CN117035385A - 一种预测和控制电渣重熔渣池碱度的工艺方法 - Google Patents
一种预测和控制电渣重熔渣池碱度的工艺方法 Download PDFInfo
- Publication number
- CN117035385A CN117035385A CN202311046057.0A CN202311046057A CN117035385A CN 117035385 A CN117035385 A CN 117035385A CN 202311046057 A CN202311046057 A CN 202311046057A CN 117035385 A CN117035385 A CN 117035385A
- Authority
- CN
- China
- Prior art keywords
- slag
- alkalinity
- pool
- module
- electroslag
- 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.)
- Pending
Links
- 239000002893 slag Substances 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 35
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 28
- 239000010959 steel Substances 0.000 claims abstract description 28
- CPLXHLVBOLITMK-UHFFFAOYSA-N Magnesium oxide Chemical compound [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 claims description 31
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 22
- 239000003607 modifier Substances 0.000 claims description 19
- 239000000395 magnesium oxide Substances 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 16
- 229910052681 coesite Inorganic materials 0.000 claims description 11
- 229910052906 cristobalite Inorganic materials 0.000 claims description 11
- 239000000377 silicon dioxide Substances 0.000 claims description 11
- 235000012239 silicon dioxide Nutrition 0.000 claims description 11
- 229910052682 stishovite Inorganic materials 0.000 claims description 11
- 229910052905 tridymite Inorganic materials 0.000 claims description 11
- 238000010079 rubber tapping Methods 0.000 claims description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 6
- 229910052710 silicon Inorganic materials 0.000 claims description 6
- 239000010703 silicon Substances 0.000 claims description 6
- 238000002844 melting Methods 0.000 claims description 4
- 230000008018 melting Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 claims description 3
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 claims description 3
