh) | 一种预测转炉终渣粘度模型的高效护炉方法 | |
CN113805537A (zh) | 一种冶炼合金成分控制系统及控制方法 | |
JP3823907B2 (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 | |
CN113652525B (zh) | 一种根据aod化钢样准确控制铬含量的方法 | |
CN114082914B (zh) | 用于csp生产中钢水夹杂物的快速评估方法 | |
JP4421314B2 (ja) | 溶銑の精錬でのスラグ量の決定方法 | |
CN116662711A (zh) | 一种提升自动化炼钢命中率的方法 | |
CN115505673A (zh) | 一种提高合金吸收率的方法 | |
CN117987617A (zh) | 一种lf炉智能精炼方法及系统 | |
JPH09316514A (ja) | クロム含有鋼の転炉工程における溶鋼中炭素およびクロム含有率の推定方法および装置ならびに出鋼方法 | |
CN114136833A (zh) | 一种测量转炉下渣量的方法 | |
JP3770038B2 (ja) | ほうろう用鋼の製造方法 | |
CN116574867A (zh) | 一种超低碳钢高效rh精炼生产的方法及系统 | |
JP5942399B2 (ja) | 転炉吹錬終点温度設定方法 | |
CN117968859A (zh) | 一种钢水温度智能预测方法 |
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 |