基于推理控制的氬氧精煉鐵合金終點碳控制

楊興鑰, 尤 文

(長春工業(yè)大學 電氣與電子工程學院， 吉林 長春 130012)

基于推理控制的氬氧精煉鐵合金終點碳控制

楊興鑰, 尤 文*

(長春工業(yè)大學 電氣與電子工程學院， 吉林 長春 130012)

以氬氧精煉低碳鉻鐵過程為研究對象，建立了過程機理模型。運用關鍵輸出不可測的推理控制方法，以熔池鐵水溫度作為二次輸入，間接控制AOD爐終點鐵水碳含量，提升了冶煉效果。

氬氧精煉； 機理模型； 推理控制； 終點碳控制

0 引 言

對于一個多相異型的冶金過程，氬氧精煉(即AOD)法冶煉鐵合金，其過程受各化學反應和不可測擾動因素影響，加上其時滯和多耦合問題，采用常規(guī)控制方法很難達到理想的終點控制(鐵水溫度及碳含量)命中率。為此，尋求一種合理的控制策略來對該精煉過程加以控制意義重大。鑒于當前鐵水在線成分分析技術尚不成熟，文中通過在所建立的機理模型基礎上，采取適用于關鍵變量不可測的推理控制策略進行終點碳控制。

1 氬氧精煉冶金工藝原理

區(qū)別于常規(guī)鐵合金冶煉就是將氧化物還原，氬氧精煉技術利用氧化劑氧化需精煉合金中的碳及其它雜質的方式，通過高溫氣化金屬碳化物中的碳，以求脫碳保鉻的目的。脫碳反應為：

(1)

在冶煉中除了吹入的氧氣提供氧以外，還有金屬元素氧化物。

由冶金工藝，在反應的高碳期，通過頂槍高壓供氧，除脫碳反應外，還主要有如下反應發(fā)生：

(2)

(3)

(4)

當反應達到碳含量小于臨界值時，此時爐內溫度已升高到一定程度，改為底槍鼓吹氬氣和氧氣的混合氣體，主要反應除式(1)、(2)、(4)外，有：

(5)

2 氬氧精煉鐵合金生產(chǎn)過程數(shù)學模型建立

2.1 冶煉過程中碳含量的變化率

在較高碳含量下，根據(jù)脫碳工藝，由頂槍向爐體供氧，鉻損難與爐內碳反應，使這期間脫碳速率較高，脫碳主要取決于供氧的大小。碳元素的氧化速率為：

(6)

式中： Wm----鐵水質量,g;

MC----碳分子質量,g/mol;

η----氧氣利用率;

QO2----氧氣流量,cm3·s-1;

xC----氧對碳的分配比率。

當碳含量進入臨界值以下的低碳期時，脫碳速率下降，爐內鐵水鉻的氧化速率較高，此時脫碳反應主要與鐵水中碳的傳質速率有關。低碳期底吹氧的平均脫碳速率為：

(7)

(8)

式中 Ams----鐵水反應面面積,cm3;

ρm----鐵水的密度,g/cm3;

kC----鐵水中碳的傳質系數(shù),cm·s-1;

fC----鐵水中碳的活度;

ai----組分i的活度。

2.2 冶煉過程中鐵水溫度的變化率

在氬氧精煉鐵合金過程中，考慮全部熱量輸入和輸出及累積,熱量輸入有：

鐵水攜帶熱WmcρmT;

氧氣攜帶熱QO2dτρO2cOTg.0;

氬氣攜帶熱QArdtρArcArTg.0;

熔渣熱WscsT;

熱量支出有：

1)鐵水攜帶熱

(9)

2)逸出氣體攜帶熱

(10)

(11)

(12)

(13)

熔渣攜帶熱量:

(14)

爐襯熱量

(15)

系統(tǒng)熱損

(16)

相應鐵水的升溫速率為:

(17)

