CN117987617A - 一种lf炉智能精炼方法及系统 - Google Patents
一种lf炉智能精炼方法及系统 Download PDFInfo
- Publication number
- CN117987617A CN117987617A CN202410094699.6A CN202410094699A CN117987617A CN 117987617 A CN117987617 A CN 117987617A CN 202410094699 A CN202410094699 A CN 202410094699A CN 117987617 A CN117987617 A CN 117987617A
- Authority
- CN
- China
- Prior art keywords
- slag
- molten steel
- heating
- refining
- 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.)
- Pending
Links
- 238000007670 refining Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000009847 ladle furnace Methods 0.000 title description 42
- 239000002893 slag Substances 0.000 claims abstract description 130
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 76
- 239000010959 steel Substances 0.000 claims abstract description 76
- 238000010438 heat treatment Methods 0.000 claims abstract description 74
- 238000005070 sampling Methods 0.000 claims abstract description 42
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 34
- 238000007664 blowing Methods 0.000 claims abstract description 33
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 229910052717 sulfur Inorganic materials 0.000 claims abstract description 29
- 239000011593 sulfur Substances 0.000 claims abstract description 29
- 239000000463 material Substances 0.000 claims abstract description 26
- 239000000956 alloy Substances 0.000 claims abstract description 23
- 229910045601 alloy Inorganic materials 0.000 claims abstract description 23
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 23
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 23
- 239000001301 oxygen Substances 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 238000005275 alloying Methods 0.000 claims abstract description 13
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 10
- 230000003009 desulfurizing effect Effects 0.000 claims abstract description 6
- 238000012840 feeding operation Methods 0.000 claims abstract description 5
- 238000002844 melting Methods 0.000 claims abstract description 5