- NDLPOXTZKUMGOV-UHFFFAOYSA-N oxo(oxoferriooxy)iron hydrate Chemical compound O.O=[Fe]O[Fe]=O NDLPOXTZKUMGOV-UHFFFAOYSA-N 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 239000011819 refractory material Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 18
- 238000003723 Smelting Methods 0.000 abstract description 15
- 238000012986 modification Methods 0.000 abstract description 6
- 230000004048 modification Effects 0.000 abstract description 6
- 201000004569 Blindness Diseases 0.000 abstract description 3
- 239000000126 substance Substances 0.000 abstract description 3
- 239000012535 impurity Substances 0.000 abstract description 2
- 239000003795 chemical substances by application Substances 0.000 abstract 1
- 230000001276 controlling effect Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005496 tempering Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Abstract
本发明公开了一种预测和控制电渣重熔渣池碱度的工艺方法,包括通过数据采集模块实时收集钢厂二级加料系统的数据并传输给计算处理模块;计算处理模块加工处理得出的数据经判断处理模块分类处理后,得出不同输出结果;最后以输出模块来控制二级系统,减少人为干涉、缩短冶炼时间,实现自动化和高效电渣生产。该系统可以通过预测模型计算得出电渣池熔渣碱度,实时得出熔渣物化特性是否满足电渣池冶炼生产的要求,通过处理计算给出调渣剂种类及加入量和配套的工艺生产方案,减少熔渣改质调性的盲目性和随意性,能够精准快速地调整电渣池熔渣的成分、碱度和粘度特性,使渣池熔渣具有良好的流动性,符合动力学条件,能够很好的吸附夹杂,提高钢水质量。
Description
技术领域
本发明涉及钢铁冶金特种冶炼技术领域,更具体地说,涉及一种预测和控制电渣重熔渣池碱度的工艺方法。
背景技术
电渣重熔渣池在特种冶炼过程中起着非常重要的作用,如作为熔炼介质、渣洗材料等,液态炉渣碱度、粘度等对冶炼过程以及电渣效果有着直接的影响。在特种冶炼生产流程中,电渣池熔渣特性的稳定性目前存在的问题最多、最复杂,进而造成电极棒经电渣后的质量不稳定、夹杂物多等不可控问题,这些问题又是广大特冶工作者高度关心的问题。熔渣碱度是炉渣的重要性质之一,不同碱度的炉渣也会直接影响电渣效果的优劣。炉渣碱度较大时,会导致熔渣流动性差,冷却性能也较差,底部渣呈现较明显的分层现象。炉渣碱度较小时,虽然流动性较好,但熔渣较为稀稠,夹杂物吸附能力较弱,易使电渣过程无法达到理想的特冶效果,从而影响生产和电渣钢质量。
现阶段特种冶炼领域均为快节奏的生产模式,须杜绝因炉渣物化性能不佳而带来的安全和质量问题,如:渣系成分不稳定、碱度变化大、流动性能差、生产过程碱度难以预测及稳定控制难道大、人为经验不足等生产缺陷,并实现缩短电渣时间、提高电渣池吸附夹杂能力的目的。为达到这一目的,国内外技术人员都在积极的进行技术研究与革新,通过对不同工艺条件下不同炉渣碱度的试验研究发现,炉渣碱度在8~15范围内时既能缩短特冶时间,又有较好的特冶效果,视为合适的电渣池碱度。那么如何在生产中稳定有效地预测和控制电渣池熔渣碱度达到高效生产是亟待解决的技术难题。
随着客户对钢材质量的要求越来越高,作为提升钢材质量重要手段的电渣重熔已在生产过程得到广泛应用。然而,钢材种类繁多,服役条件及质量要求差别很大,因而根据不同的钢种选择合适的电渣池熔渣碱度渣系,精确控制合适的碱度对于充分发挥电渣池精炼功能,提高精炼效果与钢材质量至关重要。但在实际操作中往往依靠人工经验来配置电渣池渣系控制熔渣碱度,这样会造成渣系碱度的波动,影响脱磷硫的效率以及夹杂物去除,从而影响电渣特冶钢水洁净度以及成品钢的质量。
发明内容
