[发明专利]一种大型转炉TSC阶段智能添加石灰的方法

说明书

本发明涉及一种大型转炉TSC阶段智能添加石灰的方法，属于钢铁冶金技术领域。本发明的技术方案是：采用机理模型按照冶金机理进行预测，进行数据训练，采用BP神经网络为基础的深度学习人工智能，输入数据以机理模型为基础，进行标准化处理，构建输入数据与输出数据间的内在联系，通过人工智能计算获得输出数据。本发明的有益效果是：采用“机理模型+人工智能预测”的方式，在充分分析转炉石灰加入量影响因素的基础上，构建转炉各影响因素间的内在联系，实现在不同物料条件下，大型转炉TSC阶段智能加入石灰的方法，解决转炉石灰准确加入的问题，减少质量事故和生产事故，降低冶炼成本。

技术领域

本发明涉及一种大型转炉TSC阶段智能添加石灰的方法，属于钢铁冶金技术领域。

背景技术

石灰是转炉冶炼的主要辅料，其主要作用是在冶炼过程中形成合理的渣系，通过转炉渣去除钢渣P、S等有害元素。针对副枪法控制的转炉，石灰加入主要在副枪TSC测量前，即转炉冶炼TSC阶段。对于石灰加入量的普遍算法为通过二元碱度进行计算，该方法通过对石灰原料的检化验得出石灰CaO含量，之后根据铁水硅含量，计算石灰加入量。

该方法虽然能够在转炉操作过程中，为石灰加入量提供一定指导，但是并不精确，未充分考虑石灰成分的动态变化，未充分考虑其他含Ca辅料如白云石、钢渣等原料的影响，未充分考虑TSC阶段石灰熔化对脱磷效果的影响，未充分考虑石灰对于转炉冶炼热平衡的影响，未充分考虑班组间、不同设备间的差异。尤其在当前全国转炉降低铁耗的背景下，各个钢铁公司都在大量加入钢渣等自产冷料，这些自产料成分稳定性差，造成极大的生产波动。以上因素均会导致石灰加入量的不准确，如石灰加入量过少，则导致转炉冶炼渣量偏少，影响转炉脱磷效果，造成产品成分不合，同时不利于转炉炉衬长寿；如石灰加入量过大，不仅会造成成本浪费，严重时会导致冶炼渣量大，冶炼过程异常喷溅，也会导致转炉终点无法出钢等恶性生产事故。

专利申请号201710074989.4公开了一种转炉碱度动态控制方法，该方法基于终点温度、终点碳、终点磷、脱磷效率、转炉渣量设定调整，对碱度进行修正。

专利申请号201310449548.X公开了一种计算转炉留渣量确定石灰用量的方法，该方法通过铁水硅含量确定留渣量，通过观察炉内炉渣体积，经过炉渣密度计算，得出实际转炉留渣重量，按照留渣量与石灰1:1～0.5的比例项转炉加入石灰。

文献[姚树鹤、杨成忠、徐生林.灰色算法在转炉炼钢石灰加入量计算中的应用，杭州电子科技大学学报，2015]中通过灰色算法预报了50t转炉当前炉次和石灰加入量的偏差，建立残差序列进行修正。

以上方法虽然涉及对石灰加入量的预测，但是未全面考虑影响石灰加入的全部因素，未考虑因素间的内在联系。如：未考虑班组、转炉设备、物料稳定性的影响，也未考虑石灰作为具有一定冷却效果的辅助原料，对于转炉热平衡的影响。由于这些多因素的内在联系复杂，用目前常规的数理统计方法无法准确预测，并指导生产。因此，需要找出一种可靠的指导转炉石灰加入量的方法。

发明内容

本发明目的是提供一种大型转炉TSC阶段智能添加石灰的方法。主要针对260t大型顶底复吹转炉，造渣方法为单渣法，装入制度为定量装入，采用副枪控制。本发明采用“机理模型+人工智能预测”的方式，在充分分析转炉石灰加入量影响因素的基础上，构建转炉各影响因素间的内在联系，实现在不同物料条件下，大型转炉TSC阶段石灰的智能加入。

本发明的技术方案是：一种大型转炉智能添加石灰的方法，包含以下步骤：

(1)采用机理模型按照冶金机理进行预测，机理模型公式如下：

其中W_sh代表石灰加入量，数据范围22kg/t-49kg/t；

a_shc代表石灰CaO质量百分数，数据范围88％-93％；