- 230000008018 melting Effects 0.000 claims abstract description 5
- 230000000630 rising effect Effects 0.000 claims abstract description 5
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 claims description 52
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical group [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 29
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims description 27
- 235000011941 Tilia x europaea Nutrition 0.000 claims description 27
- 239000004571 lime Substances 0.000 claims description 27
- 229910052782 aluminium Inorganic materials 0.000 claims description 26
- 229910052786 argon Inorganic materials 0.000 claims description 26
- 239000002245 particle Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- ULGYAEQHFNJYML-UHFFFAOYSA-N [AlH3].[Ca] Chemical compound [AlH3].[Ca] ULGYAEQHFNJYML-UHFFFAOYSA-N 0.000 claims description 9
- 238000003756 stirring Methods 0.000 claims description 8
- 238000010891 electric arc Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000006477 desulfuration reaction Methods 0.000 description 3
- 230000023556 desulfurization Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910004298 SiO 2 Inorganic materials 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- AMWRITDGCCNYAT-UHFFFAOYSA-L hydroxy(oxo)manganese;manganese Chemical compound [Mn].O[Mn]=O.O[Mn]=O AMWRITDGCCNYAT-UHFFFAOYSA-L 0.000 description 2
- 238000009628 steelmaking Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- CQBLUJRVOKGWCF-UHFFFAOYSA-N [O].[AlH3] Chemical compound [O].[AlH3] CQBLUJRVOKGWCF-UHFFFAOYSA-N 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- NDLPOXTZKUMGOV-UHFFFAOYSA-N oxo(oxoferriooxy)iron hydrate Chemical compound O.O=[Fe]O[Fe]=O NDLPOXTZKUMGOV-UHFFFAOYSA-N 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
Landscapes
- Treatment Of Steel In Its Molten State (AREA)
Abstract
本发明公开一种LF炉智能精炼方法，包括：触发智能精炼模式，自动计算渣面脱氧所需的脱氧剂总量以及造渣所需的造渣料总量，加入设定量的脱氧剂和造渣料；进行第一次升温并化渣；造渣脱硫：第一次升温结束后，自动分批次加入脱氧剂及造渣料；进行第一次测温、定氧及取样测试；进行第二次升温，升温至收到第一次测样数据；根据第一次测样的测样数据进行合金化，并根据渣样及钢水中的硫含量微调造渣料，进行白渣保持操作；进行第二次测温及取样测试；根据第二次测样数据进行合金微调，再进行第三次升温操作：喂丝操作后，进行第三次测温及测样：测完完成后，进行软吹操作，进行第四次测温。LF精炼过程实现自动控制，提高了控制效率以及可靠性。