本发明的一种预测和控制电渣重熔渣池碱度的工艺方法,通过对电渣池渣系配料种类及加入量的精确控制以及配套相应的预测控制指导方案,可直接用于不同渣系条件下的自动化、高效化电渣重熔生产。
为达到上述目的,本发明提供的技术方案为:
本发明的一种预测和控制电渣重熔渣池碱度的工艺方法,按照以下步骤进行:预测模型的数据采集模块实时采集钢厂加料系统的数据信息并传输给计算处理模块,计算处理模块加工处理得出信息经判断处理模块分类处理后得出不同输出结果,并经输出模块输出得到不同电渣渣系碱度方案。
更进一步地,数据采集模块采集信息包括电极棒成分及熔化温度、电极棒质量和各造渣辅料加入的种类和质量信息。
更进一步地,计算处理模块包括数据库模块、渣量计算模块、终渣成分计算模块和碱度计算模块,数据库模块用于碱度范围的选择,渣量计算模块用于计算总渣量,终渣成分计算模块用于预测终渣成分范围,碱度计算模块通过在数据库模块中选择数据并计算得出电渣池渣系碱度。
更进一步地,渣量计算模块的计算公式为:
WS=2*G*R[1.5(WSi1+WSi2)+WSiO2]
其中,WS为电渣池总渣量,单位为kg;G为电极棒质量,单位为kg;R为预设电渣池熔渣碱度;WSi1为电极棒钢材中的含硅量,单位为wt%;WSi2为电渣池中已有熔渣含硅量,单位为wt%;WSiO2为调节渣池碱度用造渣辅料带入的SiO2量,单位为wt%。
更进一步地,终渣成分计算模块的计算公式为:
f(T)∝[f(t)∩f(O2)]
其中,f(M)和f(T)分别为电渣池中熔渣MgO、T.Fe的含量,单位为wt%;f(t)为钢水出钢温度,单位为℃;f(O2)为出钢后钢中氧含量,单位为ppm;gi为各造渣辅料加入量,单位为kg;ωi为各造渣辅料中MgO含量,单位为wt%;gc为电渣池内壁耐火材料带入的MgO量,单位为kg。
更进一步地,熔渣碱度计算模块的计算公式为:
其中,R为电渣池终渣碱度;MCaO为渣池熔渣中CaO质量,单位为kg;MSiO2为渣池熔渣中SiO2质量,单位为kg;θ为修正系数,为0.5~1.2;μ为预设炉渣终渣粘度,单位为Pa·S;Select为在数据库模块(220)中选择。
更进一步地,判断处理模块包括一级判断程序模块和二级判断程序模块,其中
一级判断程序模块为当R>R0,则处理函数为:
f(B)=0.0645[(f(T1)-f(T))*100]*WS*R
当不满足R>R0,则进入二级判断程序模块(311);
二级判断程序模块为:当不满足R>R1时,则处理函数为:
f(A)=0.0975[(f(T)-f(T1))*100]*WS*R
其中f(A)、f(B)分别为调渣剂A、调渣剂B加入量,kg;f(T1)为渣样T.Fe含量平均值,取15%;f(T)为电渣池终渣中T.Fe的含量,单位为wt%;WS为电渣池总渣量,单位为kg;R为电渣池终渣碱度;R0、R1标准碱度范围2.5~3.8,其中R0取2.6,R1取3.5。
更进一步地,调渣剂A为镁质调渣剂,且其中氧化镁的质量占总质量的百分比不低于45%,粒度为5~15mm。
更进一步地,调渣剂B为铁质调渣剂,且其中氧化铁的质量占总质量的百分比不低于50%,粒度为5~20mm。
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
(1)本发明的一种预测和控制电渣重熔渣池碱度的工艺方法,通过改质方式有效控制电渣池终渣碱度在一个合适的范围内,并搭配合理的调渣方案,有效的缩短电渣熔融时间,减少因电渣池熔渣碱度控制不合理时造成的动力学条件不好,熔渣脱氧、去夹杂性能不佳的不利因素。
(2)本发明的一种预测和控制电渣重熔渣池碱度的工艺方法,通过电渣池终渣碱度预测模型,对不同碱度范围的渣系,采用不同的调质改性方式,并计算出调渣剂的指导加入量,从而减少了调质改性的盲目性、随意性,避免了人为因素的干扰,从而达到自动化、高效化地预报和控制电渣池熔渣碱度的功效。
附图说明
图1是本发明中电渣池终渣碱度预测模型的结构示意图;
图2是本发明中预测模型的计算处理模块的剖析结构示意图;
图3是本发明中预测模型的判断处理模块的剖析结构示意图。
附图中的标号说明:
11、数据采集模块;21、计算处理模块;31、判断处理模块;41、输出模块;
210、渣量计算模块;211、终渣成分计算模块;212、碱度计算模块;220、数据库模块;
310、一级判断程序模块;311、二级判断程序模块。
具体实施方式
为进一步说明本发明的内容,结合附图和实施案例对本发明作详细描述。
实施例1
如图1至图3所示,本实施例的一种预测和控制电渣重熔渣池碱度的工艺方法,按照以下步骤进行:预测模型的数据采集模块11实时采集钢厂加料系统的数据信息并传输给计算处理模块21,计算处理模块21加工处理得出信息经判断处理模块31分类处理后得出不同输出结果,并经输出模块41输出得到不同熔渣碱度方案。
