基于机理与智能方法的转炉炼钢过程建模研究

【摘要】：氧气顶吹转炉炼钢是当今世界上最主要的炼钢方法。为了满足越来越严苛的钢水质量和丰富的品种要求,相关检测技术和控制模型的研发得到了高度的重视,以期解决复杂的物理化学冶炼过程中存在的非线性、强耦合特性,然而目前国内没有应用比较好的控制模型在运行。本文根据实际项目的应用需求,通过热平衡和物料平衡分析,建立了铁水装入量机理模型指导配料过程；采用极限学习机方法建立了终点炉渣总铁含量模型来提高终渣总铁含量的计算精度；最后建立了基于支持向量机和指数脱碳模型的终点碳含量混合预报模型提高碳含量的预报精度。 在冶炼过程中,提高废钢的使用配比是降低生产成本的重要手段。本文所建铁水装入量机理模型依据每一炉的冶炼目标要求、冶炼工艺要求以及铁水、废钢的信息,以热平衡和物料平衡为边界条件,计算铁水装入量和废钢的最大装入量,仿真结果表明所建模型能够比较准确地计算铁水装入量,有效地用于指导冶炼前的配料。 转炉终点炉渣总铁含量直接影响出钢钢水的重量,并影响所建铁水装入量机理模型的计算精度,本文采用极限学习机方法建立了终渣总铁含量计算模型,仿真结果表明该模型比传统的经验模型误差更小。 指数脱碳模型是转炉碳含量预报研究中十分宝贵的经验模型,由于其中的指数缺少行之有效的确定方法限制了该模型的应用。本文基于炉气分析数据,建立了支持向量机和指数脱碳混合模型,仿真结果显示该混合模型性能比相关文献模型有较大的提高。