CN116083680A - 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 - Google Patents
一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 Download PDFInfo
- Publication number
- CN116083680A CN116083680A CN202211323194.XA CN202211323194A CN116083680A CN 116083680 A CN116083680 A CN 116083680A CN 202211323194 A CN202211323194 A CN 202211323194A CN 116083680 A CN116083680 A CN 116083680A
- Authority
- CN
- China
- Prior art keywords
- mixing time
- molten pool
- electric arc
- arc furnace
- technological parameters
- 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
- 238000002156 mixing Methods 0.000 title claims abstract description 184
- 238000010891 electric arc Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 82
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 37
- 239000010959 steel Substances 0.000 title claims abstract description 37
- 238000007664 blowing Methods 0.000 claims abstract description 82
- 239000002131 composite material Substances 0.000 claims abstract description 34
- 238000002474 experimental method Methods 0.000 claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 238000012417 linear regression Methods 0.000 claims abstract description 14
- 239000007788 liquid Substances 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000002844 melting Methods 0.000 abstract description 8
- 230000008018 melting Effects 0.000 abstract description 8
- 238000003723 Smelting Methods 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000009529 body temperature measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003756 stirring Methods 0.000 description 3
- 238000004141 dimensional analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009845 electric arc furnace steelmaking Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000002699 waste material Substances 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
- C21C5/52—Manufacture of steel in electric furnaces
- C21C5/527—Charging of the electric furnace
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- C21C5/52—Manufacture of steel in electric furnaces
- C21C5/527—Charging of the electric furnace
- C21C2005/5276—Charging of the electric furnace with liquid or solid rest, e.g. pool, "sumpf"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Vertical, Hearth, Or Arc Furnaces (AREA)
- Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
Abstract
本发明涉及一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统。该方法包括根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;根据预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;本发明能够快速且准确的实现全废钢连续加料电弧炉熔池混匀时间的预测。
Description
技术领域
本发明涉及冶金工业电弧炉炼钢技术领域,特别是涉及一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统。
背景技术