本实施例的数据采集模块11用于和钢厂二级加料系统交换信息数据,采集信息包括电极棒成分及熔化温度、电极棒质量和造渣辅料加入量信息,实际生产时不同企业所用辅料可能不同,可确定出各自所使用原辅料,并对各原辅料进行取样,分析检测器主要化学成分。
本实施例中计算处理模块21用于加工处理上一级传输来的数据信息,包括数据库模块220、渣量计算模块210、终渣成分计算模块211和碱度计算模块212,数据库模块220用于碱度范围的选择,渣量计算模块210用于计算总渣量,终渣成分计算模块211用于预测电渣池终渣主要成分所处范围,即电渣池终渣中MgO、T.Fe的含量,碱度计算模块212通过建立数学模型在数据库模块220中选择,从而得出电渣池熔渣碱度。
具体地,本实施例中渣量计算模块210的计算公式为:
WS=2*G*R[1.5(WSi1+WSi2)+WSiO2]
其中,WS为电渣池总渣量,单位为kg;G为电极棒质量,单位为kg;R为预设电渣池熔渣碱度;WSi1为电极棒钢材中的含硅量,单位为wt%;WSi2为电渣池中已有熔渣含硅量,单位为wt%;WSiO2为调节渣池碱度用造渣辅料带入的SiO2量,单位为wt%。
终渣成分计算模块211的计算公式为:
f(T)∝[f(t)∩f(O2)]
其中,f(M)和f(T)分别为电渣池中熔渣MgO、T.Fe的含量,单位为wt%;f(t)为钢水出钢温度,℃;f(O2)为出钢后钢中氧含量,单位为ppm;gi为各造渣辅料加入量,单位为kg;ωi为各造渣辅料中MgO含量,单位为wt%;gc为电渣池内壁耐火材料带入的MgO量,kg。一般为3~9kg/t钢。
碱度计算模块212的计算公式为:
其中,R为电渣池终渣碱度;MCaO为渣池熔渣中CaO质量,单位为kg;MSiO2为渣池熔渣中SiO2质量,单位为kg;θ为修正系数,为0.5~1.2,一般取0.95;Select为在数据库模块220中选择;μ为预设炉渣终渣粘度,单位为Pa·S;f(M)和f(T)分别为电渣池终渣中MgO、T.Fe的含量,单位为wt%;f(t)为钢水出钢温度,单位为℃。
需要说明的是,本实施例中的数据库模块220为提前建立的数据库模型,根据大量现场工业试验和理论计算等,拟合出不同成分、不同碱度电渣池熔渣以及不同钢水出钢温度等条件下所对应的的炉渣碱度数据库,用于指导后续生产。在该数据库中,可以根据不同的电渣池熔渣中MgO、T.Fe的含量、预设炉渣终渣粘度,以及不同的钢水出钢温度找到对应的合适的终渣碱度作为参考。
判断处理模块31用于对上一级的数据进行判断后分类处理,得出相应的输出结果,其包括一级判断程序模块310和二级判断程序模块311,分别对数据进行分类计算,并将得出方案以电信号形式输出,其中如图3所示,一级判断程序和二级判断程序的执行条件分别为:
R>R0;R>R1
其中,R0、R1标准碱度范围2.5~3.8,其中R0取2.6,R1取3.5;
具体地,一级判断程序模块310为当R>R0,则处理函数为:
f(B)=0.0645[(f(T1)-f(T))*100]*WS*R
当不满足R>R0,则进入二级判断程序模块(311);
二级判断程序模块311为:当不满足R>R1时,则处理函数为:
f(A)=0.0975[(f(T)-f(T1))*100]*WS*R
其中f(A)、f(B)分别为调渣剂A、调渣剂B加入量,单位为kg;f(T1)为渣样T.Fe含量平均值,取15%;f(T)为电渣池终渣中T.Fe的含量,单位为wt%;WS为电渣池总渣量,单位为kg;R为电渣池终渣碱度;R0、R1标准碱度范围2.5~3.8,其中R0取2.6,R1取3.5。通过一级判断程序和二级判断程序的处理可以控制特冶生产中调渣剂A、调渣剂B的加入种类和加入量。
其中一级判断程序主要是用来比较判断电渣池实时终渣碱度(R)与冶炼前设定终渣碱度(R0)的关系,当一级程序判断显示实时终渣碱度大于设定终渣碱度,即R>R0时,碱度预测模型自动执行f(B)处理函数,从而不进入到二级判断程序;而当R≤R0时,碱度预测模型自动进入到二级判断程序。故一级判断程序设定的主要目的是用来判断电渣重熔在工作过程中实时碱度与设定碱度之间的大小关系,从而决定碱度预测与控制模型是否进入到下一程序控制单元。
当R≤R0时,碱度预测与控制模型自动进入到二级判断程序,此时二次程序启动比较控制工作,若实时终渣碱度R≤R1时,碱度预测模型自动执行f(A)处理函数。二级程序设定的主要目的是用来比较实时终渣碱度与R1碱度值的大小。
调渣剂A为镁质调渣剂,且其中氧化镁的质量占总质量的百分比不低于45%,粒度为5~15mm。调渣剂B为铁质调渣剂,且其中氧化铁的质量占总质量的百分比不低于50%,粒度为5~20mm。
