120 t轉(zhuǎn)爐全過程動態(tài)智能冶煉技術(shù)實踐

高志濱

（萊蕪鋼鐵集團銀山型鋼有限公司煉鋼廠，山東 濟南271104）

1 前言

副槍控制系統(tǒng)以靜態(tài)控制為主要特點，在此基礎(chǔ)之上逐步優(yōu)化升級，研究激光煙氣分析技術(shù)，打破自動化煉鋼工藝中只能進行預設(shè)、系統(tǒng)無法自主反應的難點，實現(xiàn)了冶煉過程及終點拉碳前對物料和槍位的動態(tài)調(diào)整，終點碳、溫度雙命中率顯著提升。目前，國外大多數(shù)鋼廠均已采用以煙氣分析為核心的冶煉過程控制技術(shù)，其中，以多法斯科鋼廠尤為典型，其在煙氣分析系統(tǒng)控制下的低碳鋼種，碳、溫度命中率達到99%［1］。萊蕪鋼鐵集團銀山型鋼煉鋼廠以150 t脫磷爐為研究對象，結(jié)合激光煙氣設(shè)備的應用，對冶煉過程煙氣數(shù)據(jù)進行分析，根據(jù)分析結(jié)果進行控制系統(tǒng)開發(fā)及建模，逐步完善了智能煉鋼控制能力，實現(xiàn)了熔池碳含量、溫度的準確預報，并通過模型的持續(xù)優(yōu)化，獲得了較好的終點碳溫雙命中率。

2 研究應用精料供應技術(shù)

優(yōu)化鐵水扒渣及溫度控制操作，對扒渣設(shè)備進行相應改造，對鐵水自動測溫取樣設(shè)備進行設(shè)計，確保鐵水帶渣量少，溫度準確；結(jié)合不同鋼種控制要求，將廢鋼按類別、冷卻效應及成分，分區(qū)域存放，便于天車系統(tǒng)運行中的正常定位及采集。應用鐵水“三穩(wěn)一準”及廢鋼“三準一凈”控制技術(shù)，實現(xiàn)鐵水的溫度穩(wěn)定、成分穩(wěn)定、裝入穩(wěn)定，實現(xiàn)廢鋼的精準計量、精準配比、精準分類、無雜無害［2］。安裝天車定位及識別模塊、稱量裝置、無線傳輸設(shè)備，自動采集稱量數(shù)值，利用無線傳輸及工業(yè)以太網(wǎng)發(fā)送到數(shù)據(jù)庫，傳入二級系統(tǒng)用于冶煉模型計算。三級控制系統(tǒng)互聯(lián)互通，生產(chǎn)過程實現(xiàn)量化處理。稱量倉增設(shè)電磁振料器，其稱量值與二級系統(tǒng)數(shù)據(jù)相互關(guān)聯(lián)，自動計算料幅及時間，實現(xiàn)特定時間內(nèi)定量均勻連續(xù)下料，穩(wěn)定爐內(nèi)碳氧反應，減少噴濺［3］。

3 智能冶煉技術(shù)開發(fā)應用

針對冶煉過程靜態(tài)控制的不足，采用激光煙氣分析儀設(shè)備進行數(shù)據(jù)采集，并以此為基礎(chǔ)，研究開發(fā)靜態(tài)控制模型、動態(tài)控制模型，開展冶煉模式體系的構(gòu)建與優(yōu)化，依靠煙氣成分判斷反應變化情況，從而進行實時調(diào)節(jié)。萊鋼銀山型鋼煉鋼廠煙氣分析系統(tǒng)分析儀安裝在轉(zhuǎn)爐煙道筒體出口處的直線煙道上，主要由發(fā)射、接收和吹掃3部分組成。分析儀通過調(diào)制激光頻率使之周期性地掃描被測氣體吸收譜線，根據(jù)譜線的衰減變化情況，分析出冶煉過程中爐內(nèi)反應所產(chǎn)生的煙氣成分。其中，重點對CO、CO2、O2含量進行檢測，根據(jù)檢測出的結(jié)果，對比冶煉進程中的元素變化，從而得到對爐內(nèi)碳氧反應情況的推知。接收單元進行分析后，測量出爐氣中相應氣體濃度。系統(tǒng)檢測速度快、精度高、穩(wěn)定性好，穩(wěn)定運行率達到99.9%［4］。與傳統(tǒng)的質(zhì)譜儀相比，分析能力獲得了極大地提升，為智能煉鋼的實現(xiàn)提供了有力的數(shù)據(jù)支持，煙氣分析儀安裝及控制如圖1所示。

