钢包精炼炉的升温预测方法及系统技术方案

本发明专利技术提供了钢包精炼炉的升温预测方法及系统，方法包括获取钢水温度影响因素的当前值，所述影响因素包括第一类影响因素和第二类影响因素，所述第一类影响因素基于现场数据采集得到，所述第二类影响因素通过第一类影响因素的取值确定；将所述当前值输入预测模型，得到预测的升温值。本发明专利技术在进行精炼炉升温预测时，考虑多种影响因素，将这些影响因素作为预测模型的输入，有效提高升温值的预测准确率，提高生产效率、降低生产成本，提高出钢质量。提高出钢质量。提高出钢质量。

【技术实现步骤摘要】
钢包精炼炉的升温预测方法及系统


[0001]本专利技术涉及冶金过程中的生产与控制
，尤其是钢包精炼炉的升温预测方法及系统。

技术介绍

[0002]LF炉(LADLE FURNACE)即钢包精炼炉，是钢铁生产中主要的炉外精炼设备，是电弧炉的一种特殊形式。LF精炼炉采用三根电极进行加热，加热时电极插入渣层中采用埋弧加热法，这种方法的辐射小，对炉衬有保护作用，与此同时加热的效率也比较高，热效率好。由于它设备简单，投资费用低，操作灵活和精炼效果好而成为冶金行业的后起之秀，得到了广泛的应用与发展。
[0003]LF炉精炼是炉外精炼的主要方法之一，其关键在于快速造白渣，白渣在LF炉内具有很强的还原性，这是LF炉内良好的还原气氛和氩气搅拌，互相作用的结果。LF造渣的目的是脱硫、脱氧、提高合金收得率、去除夹杂，但在控铝钢的造渣过程中，脱硫回硅、增氮、去除夹杂物存在一定的矛盾，需要统筹考虑。LF炉冶炼时可以不用加脱氧剂，而是靠白渣对氧化物的吸附作用而达到脱氧的目的。在LF快速而稳定的造出流动性好并有一定乳化性的还原性白渣，是LF脱硫、吸附夹杂及保证钢水质量所必需的。
[0004]LF炉升温是在非氧化性气氛下利用电弧加热来提高钢水温度，补偿处理过程钢水温降及造渣、合金化的吸热，便于形成有利于脱硫、脱氧、去除夹杂的钢包渣。还可以精确控制温度，为连铸机或下道工序提供温度合适的钢水温度。脱硫反应是一个吸热反应，提高温度有利于脱硫反应的进行，同时加热使渣产生较高的温度，较好地提供了脱硫反应的热力学条件。但过分提高钢水炉渣温度，不利于钢包包衬使用寿命的提高和电耗成本控制。因此，精准、高效地进行升温加热，为下道工序提供温度合适的钢水温度，是LF精炼炉的主要功能之一，也是生产顺行的重要保障条件。目前对于精炼炉升温的控制大多通过温控系统来实现，但该系统未充分考虑各种影响因素对出钢质量及成本的影响，造成生产成本高或出钢质量差。