Description
技术领域
本发明属于精炼技术领域，更具体地，本发明涉及一种LF炉智能精炼方法及系统。
背景技术
随着“中国制造2025”和“两化融合”政策推进和中国经济的转型升级，钢铁行业作为传统制造业，也面临着转型升级的压力，主要表现为生产方式由规模化生产向定制化生产转变，操作方式由人工为主转变为以自动化、信息化、智能化为主。智能制造已成为钢铁企业科技进步和可持续发展的必然选择。
炉外精炼炉是炼钢行业的一种冶炼设备，多用于黑色冶金中对钢液进行终脱氧和合金化过程的一种冶炼设备。根据冶炼目的不同，常见的有RH精炼炉、VD精炼炉和LF精炼炉等。LF炉(Ladle Furnace)由于能精确调整钢水温度和成分，有效协调衔接炼钢与连铸之间的生产节奏，具有深脱氧、深脱硫、去夹杂和提高钢水洁净度的功能，是目前应用最广的一种炉外精炼设备之一。
目前国内大多数钢厂的LF精炼炉还未实现主要工艺流程的智能化控制，升温、造渣、吹氩、合金化等流程仍然为人工经验执行，存在作业率低、人工成本高，操作不规范、制度可执行性较差、操作过程不受控因素较多，人为误操作事故频发，作业强度大、工作环境差且危险等弊端。
发明内容
本发明提供一种LF炉智能精炼方法，旨在改善上述问题。
本发明是这样实现的，一种LF炉智能精炼方法，所述方法包括如下步骤：
(1)触发智能精炼模式，自动计算渣面脱氧所需的脱氧剂总量以及造渣所需的造渣料总量，加入设定量的脱氧剂和造渣料后，进行吹氩搅拌；
(2)进行第一次升温并化渣，根据渣层厚度选择合适的加热档位和加热时间，升温至目标温度，分批加入造渣料，加热过程中利用电弧化渣；
(3)造渣脱硫：第一次升温结束后，自动分批次加入脱氧剂及造渣料；
(4)进行第一次测温、定氧及取样测试；
(5)进行第二次升温，升温至收到第一次测样数据；
(6)根据第一次测样的测样数据进行合金化，并根据渣样及钢水中的硫含量微调造渣料，进行白渣保持操作；
(7)进行第二次测温及取样测试；
(8)根据第二次测样数据进行合金微调，再进行第三次升温操作：
(9)喂丝操作后，进行第三次测温及测样：
(10)测完完成后，进行软吹操作，完成后收到终点成分后，进行第四次测温，精炼完成。
进一步的，在每次测温操作后，将钢水当前的温度更为当前测温操作测得的温度值。
进一步的，脱氧剂为铝粒，铝粒总量的计算公式具体如下：
其中，w(MO)0为LF进站时炉渣中各氧化物初始含量，ms为LF炉渣的目标重量，w(MO)e为LF目标终点时各氧化物的目标含量，MMO、MAl分别表示氧化物MO、铝Al的摩尔质量，为脱渣过程中的铝的收得率。
进一步的，根据设定的炉渣目标钙铝比和目标碱度R来调整预熔精炼渣加入量myr和石灰加入量mlime，即：
其中，为达到目标碱度R所需的CaO量；/>为渣中钙铝比达到目标钙铝比的CaO量；mCaO为第一次加料前渣中的CaO量；w(Al2O3)yr为预熔精炼渣中的Al2O3含量；w(CaO)yr为预熔精炼渣中的CaO含量；w(CaO)lime为石灰中的CaO含量，w(CaO)、w(Al2O3)分别第一次加料前的CaO、Al2O3的含量。
进一步的，步骤(1)中铝粒的加入值为计算值的70％，造渣料石灰的加入值为计算值mlime的20％。
进一步的，升温过程的加热档位确定方法具体如下：
构建加热档位-电弧电压-电弧弧流-最小渣层厚度-升温速率表；
根据当前炉内渣量计算渣层厚度hs，基于渣层厚度hs确定加热档位；
基于确定的加热档位进行加热，监测当前加热档位下的电弧的弧压值及弧流值；
若当前电弧的弧压值及弧流值波动值波动幅度大于设定的标准，则增大当前的加热档位，以使得前电弧的弧压值及弧流值波动值波动幅度处于设定的标准内。
进一步的，步骤(6)中合金化操作中合金i的加入量Mi基于如下公式进行计算：
其中，mst为LF炉进站钢水重量；aj为合金i中元素j的目标含量，bj为第一次测样时钢水元素j的含量；ηij为合金i中元素j的收得率；Cij为合金i中元素j的含量；ηi为合金i的收得率。
进一步的，步骤(6)中造渣料微调过程具体如下：
根据第一次测样中钢水及渣中硫含量和氧含量，计算钢水中平衡氧含量需加入的铝粒量为：
其中，w[O]0为第一次测样时钢水中的氧质量分数；w[O]e为LF目标终点钢水所需的氧质量分数；MO为氧元素摩尔质量；MAl为铝元素摩尔质量；w[Al]0为第一取样测试时钢水中铝的质量分数；w[Al]e为LF目标终点钢水所需的铝质量分数；mst为钢水质量；为脱钢中氧铝粒利用率；Δw[O]S表示造渣脱硫过程中硫含量降低引起的活度氧的增量；