电弧炉熔池混匀时间是反应电弧炉内熔池搅拌混合程度和反应平衡的最直观的参数。电弧炉炼钢过程中,不同的吹炼条件下,熔池流动的状态不同,熔池混匀时间也不一样。氧枪水平角和垂直角的大小对熔池混匀时间有较显著的影响,合适的水平角和垂直角有利于增强熔池的搅拌效果;气体流量对熔池的混匀时间影响较大,气体流量越大,熔池混匀效果越好;同时,底吹布置位置也同样影响着熔池混匀时间。电弧炉冶炼过程中,熔池混匀时间越短,越能有效缩短冶炼时间,提升冶炼效率。建立一种不同吹炼条件下的电弧炉熔池混匀时间的预测方法,能够有效预测熔池混匀时间,根据熔池混匀时间可以提高炉内吹氧助熔效率,改善熔池内脱磷、脱氮反应动力学条件,提高熔池内钢液的搅拌效率,从而优化电弧炉复合吹炼工艺(如侧吹氧枪偏转角、底吹位置布置及气体流量大小的优化等),加快废钢熔化;还可以减少测温取样次数,减少热停工时间,提升冶炼效率。
专利CN109472090A提供了一种针对钢包最低混匀时间的预测方法,基于水力学模型建立了钢包混匀时间的预测公式;专利CN109214137A提供了一种针对转炉流场最低混匀时间的预测方法,基于水力学模型建立了转炉流场混匀时间的预测公式;上述预测公式主要针对钢包和转炉的熔池混匀时间预测,无法对复合吹炼复杂工况下的连续加料电弧炉的熔池混匀时间进行有效预测;其次,上述预测公式是基于原模型等比例缩放后物理水模型建立的,而后通过对比换算后将预测公式用于实际的预测,存在一定的偏差,特别是电弧炉实际生产过程是一个高度复杂非线性的黑箱过程,如不考虑偏差的影响,冶炼时若钢种差异加大或炉况波动较大时,预测准确性将大幅降低。
因此,为解决现有技术中对电弧炉熔池混匀时间预测难、精度不高的问题,亟需提供一种新的熔池混匀时间预测方法或系统。
发明内容
本发明的目的是提供一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统,能够快速且准确的实现全废钢连续加料电弧炉熔池混匀时间的预测。
为实现上述目的,本发明提供了如下方案:
一种全废钢连续加料电弧炉熔池混匀时间预测方法,包括:
根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;所述工艺参数包括:侧吹流量、侧吹水平角、侧吹垂直角、底吹流量、底吹位置、液体密度、重力加速度和液体黏度;
根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;
获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;
根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;所述训练好的熔池混匀时间预测模型以预测值和工艺参数为输入,以最终预测值为输出。
可选地,所述根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式,具体包括:
其中,Δt为熔池混匀时间,Qc为侧吹流量,α为侧吹水平角,β为侧吹垂直角,Qd为底吹流量,Rd为底吹位置,ρl为液体密度,g为重力加速度,μl为液体黏度,k、a、b、c、d和e为拟合系数。
可选地,所述根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式,具体包括:
根据五因素三水平的正交实验,采用物理模拟方法,确定连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系;
对连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系,采用多元线性回归处理,建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式。
可选地,所述对连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系,采用多元线性回归处理,建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式,具体包括:
可选地,所述根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值,具体包括:
根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定不同工艺参数下熔池混匀时间的预测值以及获取相应的工艺参数下的实际熔池混匀时间;
根据不同工艺参数下熔池混匀时间的预测值以及相应的工艺参数下的实际熔池混匀时间,训练神经网络模型,确定训练好的熔池混匀时间预测模型。
一种全废钢连续加料电弧炉熔池混匀时间预测系统,包括:
熔池混匀时间预测公式建立模块,用于根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;所述工艺参数包括:侧吹流量、侧吹水平角、侧吹垂直角、底吹流量、底吹位置、液体密度、重力加速度和液体黏度;
全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式建立模块,用于根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;
熔池混匀时间第一预测模块,用于获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;
熔池混匀时间第二预测模块,用于根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;所述训练好的熔池混匀时间预测模型以预测值和工艺参数为输入,以最终预测值为输出。
一种全废钢连续加料电弧炉熔池混匀时间预测系统,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现所述的一种全废钢连续加料电弧炉熔池混匀时间预测方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统,通过全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式能够准确的反映复合吹炼时熔池混匀时间与各因素间的关系,解决了现有技术中对熔池混匀时间预测难的问题。并且通过上述公式进行熔池混匀时间第一次预测,并根据训练好的熔池混匀时间预测模型进行熔池混匀时间第二次预测,进而提高了熔池混匀时间预测的准确性,并且通过第一次预测降低了训练好的熔池混匀时间预测模型的计算量,进而提高了预测的速度。通过精确预测熔池混匀时间,不仅可以优化电弧炉复合吹炼工艺,加快废钢熔化,还可以在加料结束后至出钢前期间减少测温取样次数,缩短热停工时间,提升冶炼效率。
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获得其他的附图。