圖1 煙氣分析儀安裝及控制示意圖

3.1 靜態(tài)控制模型建立

3.1.1 研究氧平衡、熱平衡變化規(guī)律

靜態(tài)模型是根據(jù)煉鋼過程中的氧、熱平衡規(guī)律建立的，研究氧氣煉鋼過程中的熱平衡來計算終點溫度，研究氧平衡來計算冶煉過程的耗氧量及過程中的碳含量。通過鐵水的顯熱將轉(zhuǎn)爐中輸入熱量，并通過氧氣和幾種元素的反應生成熱量，熱量輸出則是通過鋼水、爐渣和廢氣的顯熱完成，通過轉(zhuǎn)爐壁和輻射來散去熱量。基本上，可用熱量輸入＋熱量生成－熱量消耗－熱量損失＝鋼和爐渣熱量表示熱平衡。

通過對過程的熱量計算，得出以下熔池溫度計算公式：

式中：Tbath為熔池溫度，℃；Hproc為過程熱量總和，MJ/t；hst0為有效熱量（Tbath=0），MJ/t；Wbath為熔池重量，t；Cspslag為爐渣混合物的平均比熱容，MJ/（℃·t）；Wslag為爐渣重量，t；Cspst為鋼的比熱容，MJ/（℃·t）。

所有氧氣源和所有氧氣消耗都是碳氧平衡的一部分。平衡的各個項取決于在主吹煉結(jié)束時達到的過程平衡。氧槍供氧量由冶煉過程參與反應的氧量、鋼水中溶解氧以及過程損失的氧量構(gòu)成。根據(jù)氧氣平衡的基本構(gòu)成進行理論推導，得出氧氣平衡計算公式：

式中：Olance為氧平衡指數(shù)；Oreacction為冶煉過程參與反應的氧量；Odissolved為鋼水中溶解氧量；Ovsrc為煉鋼過程損失的氧量。

過程反應消耗的氧氣量為：

式中：Sox為鋼水中元素的氧氣消耗系數(shù)，m3（stp）/t；WEinput為元素E的輸入重量，t；PE，bth為熔池中元素E的濃度，%；Wbath為熔池重量，t。

溶解在鋼水中的氧量為：

式中：［C］為碳含量，%；Wbath為熔池重量，t。

以銀山型鋼煉鋼廠現(xiàn)有原料條件及裝入結(jié)構(gòu)進行測算，得出目前熱平衡數(shù)值區(qū)間為1 020～1 060 MJ/t，氧平衡數(shù)值區(qū)間為1 580～1 650 m3。在此范圍內(nèi)的物料計算、氧量消耗及碳含量均控制準確，可以實現(xiàn)終點溫度、碳的有效命中，提升轉(zhuǎn)爐一次拉碳率，避免鋼水的過氧化現(xiàn)象［5］。

3.1.2 綜合靜態(tài)模型的開發(fā)

在氧平衡及熱平衡的基礎(chǔ)之上，研究系統(tǒng)的自動采集及計算模型，主要考慮了利用統(tǒng)計分析工具對氧氣消耗量進行統(tǒng)計，對元素氧化及殘余情況進行分析，獲得依靠原料條件計算的準確氧氣供氣量。通過對煉鋼原料的自動采集與發(fā)射，將信息傳遞到二級控制系統(tǒng)中，系統(tǒng)根據(jù)冶煉鋼種類別，結(jié)合石灰計算典型公式計算出當爐次的石灰加入量及氧氣消耗量［6］。

