精炼炉钢水氧含量预报模型的研究

论文摘要

钢水中的氧主要来自于精炼前的吹氧过程,氧在钢水中主要是以氧化物的形式存在的,精炼脱氧的目的有两方面,一是防止在出钢和浇注的过程中,过剩的氧和碳反应生成大量气体,造成出钢和浇注困难,二是防止各类氧化物在钢水温度降低后以结晶形式析出,对钢材质量造成损害。氧含量的高低也是钢的清洁度的反映和钢材质量的反映,所以高质量的钢材,一般都需要将氧含量降至较低的范围。钢水氧含量的准确预报,是合理组织生产、提高钢水质量、实现氧含量控制的重要前提。精炼炉的脱氧是一个较复杂的物理化学过程,一般用全氧含量作为氧含量的指标。本文从冶金学的角度对脱氧的原理进行了阐述,并在平衡方程、动态方程、人工智能三种方法上进行建模分析,平衡方程表示反应到达平衡时钢液中酸溶铝和平衡氧的关系。动态方程其本质是用非限制性环节的反应速度代替整个过程的速度,包括脱氧速度和增氧速度两部分。机理方程建模属于经验式,通过机理方程的分析,可以得出影响氧含量的因素,这些因素和氧含量间具有非线性关系,因此采用神经网络作为人工智能建模方法,而RBF网络具有最佳拟合性能和较快的训练速度,可以满足模型的要求。结合宝钢300吨精炼炉实际冶炼工艺和采样数据,最终将影响氧含量的因素定义为初始氧含量、吨钢加铝量、吨钢石灰加入量、吨钢合成渣加入量、渣厚度、每分钟吹氩量、吨钢合金加入量,上述7个因素作为RBF神经网络的输入,输出为氧含量。对宝钢LF炉实际冶炼的数据进行处理,获得400组数据,对前300组应用Matlab神经网络函数进行仿真建模,其余100组数据用来检验模型。检验结果表明模型的适用性较好,对实际生产具有一定的指导意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 LF炉概述
• 1.2 氧含量预报的研究现状
• 1.3 本文所做的工作
• 第2章 精炼炉脱氧原理
• 2.1 脱氧的目的和任务
• 2.1.1 脱氧前钢液中的氧
• 2.1.2 脱氧的任务和目的
• 2.2 脱氧的方式
• 2.3 元素的脱氧能力
• 2.3.1 对脱氧元素的要求
• 2.3.2 元素的脱氧能力
• 2.4 锰、硅、铝的脱氧
• 2.4.1 锰的脱氧
• 2.4.2 硅的脱氧
• 2.4.3 铝的脱氧
• 2.5 脱氧产物
• 2.5.1 脱氧产物的组成及其状态
• 2.5.2 脱氧产物的排出与钢中的夹杂物
• 2.6 终点氧含量的组成
• 2.7 本章小结
• 第3章 氧含量预报建模方法研究
• 3.1 脱氧平衡方程
• 3.2 氧含量动态方程
• 3.2.1 氧含量变化分析
• 3.2.2 氧含量状态方程
• 3.2.3 状态方程建模可行性分析
• 3.3 氧含量预报智能建模方法
• 3.3.1 氧含量智能建模原理
• 3.3.2 智能建模方法分析
• 3.4 本章小结
• 第4章 基于RBF网络的氧含量预报模型的建立
• 4.1 人工神经网络
• 4.1.1 人工神经网络概述
• 4.1.2 人工神经元及网络类型
• 4.2 RBF神经网络
• 4.2.1 RBF网络的基本结构
• 4.2.2 RBF网络的构建和学习方法
• 4.3 建模原理
• 4.3.1 氧含量变化过程分析
• 4.3.2 影响氧含量的主要因素
• 4.4 RBF网络的建立和训练
• 4.4.1 RBF网络结构
• 4.4.2 RBF网络的训练
• 4.4.3 样本数据的选择和处理
• 4.5 本章小结
• 第5章 氧含量预报模型的仿真
• 5.1 神经网络工具箱
• 5.2 算法实现
• 5.3 仿真结果及其分析
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