技术实现思路

[0005]本专利技术提供了钢包精炼炉的升温预测方法及系统，用于解决现有精炼炉升温控制方式未充分考虑生产成本和出钢质量的问题。
[0006]为实现上述目的，本专利技术采用下述技术方案：
[0007]本专利技术第一方面提供了钢包精炼炉的升温预测方法，所述方法包括以下步骤：
[0008]获取钢水温度影响因素的当前值，所述影响因素包括第一类影响因素和第二类影响因素，所述第一类影响因素基于现场数据采集得到，所述第二类影响因素通过第一类影响因素的取值确定；
[0009]将所述当前值输入预测模型，得到预测的升温值。
[0010]进一步地，所述第一类影响因素包括钢包寿命及状况、钢包底吹透气性、钢包周转
情况、转炉出钢温度、钢包加料情况以及出钢调运至精炼炉的时间间隔。
[0011]进一步地，所述第二类影响因素包括精炼加料及喂线、吹氩及弱搅拌时间、处理结束目标温度。
[0012]进一步地，所述获取钢水温度影响因素的当前值之前，所述方法还包括步骤：
[0013]基于影响因素的历史数据，对所述影响因素的取值按照相近条件原则进行分类。
[0014]进一步地，所述预测模型基于BP网络构建，所述预测模型中隐层神经元个数的确定具体为：
[0015][0016]其中,n为输入层神经元个数,m为输出层神经元个数,a为[1,10]之间的常数。
[0017]进一步地，预测模型中隐层神经元的个数为6。
[0018]进一步地，所述预测模型通过MATLAB中神经网络工具箱进行训练。
[0019]本专利技术第二方面提供了钢包精炼炉的升温预测系统，所述系统包括：
[0020]信息采集单元，用于获取钢水温度影响因素的当前值，所述影响因素包括第一类影响因素和第二类影响因素，所述第一类影响因素基于现场数据采集得到，所述第二类影响因素通过第一类影响因素的取值确定；
[0021]预测单元，用于将所述当前值输入预测模型，得到预测的升温值。
[0022]进一步地，所述第一类影响因素包括钢包寿命及状况、钢包底吹透气性、钢包周转情况、转炉出钢温度、钢包加料情况以及出钢调运至精炼炉的时间间隔；所述第二类影响因素包括精炼加料及喂线、吹氩及弱搅拌时间、处理结束目标温度。
[0023]本专利技术第三方面提供了一种计算机存储介质，所述计算机存储介质中存储有计算机指令，所述计算机指令在所述系统上运行时，使所述系统执行所述方法的步骤。
[0024]本专利技术第二方面的所述钢包精炼炉的升温预测系统能够实现第一方面及第一方面的各实现方式中的方法，并取得相同的效果。
[0025]
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
[0026]本专利技术在进行精炼炉升温预测时，考虑多种影响因素，将这些影响因素作为预测模型的输入，有效提高升温值的预测准确率，提高生产效率、降低生产成本，提高出钢质量。
附图说明
[0027]为了更清楚地说明本专利技术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，对于本领域普通技术人员而言，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。
[0028]图1是本专利技术所述方法实施例的流程示意图；
[0029]图2是本专利技术方法实施例中BP网络结构示意图；
[0030]图3是本专利技术所述系统实施例的结构示意图。
具体实施方式
[0031]为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发
明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本专利技术的不同结构。为了简化本专利技术的公开，下文中对特定例子的部件和设置进行描述。此外，本专利技术可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本专利技术省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本专利技术。
[0032]如图1所示，本专利技术实施例提供的钢包精炼炉的升温预测方法，包括以下步骤：
[0033]S1,获取钢水温度影响因素的当前值，所述影响因素包括第一类影响因素和第二类影响因素，所述第一类影响因素基于现场数据采集得到，所述第二类影响因素通过第一类影响因素的取值确定；
[0034]S2,将所述当前值输入预测模型，得到预测的升温值。
[0035]步骤S1中，所述第一类影响因素包括钢包寿命及状况、钢包底吹透气性、钢包周转情况、转炉出钢温度、钢包加料情况以及出钢调运至精炼炉的时间间隔；所述第二类影响因素包括精炼加料及喂线、吹氩及弱搅拌时间、处理结束目标温度。
[0036]本专利技术方法实施例的其一实现方式中，所述获取钢水温度影响因素的当前值之前，所述方法还包括步骤：
[0037]基于影响因素的历史数据，对所述影响因素的取值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢包精炼炉的升温预测方法，其特征是，所述方法包括以下步骤：获取钢水温度影响因素的当前值，所述影响因素包括第一类影响因素和第二类影响因素，所述第一类影响因素基于现场数据采集得到，所述第二类影响因素通过第一类影响因素的取值确定；将所述当前值输入预测模型，得到预测的升温值。2.根据权利要求1所述钢包精炼炉的升温预测方法，其特征是，所述第一类影响因素包括钢包寿命及状况、钢包底吹透气性、钢包周转情况、转炉出钢温度、钢包加料情况以及出钢调运至精炼炉的时间间隔。3.根据权利要求1所述钢包精炼炉的升温预测方法，其特征是，所述第二类影响因素包括精炼加料及喂线、吹氩及弱搅拌时间、处理结束目标温度。4.根据权利要求1所述钢包精炼炉的升温预测方法，其特征是，所述获取钢水温度影响因素的当前值之前，所述方法还包括步骤：基于影响因素的历史数据，对所述影响因素的取值按照相近条件原则进行分类。5.根据权利要求1所述钢包精炼炉的升温预测方法，其特征是，所述预测模型基于BP网络构建，所述预测模型中隐层神经元个数的确定具体为：其中,n为输入层神经元个数,m为输出层神经元个数,a为[1,10]之间的常数。6...

【专利技术属性】
技术研发人员：王念欣，佟圣刚，苗振鲁，曾晖，李长新，赵珉，吴计雨，张戈，栾吉益，陈万福，董洪壮，袁宇皓，
申请(专利权)人：山东钢铁股份有限公司，
类型：发明
国别省市：