式中： Tg.0----氣體初始溫度;

q1----爐底傳導熱損；

q2----爐下部傳導熱損；

q3----爐上部傳導熱損；

q4----爐頂傳導熱損；

qu----體系不確定熱損。

2.3 氬氣吹入速率與鐵水溫度關系模型

吹入鐵水中的氬氣所形成的氣泡與CO混合，對CO起到稀釋作用，降低CO的分壓，相當于假真空效果。在此過程中，氣泡會從鐵水中吸熱，溫度不斷升高。伴隨著脫碳的進行，直到氣泡逸出熔池。氬氣速率與鐵水溫度關系為：

(18)

2.4 氬氣吹入速率與鐵水碳含量關系模型

結束頂槍吹氧后，鐵水中的碳含量已降到很低水平，為更好地降低碳含量，在底槍吹入氬氣和氧氣的混合氣體。由于氬氣不直接參與熔池的化學反應，對脫碳反應主要通過吹入氣體的攪拌和降低CO分壓來影響其反應速率。鑒于氬氣對脫碳速率之間的機理關系尚不明確，所以采用介于黑箱模型和白箱模型的灰色生成技術確定吹氬速率與碳含量關系模型。根據(jù)某冶金廠試驗數(shù)據(jù)中一些離散時間不等間隔的數(shù)據(jù)確立了如下NEGOM模型：

(19)

3 氬氧精煉過程的推理控制

推理控制的基本思想是在某些關鍵輸出或者干擾不可測的情況下，利用過程可測變量的輸出量建立被控對象的數(shù)學模型，以數(shù)學推理導出控制策略。

氬氧精煉過程低碳期同時底吹氬氣與氧氣可近似為雙輸入、雙輸出多變量系統(tǒng)。進一步機理分析表明，可將氬氣輸入看作一種擾動量。因此得到結果框圖如圖1所示。

圖中，D(s)為氬氣的輸入量(擾動),Y1(s)為溫度輸出，Y(s)為碳輸出。D(s)、Y(s)不易測量，利用過程可測量的輸出量Y1(s)估計不可測干擾對過程主要的輸出量Y(s)的影響，從而消除干擾的影響。

通常系統(tǒng)的主要輸出要作為系統(tǒng)被控量，當主要輸出不可測時，適當選取二次輸出以得到所需要的信息。選擇二次輸出應考慮：二次輸出要可測，不可測的擾動與二次輸出間存在唯一的擾動通道且二次輸出能夠靈敏反應擾動。由于冶煉過程主要輸出Y(s)和主要擾動D(s)均不可測，推理控制部分的輸入只能是系統(tǒng)的可觀測輸入Y1(s)，推理控制部分的輸入為系統(tǒng)過程的輸入。

圖1 氬氧精煉結構框圖

由圖1得：

即

(20)

(21)

將式(20)代入式(21)中，有

定義

可見，當E(s)=B(s)/A(s)時，系統(tǒng)能夠完全地消除不可測擾動對輸出的影響。由上述定義式還可推出推理控制器的傳遞函數(shù)：

(22)

推理控制規(guī)律取決于被控過程Gp(s)。由于無法得到精確的Gp(s)，G(s)的實現(xiàn)只能通過建立過程的各通道數(shù)學模型來完成。在后面推導中，對象各通道的學習預估模型用“∧”表示，以區(qū)別對象本身。式(22)改寫為：

(23)

式中

推理部分的輸出為：

(24)

由式(24)可以畫出圖2中虛線左側部分所示的推理控制框圖。

圖2 推理控制系統(tǒng)

4 氬氧精煉終點碳控制系統(tǒng)仿真分析

基于所建的4個數(shù)學模型，選取碳含量為主輸出量，溫度為二次輸出量，采用PI算法及推理控制對碳含量進行控制，并利用Matlab的Simulink創(chuàng)建系統(tǒng)的輸入及輸出關系仿真。

當氬氣流量發(fā)生10%的階躍擾動變化時，若所建4個模型準確，采用PI控制算法和推理控制算法進行碳含量控制，不可測階躍擾動作用下推理控制與常規(guī)PI控制碳含量響應曲線如圖3所示。