根据第一次测样数据中钢水硫含量w[S]0、LF终点目标硫含量w[S]e和渣中硫含量w(S)0计算LF微调渣量为：
其中，为LF微调造渣料的量；mst为LF钢水质量；w[S]0为钢水硫含量；w[S]e为钢水终点目标硫含量；/>为第一次取样时渣、钢水中硫的含量比。
本发明是这样实现的，一种LF炉智能精炼系统，所述系统包括：
设于处理位上方的摄像机，设于处理位前方的激光测距仪，激光测距仪及摄像机与PLC控制器通讯连接；
摄像机拍摄处理位附件的钢包，并将识别出的钢包号发送至PLC控制器；激光测距仪，将测得钢包位置发送至PLC控制器；PLC控制器在检测到钢包处于处理位，且钢包号的计划炉次中的钢包号一致后，触发智能精炼模式，PLC控制系统基于上述LF炉智能精炼方法来完成精炼过程，在精炼结束后，检测到钢包离开处理位至吊包位时，触发炉次结束信号。
在触发智能精炼模式后，LF精炼过程的电极加热、吹氩控制、合金、渣料加入、测温取样、喂丝等操作实现自动控制，提高了控制效率以及可靠性。
附图说明
图1为本发明实施例提供的LF炉智能精炼方法流程图；
图2为本发明实施例提供的LF炉智能精炼系统的结构示意图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供的LF炉智能精炼方法流程图，该方法包括如下步骤：
(1)渣面预脱氧操作：自动控制LF水冷炉盖落到下限处理位，并自动开启吹氩，吹氩流量设定为强搅拌流量，并根据前工序的钢水信息计算精炼所需渣面脱氧剂及造渣料的总量，造渣料包括预熔精炼渣及石灰，加入设定量的渣面脱氧剂和造渣料后，进行吹氩搅拌；
在智能精炼模式触发后，自动开启吹氩，吹氩流量设定为强搅拌流量为600～800NL/min-1。根据前工序吹氩站钢水重量mst，炉渣中各氧化物的初始含量w(MO)0，LF炉渣目标重量ms及各氧化物的目标含量w(MO)e，氧化物主要包括氧化锰和氧化铁，计算用于渣面脱氧的铝粒含量
其中，MMO、MAl分别表示氧化物MO、铝Al的摩尔质量，为脱渣过程中的铝的收得率。
铝粒脱氧生成的Al2O3会渣成分产生较大影响，根据设定的炉渣目标钙铝比w(CaO)/w(Al2O3)和目标碱度R＝w(CaO)/w(SiO2)来调整预熔精炼渣加入量myr和石灰加入量mlime，即：
其中，为使碱度达到目标碱度R所需的CaO量，kg；/>为使渣中钙铝比达到目标钙铝比的CaO量，kg，mCaO为第一次加料前渣中的CaO量，kg，w(Al2O3)yr为预熔精炼渣中的Al2O3含量，％；w(CaO)yr为预熔精炼渣中的CaO含量，％；w(CaO)lime为石灰中的CaO含量，％；w(CaO)、w(Al2O3)分别第一次加料前(当前)的CaO、Al2O3的含量。
脱氧剂铝粒设定的加入值为计算值的70％，造渣料石灰设定的加入值为计算值mlime的20％。
(2)第一次升温、化渣操作：根据计算的渣层厚度，选择合适的加热档位和加热时间，升温至目标温度。加热过程中，自动以“多批次、少批量”的加入造渣料，并设定合适的吹氩流量，利用电弧充分化渣，有利于后续强搅造渣过程的快速成渣；
构建加热档位-电弧电压-电弧弧流-最小渣层厚度-升温速率表，加热档位越高，加热的功率越小，根据当前炉内渣量计算渣层厚度hs，基于渣层厚度hs确定加热档位，基于确定的加热档位进行加热，监测当前加热档位下的电弧的弧压值、弧流值，若当前电弧的弧压值、弧流值波动值波动幅度大于设定的标准，则增大当前的加热档位，以使得当前电弧的弧压值、弧流值波动值波动幅度处于设定的标准内(5％)，进行升温操作；具体地，120t钢包不同弧压、弧流对应合适渣厚和升温速率对应关系如下：
表1加热档位-电弧电压-电弧弧流-最小渣层厚度-升温速率表
根据实际确定的加热档位对应的升温速率，设定加热到目标温度所需的加热时间，加热开始后多批次、少批量加入石灰和预熔精炼渣渣料，加入量为步骤(1)中石灰总量mlime的50％，预熔精炼渣总量myr的40％，具体地为每隔0.5min称量并加入100kg石灰、20kg预熔精炼渣，最后一批不足100kg石灰、20kg预熔精炼渣按具体剩余值称量加入，设定吹氩流量为150～250NL/min-1。
(3)造白渣、脱硫操作：升温结束后，进行造渣脱硫，设定吹氩流量为强搅拌流量，并造渣过程中按自动分批次加入脱氧剂、造渣料；
在第一次升温结束后，检测到电极升至上限位(物理位置)后，自动开启吹氩，吹氩流量设定为强搅拌流量为600～800NL/min-1，分三批次加入渣面脱氧剂铝粒、石灰、预熔精炼渣，每批次加入量为铝粒总量的10％，石灰总量mlime的10％，预熔精炼渣总量myr的20％，每批次加完搅拌2.5min后，再自动加入下个批次。