图1为本发明所提供的一种全废钢连续加料电弧炉熔池混匀时间预测流程示意图;
图2为物理模拟装置连接示意图;
图3为氧枪布置示意图;
图4为底吹位置布置示意图;
图5为混匀时间的预测值与实际值对比示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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做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。
本发明的目的是提供一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统,能够解决现有技术中对电弧炉熔池混匀时间预测难、精度不高的问题。本发明能够对全废钢连续加料电弧炉熔池混匀时间进行快速且精准的预测,能有效缩短熔池混匀时间,加速废钢熔化,减少测温次数,缩短热停工时间,提升冶炼效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种全废钢连续加料电弧炉熔池混匀时间预测流程示意图,如图1所示,本发明所提供的一种全废钢连续加料电弧炉熔池混匀时间预测方法,包括:
S101,根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;所述工艺参数包括:侧吹流量、侧吹水平角、侧吹垂直角、底吹流量、底吹位置、液体密度、重力加速度和液体黏度;
S101具体包括:
其中,Δt为熔池混匀时间,Qc为侧吹流量,α为侧吹水平角,β为侧吹垂直角,Qd为底吹流量,Rd为底吹位置,ρl为液体密度,g为重力加速度,μl为液体黏度,k、a、b、c、d和e为拟合系数。
基于因次分析法建立熔池混匀时间(Δt)与各变量间的第一函数关系式:Δt=f(Qc,α,β,Qd,Rd,ρl,g,μl)。
将所述第二函数关系式经幂函数转换,可得第三函数关系式:
将所述第三函数关系式两边经取对数转换,可得熔池混匀时间(Δt)与各变量间的第四函数关系式:
其中第四函数关系式即为熔池混匀时间预测公式。
π定理的分析原理具体过程为:
总变量数n=9,独立变量数m=3,建立n-m=6个无因次组合量。选取ρl、g和μl为独立变量,有:
由于
因此,ρl、g和μl的因次是相互独立的变量,其中任何一个变量都无法被其它两者取代,选择该三个变量作为因次分析的独立变量。对于各变量,有以下无因次组合:
由于变量α和β本身就是无因次的,有:
π3=α
π4=β
对于π1,代入各变量的因次,得到如下因次关系式:
由此得到如下指数方程组:
M:0=a1+c1
L:0=-3a1+b1-c1
T:0=1-2b1-c1
解得a1=-1/3,b1=2/3,c1=1/3,因此有:
同理可得其它无因次组合:
S102,根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;
S102具体包括:
根据五因素三水平的正交实验,采用物理模拟方法,确定连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系;五因素为侧吹流量、侧吹水平角度、侧吹垂直角度、底吹流量和底吹位置。
如图2所示,设计全废钢连续加料电弧炉的物理模型,以国内某100t偏心底连续加料电弧炉为原型,建立以相似原理为基础的复合吹炼工艺下的全废钢连续加料电弧炉物理模型,构建如图2所示的物理模拟装置。图2中的装置包括电导率采集器1、电导率仪2、底吹孔3、侧吹孔4、空压机5、储气罐6、无纸记录仪7、电脑8、流量控制柜9、压力表10、开关11和电弧炉模型12。
采用水模拟熔融状态的钢液,20℃的水与1600℃的钢液的运动粘度及表面张力几乎相等,且高温钢液和常温水的动量扩散均较小,即其流动状态极为相似。
设置几何相似,几何相似比为λ=Lw/Lp,其中Lw为模型特征尺寸,Lp为原型特征尺寸。本发明中电弧炉模型与原型的相似比为1:4。
设置动力学相似,保证模型与原型的修正弗劳德准数相等,气体流量换算公式如下:
得出对应模型与原型的流量为:
其中,Q为模型流量,m3·h-1;Q1为原型流量,m3·h-1;M为几何相似比;u为气体流速,m·s-1;d氧枪透气孔的直径,mm;ρl液体密度,kg·m-3;ρg气体密度,kg·m-3;g取9.8m·s-2。
复合吹炼正交实验,氧枪布置请参阅图3,图3中包括水平偏转角13和垂直偏转角14。底吹位置布置请参阅图4,对全废钢连续加料电弧炉的物理模型进行复合吹炼正交实验,获取不同吹炼工艺下的熔池混匀时间。复合吹炼正交实验共考虑五个变量,分别为侧吹流量(18.4、24.5和30.6m3/h)、侧吹水平角度(45°、50°、55°)、侧吹垂直角度(25°、35°、40°)、底吹流量(0.082、0.123和0.164m3/h)和底吹位置(0.4R、0.5R、0.6R)。设计该实验方案为五因素三水平的正交实验,水模拟的实验结果如表1所示。
表1
对连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系,采用多元线性回归处理,可得到第四函数关系式中各拟合系数为:lnk=13.63,a=-1.66×10-11,b=-0.10,c=0.04,d=2.97×10-10,e=4.38×10-4。
将各拟合系数代入第四函数关系式可得熔池混匀时间(Δt)与各变量间的第五函数关系式:
第五函数关系式即为全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式。
S103,获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;
S104,根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;所述训练好的熔池混匀时间预测模型以预测值和工艺参数为输入,以最终预测值为输出。
S104具体包括:
根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定不同工艺参数下熔池混匀时间的预测值以及获取相应的工艺参数下的实际熔池混匀时间;实际熔池混匀时间为全废钢连续加料电弧炉生产过程中,最后一次加料结束与出钢前最后一次测温的间隔时间t1。
根据不同工艺参数下熔池混匀时间的预测值以及相应的工艺参数下的实际熔池混匀时间,训练神经网络模型,确定训练好的熔池混匀时间预测模型。
在本实施例中,一种全废钢连续加料电弧炉熔池混匀时间的预测系统,经实际生产数据输入测试,得到相应预测值,混匀时间Δt的预测值与实际值的对比如图5所示,由此可见本发明具有较高的准确率,可以为生产实践提供指导。