式中：M石灰為石灰加入量，kg；R為爐渣堿度。

3.1.3 全覆蓋模型體系構(gòu)建

以鐵水溫度、鐵水成分及冶煉過程中的廢鋼要求為依據(jù)，建立了針對不同鐵水硅、溫度及廢鋼量共48種冶煉操作模式。吹煉前系統(tǒng)采集完初始數(shù)據(jù)后進行計算，隨后自主選擇合適的操作模式，將計算料單發(fā)送至所選擇模式，并在裝料結(jié)束后自動下槍吹煉運行。其中，根據(jù)現(xiàn)有模型需求，將廢鋼分類區(qū)間劃分為4個區(qū)間，即：0～5 t、6～10 t、11～15 t、16～20 t。在不同的廢鋼分區(qū)上，建立針對鐵水硅和溫度的加料、槍位全覆蓋操作模式，部分模式如表1所示。

表1 部分冶煉操作模式

3.2 動態(tài)控制模型開發(fā)

3.2.1 控制原理

動態(tài)控制模型是整個智能煉鋼系統(tǒng)的核心部分，它以物料及能量平衡、熱力學和動力學等理論為依據(jù)，在靜態(tài)控制模型的基礎(chǔ)上，利用激光爐氣分析儀檢測吹煉過程中產(chǎn)生的煙氣成分，并根據(jù)同步檢測的轉(zhuǎn)爐冶煉參數(shù)信息，計算熔池碳含量變化和升溫速度，實時預報轉(zhuǎn)爐冶煉過程熔池碳含量以及溫度數(shù)值。在動態(tài)模型控制下，系統(tǒng)反應靈敏度、評估準確度、參數(shù)修正的優(yōu)良度均能夠?qū)崿F(xiàn)良好的控制，以便于冶煉終點碳、溫度的高精準命中。同時，優(yōu)良的生產(chǎn)數(shù)據(jù)為系統(tǒng)自學習功能的實現(xiàn)提供了海量數(shù)據(jù)參考，極大地改善了過程控制的有效性［7］。

動態(tài)控制模型具有兩大功能。1）動態(tài)校正功能：煙氣動態(tài)校正模型輸出校正信息給實時在線預報模型，并由后者進行二次計算，計算結(jié)果與煙氣檢測數(shù)值進行對比，根據(jù)偏差值決定是否進入循環(huán)計算。2）“軟副槍”功能：借鑒副槍操作理念，當吹煉過程接近終點，系統(tǒng)檢測CO、CO2含量變化達到設(shè)定值時，對熔池內(nèi)的碳含量及熔池溫度進行校正計算，對碳、溫在線預報數(shù)據(jù)進行修正［8］。二次計算采用動態(tài)計算公式進行氧量計算：

式中：O2動態(tài)為動態(tài)過程總供氧量，m3；αd為脫碳系數(shù)；Wst為鋼水重量，t；CEA為目標碳含量，%；Bi為冷卻劑中的氧含量，%。

3.2.2 自學習架構(gòu)

通過對冶煉生產(chǎn)過程中的海量數(shù)據(jù)分析匯總，建立了煉鋼工藝數(shù)據(jù)庫，基于工藝數(shù)據(jù)庫設(shè)計具有自主學習與調(diào)節(jié)功能的轉(zhuǎn)爐智能煉鋼自學習模型，形成了針對冶煉過程控制參數(shù)及冶煉終點碳、溫雙命中進行有效自主學習并自動調(diào)整的控制關(guān)鍵技術(shù)，實現(xiàn)了在煉鋼生產(chǎn)過程中系統(tǒng)地自學習自糾正功能，確保多種冶煉條件下智能煉鋼系統(tǒng)的穩(wěn)定運行。系統(tǒng)自學習準確率達到100%，完全解決了人工參考數(shù)據(jù)進行判斷調(diào)整的問題，終點碳、溫度控制精度顯著提升［9］。自學習架構(gòu)如圖2所示。

圖2 系統(tǒng)自學習架構(gòu)