本实施例的输出模块41用于将上级计算得出的输出方案,经处理后输入钢厂二级系统实现自动化、高效化生产。
应用本发明提供的一种预测和控制电渣重熔渣池碱度的工艺方法,通过对钢厂二级系统的数据采集,经过一系列模块加工处理,计算得出相应的电渣池熔渣碱度,通过判断处理模块31指导出碱度预报和控制方案、调渣剂种类的加入量,以控制终渣碱度在一个合适的范围内,实现缩短电渣时间、提高电渣作业率,达到自动化、高效化电渣生产的目的。
本实施例通过电渣终渣碱度预测模型,对不同碱度范围的渣系,采用不同的调质改性方式,并计算出调渣剂的指导加入量,从而减少了改质的盲目性、随意性,避免了人为因素的干扰,从而达到自动化、高效化电渣生产。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (9)
1.一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于,按照以下步骤进行:预测模型的数据采集模块(11)实时采集钢厂加料系统的数据信息并传输给计算处理模块(21),计算处理模块(21)加工处理得出信息经判断处理模块(31)分类处理后得出不同输出结果,并经输出模块(41)输出得到不同要求组合的电渣池熔渣碱度预报和控制方案。
2.根据权利要求1所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:数据采集模块(11)采集信息包括电极棒成分及熔化温度、电极棒质量和各造渣辅料加入的种类和质量信息。
3.根据权利要求1所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:计算处理模块(21)包括数据库模块(220)、渣量计算模块(210)、终渣成分计算模块(211)和碱度计算模块(212),数据库模块(220)用于碱度预设范围的选择,渣量计算模块(210)用于计算总渣量,终渣成分计算模块(211)用于预测终渣成分范围,碱度计算模块(212)通过在数据库模块(220)中选择数据计算得出电渣池终渣碱度。
4.根据权利要求3所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:渣量计算模块(210)的计算公式为:
WS=2*G*R[1.5(WSi1+WSi2)+WSiO2]
其中,WS为电渣池总渣量,单位为kg;G为电极棒质量,单位为kg;R为预设电渣池熔渣碱度;WSi1为电极棒钢材中的含硅量,单位为wt%;WSi2为电渣池中已有熔渣含硅量,单位为wt%;WSiO2为调节渣池碱度用造渣辅料带入的SiO2量,单位为wt%。
5.根据权利要求4所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:终渣成分计算模块(211)的计算公式为:
f(T)∝[f(t)∩f(O2)]
其中,f(M)和f(T)分别为电渣池中熔渣MgO、T.Fe的含量,单位为wt%;f(t)为钢水出钢温度,单位为℃;f(O2)为出钢后钢中氧含量,单位为ppm;gi为各造渣辅料加入量,单位为kg;ωi为各造渣辅料中MgO含量,单位为wt%;gc为电渣池内壁耐火材料带入的MgO量,单位为kg。
6.根据权利要求5所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:碱度计算模块(212)的计算公式为:
其中,R为电渣池终渣碱度;MCaO为渣池熔渣中CaO质量,单位为kg;MSiO2为渣池熔渣中SiO2质量,单位为kg;θ为修正系数,为0.5~1.2;μ为预设炉渣终渣粘度,单位为Pa·S;Select为在数据库模块(220)中选择。
7.根据权利要求6所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:判断处理模块(31)包括一级判断程序模块(310)和二级判断程序模块(311),其中
一级判断程序模块为当R>R0,则处理函数为:
f(B)=0.0645[(f(T1)-f(T))*100]*WS*R
当不满足R>R0,则进入二级判断程序模块(311);
二级判断程序模块为:当不满足R>R1时,则处理函数为:
f(A)=0.0975[(f(T)-f(T1))*100]*WS*R
其中f(A)、f(B)分别为调渣剂A、调渣剂B加入量,单位为kg;f(T1)为渣样T.Fe含量平均值,取15%;f(T)为电渣池终渣中T.Fe的含量,单位为wt%;WS为电渣池总渣量,单位为kg;R为电渣池终渣碱度;R0、R1标准碱度范围2.5~3.8,其中R0取2.6,R1取3.5。