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种全废钢连续加料电弧炉熔池混匀时间预测系统。
所述的一种全废钢连续加料电弧炉熔池混匀时间预测系统,包括:
熔池混匀时间预测公式建立模块,用于根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;所述工艺参数包括:侧吹流量、侧吹水平角、侧吹垂直角、底吹流量、底吹位置、液体密度、重力加速度和液体黏度;
全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式建立模块,用于根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;
熔池混匀时间第一预测模块,用于获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;
熔池混匀时间第二预测模块,用于根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;所述训练好的熔池混匀时间预测模型以预测值和工艺参数为输入,以最终预测值为输出。
本发明实施例还提供一种全废钢连续加料电弧炉熔池混匀时间预测系统,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现所述的一种全废钢连续加料电弧炉熔池混匀时间预测方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种全废钢连续加料电弧炉熔池混匀时间预测方法,其特征在于,包括:
根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;所述工艺参数包括:侧吹流量、侧吹水平角、侧吹垂直角、底吹流量、底吹位置、液体密度、重力加速度和液体黏度;
根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;
获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;
根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;所述训练好的熔池混匀时间预测模型以预测值和工艺参数为输入,以最终预测值为输出。
3.根据权利要求2所述的一种全废钢连续加料电弧炉熔池混匀时间预测方法,其特征在于,所述根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式,具体包括:
根据五因素三水平的正交实验,采用物理模拟方法,确定连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系;
对连续加料电弧炉复合吹炼不同工艺参数与熔池混匀时间的关系,采用多元线性回归处理,建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式。
5.根据权利要求1所述的一种全废钢连续加料电弧炉熔池混匀时间预测方法,其特征在于,所述根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值,具体包括:
根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定不同工艺参数下熔池混匀时间的预测值以及获取相应的工艺参数下的实际熔池混匀时间;
根据不同工艺参数下熔池混匀时间的预测值以及相应的工艺参数下的实际熔池混匀时间,训练神经网络模型,确定训练好的熔池混匀时间预测模型。
6.一种全废钢连续加料电弧炉熔池混匀时间预测系统,其特征在于,包括:
熔池混匀时间预测公式建立模块,用于根据全废钢连续加料电弧炉复合吹炼的工艺参数,基于π定理和量纲齐次定理,建立熔池混匀时间预测公式;所述工艺参数包括:侧吹流量、侧吹水平角、侧吹垂直角、底吹流量、底吹位置、液体密度、重力加速度和液体黏度;
全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式建立模块,用于根据所述工艺参数、熔池混匀时间预测公式,基于物理模拟、正交实验以及多元线性回归建立全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式;
熔池混匀时间第一预测模块,用于获取当前的工艺参数,并根据全废钢连续加料电弧炉复合吹炼条件下不同工艺参数与熔池混匀时间预测公式确定熔池混匀时间的预测值;
熔池混匀时间第二预测模块,用于根据所述预测值、当前的工艺参数以及训练好的熔池混匀时间预测模型,确定熔池混匀时间的最终预测值;所述训练好的熔池混匀时间预测模型以预测值和工艺参数为输入,以最终预测值为输出。
7.一种全废钢连续加料电弧炉熔池混匀时间预测系统,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-5中任一项所述的一种全废钢连续加料电弧炉熔池混匀时间预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211323194.XA CN116083680B (zh) | 2022-10-27 | 2022-10-27 | 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211323194.XA CN116083680B (zh) | 2022-10-27 | 2022-10-27 | 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116083680A true CN116083680A (zh) | 2023-05-09 |
CN116083680B CN116083680B (zh) | 2024-08-23 |
Family
ID=86210916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211323194.XA Active CN116083680B (zh) | 2022-10-27 | 2022-10-27 | 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116083680B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000008111A (ja) * | 1998-06-22 | 2000-01-11 | Nippon Steel Corp | スラグ発生量の少ない溶銑脱燐方法 |
