[发明专利]一种确定轧钢加热炉脱碳工艺参数的方法

说明书

本发明涉及一种确定轧钢加热炉脱碳工艺参数的方法，该方法将采用不同轧钢加热炉脱碳工艺参数脱碳得到的脱碳工艺数据作为样本，并将这些脱碳工艺数据输入神经元网络模型中进行神经元网络模型训练。将加热炉监视系统所监测到的测量数据和炉况数据作为输入值，输入到训练好的神经元网络模型的输入层。通过不断调整各测量数据和炉况数据的数值，模拟出不同生产工况下的脱碳层厚度。当脱碳层厚度低于实际脱碳层厚度数据AY与理论脱碳层厚度数据CY的误差D的0.5%时，各个测量数据和炉况数据对应的数值即为最优脱碳层厚度控制工艺参数。本发明用于协助工程技术人员快速从若干种新的轧钢加热炉脱碳工艺中选出最优的工艺，从而提高产品质量。

技术领域

本发明涉及加热炉脱碳工艺技术领域，更具体地说是指一种确定轧钢加热炉脱碳工艺参数的方法。

背景技术

优质圆棒的脱碳层是一项重要的技术指标，脱碳层深度直接影响到圆棒的耐磨性能和使用寿命。钢材的脱碳层主要取决于钢坯加热工艺的控制，具有一定市场品牌影响力的棒材脱碳生产线已能达到脱碳层深度不超过0.5%D。

目前圆棒加热炉采用双蓄热式加热炉。蓄热式燃烧技术是燃料燃烧领域的一项新技术，具有高效节能和低污染排放两大优点，且能够提高热能利用率。但是由于圆棒加热炉处于高炉煤气管网末端，其煤气压力极不稳定，而煤压的波动会导致炉内气氛的跟随波动，进而影响对脱碳层的控制。此外，蓄热式加热炉烧嘴特有的周期换向加热方式，造成了炉内煤气成份的频繁波动，影响炉内温度场分布，亦会导致圆棒表面脱碳层超标。

加热工艺中确定的加热时间和加热温度等因素对脱碳有很重要的影响。如何科学确定合适的加热条件使得钢坯在加热过程中达到最优的脱碳效果一直是工程技术人员努力的目标。为了控制圆棒的表面脱碳层深度，使脱碳层深度达到要求，需要掌握脱碳层与炉内气氛、加热时间和加热温度等条件的关系，根据实际情况来控制加热温度和时间，制定效果最优的加热方案。由于钢坯的脱碳控制工艺模型可以看作一个多影响因素的非线性复杂的数学模型，用普通数学模型很难将其表现出来。因此，我们提供了一种确定轧钢加热炉脱碳工艺参数的方法。

发明内容

本发明提供一种确定轧钢加热炉脱碳工艺参数的方法，以解决如何通过神经元网络模型，确定出负荷当前加热炉工况的脱碳工艺，以期实时动态调整脱碳层控制工艺，使得加热坯料在该工艺下脱碳层厚度最小等问题。

本发明采用如下技术方案：

一种确定轧钢加热炉脱碳工艺参数的方法，其特征在于，包括以下步骤：

（1）采用不同轧钢加热炉脱碳工艺参数对轧钢进行脱碳，并将每个脱碳过程的脱碳工艺数据DATA和实际脱碳层厚度数据AY作为样本输入神经元网络模型中，进行神经元网络模型训练；

（2）将加热炉监视系统所监测到的测量数据和炉况数据作为输入值，输入到训练好的神经元网络模型的输入层；

（3）通过不断调整各个测量数据和炉况数据的数值，模拟出不同生产工况下生成的脱碳层厚度，其中测量数据和炉况数据调整时按主要因素和次要因素的先后顺序优先调整主要因素，当该脱碳层厚度即神经元网络模型输出值低于实际脱碳层厚度数据AY与理论脱碳层厚度数据CY的误差D的0.5%时，则认为轧钢加热炉脱碳工艺参数的寻优过程结束，此时各个测量数据和炉况数据对应的数值即为最优脱碳层厚度控制工艺参数。

进一步地，所述神经元网络模型为Sigmoid激活函数。

进一步地，所述神经元网络模型训练包括以下步骤：

（1）将每个脱碳工艺数据DATA和实际脱碳层厚度数据AY作为一个样本，最终形成一个样本集，其中，脱碳工艺数据DATA包括加热温度、加热时间、空燃配比、高炉煤气含水量、炉膛压力和煤气压力；

（2）以上述样本中的脱碳工艺数据DATA作为输入值，通过默认权重的神经元网络模型计算得到输出值，该输出值为理论脱碳层厚度数据CY；