8.根据权利要求7所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:调渣剂A为镁质调渣剂,且其中氧化镁的质量占总质量的百分比不低于45%,粒度为5~15mm。
9.根据权利要求7所述的一种预测和控制电渣重熔渣池碱度的工艺方法,其特征在于:调渣剂B为铁质调渣剂,且其中氧化铁的质量占总质量的百分比不低于50%,粒度为5~20mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311046057.0A CN117035385A (zh) | 2023-08-18 | 2023-08-18 | 一种预测和控制电渣重熔渣池碱度的工艺方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311046057.0A CN117035385A (zh) | 2023-08-18 | 2023-08-18 | 一种预测和控制电渣重熔渣池碱度的工艺方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035385A true CN117035385A (zh) | 2023-11-10 |
Family
ID=88626176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311046057.0A Pending CN117035385A (zh) | 2023-08-18 | 2023-08-18 | 一种预测和控制电渣重熔渣池碱度的工艺方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035385A (zh) |
-
2023
- 2023-08-18 CN CN202311046057.0A patent/CN117035385A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103540833B (zh) | 一种抗hic/sscc用钢的冶炼方法 | |
CN110322057B (zh) | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 | |
CN108647407A (zh) | 一种转炉炼钢烟气分析定碳方法 | |
CN106834593A (zh) | 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法 | |
CN101928808A (zh) | 一种确定rh精炼过程中合金加入量的方法 | |
CN104294005A (zh) | 一种含Ti不锈钢的熔炼方法 | |
CN113981167B (zh) | 一种基于铁水分级制度的多模式冶炼方法 | |
CN107630122B (zh) | 一种基于烟气分析的rh动态脱碳优化方法 | |
CN103194574B (zh) | 一种vod精炼终点碳含量预报模型的动态调整方法 | |
CN106811570A (zh) | 一种中碳高锰钢的冶炼方法 | |
CN110029263A (zh) | 含硫含铝钢生产的工艺方法 | |
CN111440916B (zh) | 一种利用高锰铁水转炉生产超低锰钢的方法 | |
CN117035385A (zh) | 一种预测和控制电渣重熔渣池碱度的工艺方法 | |
CN110991772B (zh) | 一种预测转炉终渣粘度模型的高效护炉方法 | |
CN110904300A (zh) | 一种转炉渣熔点控制模型的高效脱磷及护炉的方法 | |
CN109136445A (zh) | 一种提钒半钢加工工艺 | |
CN106498116A (zh) | 一种矿用圆环链钢的生产工艺 | |
KR101786931B1 (ko) | 스테인리스 용강 정련방법 | |
CN111304521A (zh) | 提高球墨铸铁熔炼铁水纯净度的方法 | |
CN105132787B (zh) | 一种高档矿山研磨球用b2超低碳偏析指数控制方法 | |
CN112280925B (zh) | 一种硅钢炼钢冶炼用钛元素管控方法 | |
CN116579670B (zh) | 热态精炼渣回收利用的经济效益计算和可行性评估方法 | |
CN112575144B (zh) | 一种提高中厚板探伤合格率的方法 | |
KR100554143B1 (ko) | 크롬산화를 억제하는 에이오디 조업방법 | |
CN114525454B (zh) | 一种含碲非调质钢及其生产的方法 |
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 |