圖3 不可測階躍擾動作用下推理控制與常規(guī)PI控制碳含量響應曲線

仿真表明，在克服不可測擾動能力上，推理控制算法遠優(yōu)于PI控制。

系統(tǒng)給定為階躍信號時，若所建4個模型準確，采用PI控制算法和推理控制算法控制碳含量。給定階躍信號下推理控制與常規(guī)PI控制碳含量響應曲線如圖4所示。

圖4 給定階躍信號下推理控制與常規(guī)PI控制碳含量響應曲線

圖中推理控制調節(jié)時間為46 min，穩(wěn)態(tài)偏差為0；PI控制調節(jié)時間為125 min，穩(wěn)態(tài)偏差為0.06。

由此表明，在模型準確的條件下，推理控制算法無論是在不可測階躍信號干擾作用下，還是給定的系統(tǒng)階躍信號作用下，控制碳含量的暫態(tài)性能及穩(wěn)態(tài)性能均優(yōu)于PI控制。通過使用推理控制策略，較好解決鐵合金冶煉過程中輸出不可測的問題。

5 結 語

針對鐵合金冶煉過程，通過在所建4個機理模型中運用推理控制方法在給定擾動及不可測擾動的情況下，對比與運用常規(guī)控制方法的仿真效果，結果表明，推理控制方法在不可測擾動與給定階躍信號下，碳含量控制命中率強于常規(guī)控制，能夠較好解決輸出不可測問題。

[1] 魏季和，李毅.頂?shù)讖痛禇l件下不銹鋼VOD精煉過程的數(shù)學模擬:過程數(shù)學模型[J].太原理工大學學報，2014(1):5-13.

[2] 馬海濤，尤文.氬氧精煉低碳鉻鐵終點控制[J].計算機測量與控制，2013,21(12):124-126.

[3] 郭軍.氬氧精煉技術生產(chǎn)中低微碳鉻鐵的研究[J].鐵合金，2012(5):6-11.

[4] 廉宇峰，尤文.AOD冶煉脫碳過程的非等間隔灰色優(yōu)化模型研究[J].應用科技，2010,37(1)：57-60.

[5] 劉駿躍.工業(yè)鍋爐燃燒過程的建模及控制[J].煤礦自動化，2001(3):1-3.

[6] 徐喆，柴天佑,王偉.推理控制綜述[J].信息與控制，1998,27(3):206-214.

[7] 姚俊峰，梅熾,任鴻九,等.臥式轉爐爐襯溫度場的數(shù)值模擬[J].中國有色金屬學報，2000，10(4):546-550.

[8] 王海江，朱宏利,魏季和,等.不銹鋼的側頂復吹AOD精煉過程[J].上海金屬，2005,27(5):44-49.

[9] 王新超，朱宏利,魏季和,等.不銹鋼AOD精煉過程物理模擬研究進展[J].上海金屬，2004,26(3):47-51.

[10] 左懷英，魏季和.側頂復吹條件下AOD熔池內的傳質特性[J].過程工程學報，2008,8(z1):1-8.

Methods of shaft alignment for large-scale unit

YANG Xingyue, YOU Wen*

(School of Electrical & Electronic Engineering, Changchun University of Technology, Changchun 130012， China)

With argon oxygen refininglow-carbon ferrochromium process as object, we build a process mechanism model. The key output unpredictable reasoning method is applied to indirectly control the carbon content of molten iron at AOD furnace end point with molten pool temperature as secondary inputs to improve the efficiency.

argon oxygen refining; mechanism model; reasoning control; end point carbon control.

2016-04-10

國家科技支撐計劃項目(2007BAE17B01)

楊興鑰(1992-)，男，漢族，吉林四平人，長春工業(yè)大學碩士研究生，主要從事生產(chǎn)過程信息獲取與智能控制方向研究,E-mail:yangxingyue@ccut.edu.cn. *通訊作者：尤 文(1961-)，男，漢族，吉林長春人，長春工業(yè)大學教授，博士，主要從事生產(chǎn)過程信息獲取與智能控制方向研究,E-mail:youwen@ccut.edu.cn.

10.15923/j.cnki.cn22-1382/t.2016.6.06

TP 273

A

1674-1374(2016)06-0544-06