(4)第一次测温、定氧、及取样测样操作：将测温、取样的信号发给自动测温取样机器人，进行测温取样，收到反馈的温度数值，记录、反馈给温度模型，并将钢样、渣样送至化验室分析；
加料搅拌到时间后，自动关闭吹氩，将测温、取样的信号发给自动测温取样机器人，进行测温取样，记录反馈的温度数值，将钢样送至化验室分析，渣样送至炉前快速渣样分析系统进行分析；
(5)第二次升温操作：自动设定合适档位、吹氩流量后，自动下电极进行通电升温操作(设定通电时间上限)、收到第一次取样的钢水和渣样成分后停止加热，利用这段一次取样的钢水和渣样成分化验间隔时间进行升温操作；
将炉内的温度校正为步骤(4)测量的温度值，根据当前渣量计算渣厚，设定电极的加热档位，进行加热，监测当前加热档位下的电弧的弧压值、弧流值，若当前电弧的弧压值、弧流值波动值波动幅度大于设定的标准，则增大当前的加热档位，以使得当前电弧的弧压值、弧流值波动值波动幅度处于设定的标准内(5％)，设定吹氩流量为150～250NL/min-1，在收到钢水化验成分时，停止加热，将成分存入数据库，并以最新成分进行下一步合金化的计算。
(6)合金化、白渣保持操作：收到钢水成分后，根据精炼钢种的内控目标成分，自动设定、称量、放料进行合金化操作，并快速渣样分析结果结合钢水硫含量，设定、加入渣料，微调造渣料，进行白渣保持操作；
根据步骤(5)测定的成分进行合金化操作，具体地为：
其中，Mi为合金i的加入量，kg；mst为LF炉进站钢水重量，kg；aj为合金i中元素j的目标含量，％；bj第一次测样时钢水中元素j的含量，％；ηij为合金i中元素j的收得率，％；Cij为合金i中元素j的含量，％；ηi为合金i的收得率，％；
钢水中造渣脱硫过程中，硫质量分数降低时，会引起钢中活度氧的增加，增氧量为：
w[S]0、w[S]e分别表示第一取样测试时钢水中的硫含量、LF目标终点钢水所需的氧含量。
根据第一取样测试中钢水硫含量和氧含量，计算钢水中平衡氧含量需加入的铝粒量为：
其中，w[O]0为第一取样测试时钢水中的氧含量，％；w[O]e为LF目标终点钢水所需的氧含量，％；MO为氧元素摩尔质量，g/mol；MAl为铝元素摩尔质量，g/mol；w[Al]0为第一取样测试时钢水中铝的含量，％；w[Al]e为LF目标终点钢水所需的铝含量，％；mst为钢水质量，kg；为脱钢中氧铝粒利用率，％；
根据第一取样测试中钢水硫含量w[S]0、LF终点目标硫含量w[S]e和快速渣样系统分析的渣中硫含量w(S)0，计算LF微调渣量为：
其中，为LF微调造渣料的量，kg；mst为LF钢水质量，kg；w[S]0为钢水硫含量，％；w[S]e为钢水终点目标硫含量，％；/>为第一次取样时渣、钢水中硫的含量比；
LF微调渣量中按目标钙铝比w(CaO)/w(Al2O3)和目标碱度R＝w(CaO)/w(SiO2)设定石灰和预熔精炼渣加入比例。根据系统计算值称量合金和微调渣料加入钢水，设定吹氩流量为300～400NL/min-1，吹氩搅拌2min。
(7)第二次测温、取样操作：合金化、顶渣微调完成后，系统将测温、取样的信号发给自动测温取样机器人，进行二次测温、取样、送样；
步骤(6)待合金化、顶渣微调完成后，将测温、取样的信号发给自动测温取样机器人，进行二次测温、取样、送样。
(8)合金微调、三次升温操作：收到第二次测温、取样结果后，若成分满足钢种内控要求，基于渣层厚度hs确定加热档位，基于确定的加热档位进行加热，监测当前加热档位下的电弧的弧压值、弧流值，若当前电弧的弧压值、弧流值波动值波动幅度大于设定的标准，则增大当前的加热档位，以使得当前电弧的弧压值、弧流值波动值波动幅度处于设定的标准内(5％)，进行升温操作，通电过程吹氩流量设定为150～250NL/min-1；若成分需要微调，系统按步骤(6)合金微调公式进行操作后，再进行三次升温操作，升温至喂丝前的目标温度。
(9)喂丝、三次测温、取样操作：三次升温结束后，系统设定喂丝长度、速度等参数，调整好吹氩流量，进行喂丝操作；喂丝完成后，系统将测温、取样的信号发给自动测温取样机器人，进行三次测温、取样、送样；
步骤(8)三次升温结束后，设定喂丝长度250～300m、喂丝速度130～150m/min等，调整好吹氩流量150～250NL/min-1，进行喂丝操作；喂丝完成后，将测温、取样的信号发给自动测温取样机器人，进行三次测温、取样、送样；
(10)软吹、钢水出站：测温取样完成后，设定吹氩流量，进行软吹操作，软吹时间满足要求，收到终点成分后，测温，获取终点温度后，钢水出站、吊包、炉次结束；
步骤(10)测温取样完成后，设定吹氩流量50～100NL/min-1，进行软吹操作，软吹时间10～12min，系统收到终点成分后，测温，获取终点温度后，成分、温度存入数据库，钢水出站、吊包、炉次结束。
图2为本发明实施例提供的LF炉智能精炼系统的结构示意图，为了便于说明，仅示出与本发明实施例相关的部分，该系统包括：