通過對靜態(tài)、動態(tài)模型開發(fā)建立以及優(yōu)化完善，建立轉(zhuǎn)爐智能冶煉控制系統(tǒng)，對冶煉過程的槍位、加料、過程反應及終點情況進行判斷，并主動反應，做出調(diào)整，解決了傳統(tǒng)副槍控制模型無法進行過程動態(tài)調(diào)控的技術(shù)難題，從而更好地服務于終點命中率的提升及技術(shù)指標的改善。

3.3 智能煉鋼應用情況

3.3.1 碳、溫命中情況

以普碳鋼種Q235B為例，對比副槍控制系統(tǒng)與煙氣分析控制系統(tǒng)下的終點碳、終點溫度命中情況，選取系統(tǒng)應用后的200爐次數(shù)據(jù)終點控制情況進行分析。命中情況如圖3、圖4所示。

圖3 終點溫度命中爐數(shù)

圖4 終點碳偏差爐數(shù)

在選取的數(shù)據(jù)當中，終點溫度以1 640℃為目標值，在±10℃以內(nèi)共有184爐，占比92%；終點碳以0.08%為目標值，偏差量在±0.02%以內(nèi)的爐數(shù)共有186爐，占比93%。整體來看，終點碳、溫雙命中率控制較好。

3.3.2 渣料消耗情況

煙氣分析系統(tǒng)應用后，轉(zhuǎn)爐冶煉過程的石灰消耗較往年同期降低了2 kg/t以上，主要因為冶煉過程碳、氧反應更加平穩(wěn)，異常情況下能夠?qū)崟r調(diào)節(jié)，并且進行精準預報，避免了冶煉過程中噴濺、返干問題的發(fā)生，渣料消耗也隨之減少。同時，穩(wěn)定的冶金過程反應保證了轉(zhuǎn)爐渣量的有效控制，2019年1—6月份，轉(zhuǎn)爐總渣量控制在80 kg/t以內(nèi)。

3.3.3 終點磷控制情況

煙氣分析系統(tǒng)應用后，穩(wěn)定的過程反應促進了冶煉前期的快速化渣，保證了脫磷反應的正向進行，對于轉(zhuǎn)爐脫磷起到了積極的影響，改善了冶煉終點時磷元素控制水平，為低磷品種鋼的冶煉創(chuàng)造了條件。分別選取低碳、低合金、普碳鋼種共60爐次，對磷元素分布進行對比，如圖5所示，從圖中可以看出，終點磷含量基本穩(wěn)定控制在0.013%～0.020%，完全滿足生產(chǎn)要求。

圖5 終點磷控制情況

4 結(jié) 論

4.1 作為煉鋼環(huán)節(jié)物質(zhì)流輸入的開端，原料條件的穩(wěn)定性控制是轉(zhuǎn)爐實現(xiàn)智能冶煉的基礎(chǔ)，為激光煙氣分析的使用創(chuàng)造了良好的外部條件。

4.2 通過對轉(zhuǎn)爐煙氣成分的采集及分析，預判不同冶煉時段的熔池反應變化，結(jié)合系統(tǒng)模型算法的優(yōu)化調(diào)整，進而指導加料及槍位控制，有效地提升了冶煉過程的標準化控制能力。

4.3 靜態(tài)模型與動態(tài)模型的研究與修正，保證了煉鋼過程的物料精準計算，為冶煉反應的穩(wěn)定進行提供了算法保障。模型體系的開發(fā)，提升了系統(tǒng)在相應的原料區(qū)間的適應性。

4.4 基于激光煙氣分析系統(tǒng)的轉(zhuǎn)爐動態(tài)智能煉鋼系統(tǒng)及相關(guān)關(guān)鍵技術(shù)的研究與實踐，解決了冶煉過程無法動態(tài)調(diào)整的關(guān)鍵技術(shù)難題。系統(tǒng)根據(jù)煙氣信息自主進行數(shù)據(jù)學習，主動反應并對過程操作評估校正，動態(tài)監(jiān)測與實時調(diào)節(jié)同步進行，對于煉鋼工序的指標改善及成本優(yōu)化促進作用顯著。