KR101818372B1 (ko) * | 2016-09-21 | 2018-01-12 | 현대제철 주식회사 | 전기로 조업방법 |
CN107760821A (zh) * | 2017-10-27 | 2018-03-06 | 东北大学 | 一种电炉废钢处理及连续加料预热的装置及其使用方法 |
KR101883382B1 (ko) * | 2017-04-24 | 2018-07-30 | 주식회사 포스코 | 전기로 조업방법 |
CN109214137A (zh) * | 2018-11-12 | 2019-01-15 | 西安建筑科技大学 | 一种针对转炉流场最低混匀时间的预测方法 |
CN109472090A (zh) * | 2018-11-12 | 2019-03-15 | 西安建筑科技大学 | 一种针对钢包最低混匀时间的预测方法 |
-
2022
- 2022-10-27 CN CN202211323194.XA patent/CN116083680B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000008111A (ja) * | 1998-06-22 | 2000-01-11 | Nippon Steel Corp | スラグ発生量の少ない溶銑脱燐方法 |
KR101818372B1 (ko) * | 2016-09-21 | 2018-01-12 | 현대제철 주식회사 | 전기로 조업방법 |
KR101883382B1 (ko) * | 2017-04-24 | 2018-07-30 | 주식회사 포스코 | 전기로 조업방법 |
CN107760821A (zh) * | 2017-10-27 | 2018-03-06 | 东北大学 | 一种电炉废钢处理及连续加料预热的装置及其使用方法 |
CN109214137A (zh) * | 2018-11-12 | 2019-01-15 | 西安建筑科技大学 | 一种针对转炉流场最低混匀时间的预测方法 |
CN109472090A (zh) * | 2018-11-12 | 2019-03-15 | 西安建筑科技大学 | 一种针对钢包最低混匀时间的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116083680B (zh) | 2024-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104630410B (zh) | 一种基于数据解析的转炉炼钢质量实时动态预测方法 | |
CN108647407B (zh) | 一种转炉炼钢烟气分析定碳方法 | |
CN109447346B (zh) | 基于灰色预测与神经网络组合模型转炉氧耗量预测方法 | |
CN110490672B (zh) | 一种控制电炉冶炼中废钢和合金投入量的方法 | |
CN108342540B (zh) | 一种炼钢厂rh精炼设备自动控制系统 | |
CN110157848A (zh) | 一种顶底复吹转炉的底吹流量动态控制方法 | |
Lin et al. | Consideration of green intelligent steel processes and narrow window stability control technology on steel quality | |
CN116083680B (zh) | 一种全废钢连续加料电弧炉熔池混匀时间预测方法及系统 | |
CN101403567A (zh) | 基于svm的电弧炉终点温度预报系统 | |
CN103276136A (zh) | 一种基于副枪系统的转炉炼钢钢水定磷方法 | |
CN101592650A (zh) | 电炉炼钢炉内钢水碳含量的连续测定方法 | |
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 | |
CN113961865A (zh) | 一种大型转炉精确控制tsc阶段调温剂加入量的方法 | |
Zhang et al. | Prediction of lime utilization ratio of dephosphorization in BOF steelmaking based on online sequential extreme learning machine with forgetting mechanism | |
CN111518980A (zh) | 一种转炉终点碳含量预报模型的修正方法和系统 | |
CN110991772B (zh) | 一种预测转炉终渣粘度模型的高效护炉方法 | |
CN115927784B (zh) | 一种基于co2动态混合喷吹的转炉炼钢终点控制方法 | |
CN114970391B (zh) | 一种炼钢过程碳氧反应气泡动力学水模型实验方法及装置 | |
Zhang et al. | Physical modelling of particle transport phenomenon and vibration behavior of converter with bottom powder injection | |
Korpi et al. | Plant-wide optimization of a copper smelter: how to do it in practice? | |
Xi et al. | Numerical simulation of flow field in large bottom-blown furnace under different scale-up criteria | |
LI et al. | Carbon prediction model for basic oxygen furnace off-gas analysis based on bath mixing degree | |
JP2019077932A (ja) | 精錬処理条件の決定方法、精錬設備の制御方法及び溶鉄の精錬処理方法 | |
CN113076505B (zh) | 一种转炉钢水脱碳速率计算方法 | |
CN101592651B (zh) | 电炉炼钢炉内钢水碳含量的测定方法 |
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 |