设于处理位上方的摄像机，设于处理位前方的激光测距仪，激光测距仪及摄像机与PLC控制器统通讯连接；
摄像机拍摄处理位附件的钢包，并将识别出的钢包号发送至PLC控制器；激光测距仪，将测得钢包位置发送至PLC控制器；PLC控制器在检测到钢包处于处理位，且钢包号的计划炉次中的钢包号一致后，触发智能精炼模式，PLC控制系统基于上述LF炉智能精炼方法来完成精炼过程，在精炼结束后，检测到钢包离开处理位至吊包位时，触发炉次结束信号。
在触发智能精炼模式后，LF精炼过程的电极加热、吹氩控制、合金、渣料加入、测温取样、喂丝等操作实现自动控制，提高了控制效率以及可靠性。
本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围。
Claims (9)
1.一种LF炉智能精炼方法，其特征在于，所述方法包括如下步骤：
(1)触发智能精炼模式，自动计算渣面脱氧所需的脱氧剂总量以及造渣所需的造渣料总量，加入设定量的脱氧剂和造渣料后，进行吹氩搅拌；
(2)进行第一次升温并化渣，根据渣层厚度选择合适的加热档位和加热时间，升温至目标温度，分批加入造渣料，加热过程中利用电弧化渣；
(3)造渣脱硫：第一次升温结束后，自动分批次加入脱氧剂及造渣料；
(4)进行第一次测温、定氧及取样测试；
(5)进行第二次升温，升温至收到第一次测样数据；
(6)根据第一次测样的测样数据进行合金化，并根据渣样及钢水中的硫含量微调造渣料，进行白渣保持操作；
(7)进行第二次测温及取样测试；
(8)根据第二次测样数据进行合金微调，再进行第三次升温操作：
(9)喂丝操作后，进行第三次测温及测样：
(10)测完完成后，进行软吹操作，完成后收到终点成分后，进行第四次测温，精炼完成。
2.如权利要求1所述LF炉智能精炼方法，其特征在于，在每次测温操作后，将钢水当前的温度更为当前测温操作测得的温度值。
3.如权利要求1所述LF炉智能精炼方法，其特征在于，脱氧剂为铝粒，铝粒总量的计算公式具体如下：
其中，w(MO)0为LF进站时炉渣中各氧化物初始含量，ms为LF炉渣的目标重量，w(MO)e为LF目标终点时各氧化物的目标含量，MMO、MAl分别表示氧化物MO、铝Al的摩尔质量，为脱渣过程中的铝的收得率。
4.如权利要求1所述LF炉智能精炼方法，其特征在于，根据设定的炉渣目标钙铝比和目标碱度R来调整预熔精炼渣加入量myr和石灰加入量mlime，即：
其中，为达到目标碱度R所需的CaO量；/>为渣中钙铝比达到目标钙铝比的CaO量；mCaO为第一次加料前渣中的CaO量；w(Al2O3)yr为预熔精炼渣中的Al2O3含量；w(CaO)yr为预熔精炼渣中的CaO含量；w(CaO)lime为石灰中的CaO含量，w(CaO)、w(Al2O3)分别第一次加料前的CaO、Al2O3的含量。
5.如权利要求1所述LF炉智能精炼方法，其特征在于，步骤(1)铝粒的加入值为计算值的70％，造渣料石灰的加入值为计算值mlime的20％。
6.如权利要求1所述LF炉智能精炼方法，其特征在于，升温过程的加热档位确定方法具体如下：
构建加热档位-电弧电压-电弧弧流-最小渣层厚度-升温速率表；
根据当前炉内渣量计算渣层厚度hs，基于渣层厚度hs确定加热档位；
基于确定的加热档位进行加热，监测当前加热档位下的电弧的弧压值及弧流值；
若当前电弧的弧压值及弧流值波动值波动幅度大于设定的标准，则增大当前的加热档位，以使得前电弧的弧压值及弧流值波动值波动幅度处于设定的标准内。
7.如权利要求1所述LF炉智能精炼方法，其特征在于，步骤(6)中合金化操作中合金i的加入量Mi基于如下公式进行计算：
其中，mst为LF炉进站钢水重量；aj为合金i中元素j的目标含量，bj为第一次测样时钢水元素j的含量；ηij为合金i中元素j的收得率；Cij为合金i中元素j的含量；ηi为合金i的收得率。
8.如权利要求1所述LF炉智能精炼方法，其特征在于，步骤(6)中造渣料微调过程具体如下：
根据第一次测样中钢水及渣中硫含量和氧含量，计算钢水中平衡氧含量需加入的铝粒量为：
其中，w[O]0为第一次测样时钢水中的氧质量分数；w[O]e为LF目标终点钢水所需的氧质量分数；MO为氧元素摩尔质量；MAl为铝元素摩尔质量；w[Al]0为第一取样测试时钢水中铝的质量分数；w[Al]e为LF目标终点钢水所需的铝质量分数；mst为钢水质量；为脱钢中氧铝粒利用率；Δw[O]S表示造渣脱硫过程中硫含量降低引起的活度氧的增量；
根据第一次测样数据中钢水硫含量w[S]0、LF终点目标硫含量w[S]e和渣中硫含量w(S)0计算LF微调渣量为：
其中，为LF微调造渣料的量；mst为LF钢水质量；w[S]0为钢水硫含量；w[S]e为钢水终点目标硫含量；/>为第一次取样时渣、钢水中硫的含量比。
9.一种LF炉智能精炼系统，其特征在于，所述系统包括：
设于处理位上方的摄像机，设于处理位前方的激光测距仪，激光测距仪及摄像机与PLC控制器通讯连接；
摄像机拍摄处理位附件的钢包，并将识别出的钢包号发送至PLC控制器；激光测距仪，将测得钢包位置发送至PLC控制器；PLC控制器在检测到钢包处于处理位，且钢包号的计划炉次中的钢包号一致后，触发智能精炼模式，PLC控制系统基于权利要求1至8任一项所述LF炉智能精炼方法来完成精炼过程，在精炼结束后，检测到钢包离开处理位至吊包位时，触发炉次结束信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410094699.6A CN117987617A (zh) | 2024-01-23 | 2024-01-23 | 一种lf炉智能精炼方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410094699.6A CN117987617A (zh) | 2024-01-23 | 2024-01-23 | 一种lf炉智能精炼方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117987617A true CN117987617A (zh) | 2024-05-07 |
Family
ID=90891273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410094699.6A Pending CN117987617A (zh) | 2024-01-23 | 2024-01-23 | 一种lf炉智能精炼方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117987617A (zh) |
-
2024
- 2024-01-23 CN CN202410094699.6A patent/CN117987617A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104946974B (zh) | 超低碳烘烤硬化钢板坯固溶碳含量的控制方法 | |
| CN105648147A (zh) | 一种30MnSi精炼工艺 | |
| CN112981128A (zh) | 用于非保护气氛电渣重熔h13钢的电极棒母材的冶炼方法 | |
| CN110766452B (zh) | 一种测算废钢金属收得率的方法 | |
| CN108913834B (zh) | 铁水喷吹、真空脱气、电极加热生产高纯生铁的工艺 | |
| CN117987617A (zh) | 一种lf炉智能精炼方法及系统 | |
| CN109593907B (zh) | 一种冶炼低磷钢的方法 | |
| CN109897930A (zh) | 一种转炉生产含钼钢的方法 | |
| CN115906538A (zh) | 一种钢包精炼炉钢水成分预测的方法 | |
| CN109136467A (zh) | 硅脱氧钢造酸性渣精炼过程中硼元素含量的控制方法 | |
| KR101207669B1 (ko) | 용강정련장치 | |
| CN114854933A (zh) | 一种lf精炼流程解析的智能精炼方法及系统 | |
| CN101736122B (zh) | 一种提高冶炼无磁钢铝的回收率方法 | |
| CN111705178A (zh) | 一种钢水rh真空精炼炉中氧含量的控制方法 | |
| KR100925595B1 (ko) | 전로정련공정에서의 재취련방법 | |
| JPH0925507A (ja) | 溶鋼の精錬方法 | |
| US3556770A (en) | Process for making alloys and metals | |
| CN112280925B (zh) | 一种硅钢炼钢冶炼用钛元素管控方法 | |
| CN114807779B (zh) | 一种重轨钢及其制备工艺 | |
| CN114082914B (zh) | 用于csp生产中钢水夹杂物的快速评估方法 | |
| CN114574652B (zh) | 一种lf炉提高转炉废钢比的方法 | |
| CN113981166B (zh) | 一种转炉炼钢倒渣方法 | |
| CN113186368B (zh) | 一种60吨转炉一次高拉碳法高效冶炼高碳钢的工艺 | |
| CN115058556A (zh) | 一种螺纹钢碳、锰成分精确控制的方法 | |
| CN116574865A (zh) | 一种lf精炼过程控制方法及系统 |
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 |