CN1782102A - 一种确定rh精炼过程中吹氧量和冷材加入量的方法 - Google Patents

Abstract

一种确定RH精炼过程中吹氧量和冷材加入量的方法，它能够预先准确地确定达到RH精炼处理目标温度所需的吹氧量和冷材加入量，从而缩短RH处理时间，降低生产成本，并提高钢液质量。该方法在确定RH精炼处理完成时刻的钢液预测温度时，将温度变化量分解为合金加入、吹氧和自然温降等不同因素引起的分量，并且利用神经网络模型计算所述自然温降引起的变化分量，如果钢液预测温度大于钢液目标温度，则根据钢液预测温度与钢液目标温度的差值确定所需的冷材加入量，如果钢液预测温度小于钢液目标温度，则根据钢液预测温度与钢液目标温度的差值确定所需的吹氧量。对于处理前未脱氧钢液，本发明的方法还提供了确定镇静前所需吹氧量的计算方法。

Description

一种确定RH精炼过程中吹氧量和冷材加入量的方法

技术领域

本发明涉及冶金过程的生产与控制领域，特别涉及一种确定RH精炼过程中吹氧量和冷材加入量的方法。

背景技术

随着用户对钢材品种、质量的要求越来越高，RH精炼的应用逐渐增多，同时对RH处理的过程控制也提出了更高的要求，因此RH精炼炉已经成为许多高等级钢种生产必不可少的精炼设备。RH处理工艺的主要特点是通过钢液在真空槽与钢包内的循环流动，并辅之以顶枪吹氧，实现脱碳、脱气、调整钢液温度和成分、去除钢液中的夹杂等冶金功能。图1示出了一种典型的RH精炼炉的示意图。如图1所示，真空***1与RH真空槽3相连接，当真空槽3的下口完全浸入钢包2中的钢液时，将形成一个密闭***。真空槽3上还设置与合金加料***4和氧枪5相接的端口。当RH处理开始时，启动真空***1排气抽真空。在随后的处理过程中，为了达到各项工艺要求，可通过合金加料***4加入一定种类和数量的合金，并通过氧枪5向钢液中吹氧。最后，当钢液成分和温度达到目标要求时，使真空***1停止排气从而结束整个RH处理过程。

作为实现转炉与连铸中间工序的工艺设备，RH精炼炉必须提供满足温度要求的钢液，这是后工序顺利进行的前提条件。如果钢液温度过低，则后工序连铸无法进行浇铸，反之，则不但影响最终的钢材质量，而且导致生产成本上升。

在RH精炼处理中，影响温度的因素较多，为了确保RH处理终了钢液温度达到目标温度要求，必须对钢液温度进行适当的调整。RH精炼处理温度调整的主要方法包括在处理过程向钢液中吹入氧气或加冷材，其中，吹氧的主要作用为升温和脱碳，所谓升温，也即通过氧与合金的化学反应所产生的热量实现钢液温度的升高目的，所谓脱碳，是指在真空状态下，通过氧与碳的化学反应而使钢液中的含碳量降低，加冷材的目的是用来降低钢液温度。由此可见，准确地计算出吹氧量和冷材加入量是控制RH处理终了钢液温度的关键。

目前常用的吹氧和冷材加入方法包括一种称为逐步调整的方法，也即在RH精炼处理过程中，操作人员先吹入少量的氧或者加入少量的冷材，然后实测钢液温度，再凭借经验，根据实测温度与RH处理终了时的目标温度之间的差值确定进一步的吹氧量或冷材加入量，这样的调整可能需要反复进行，直到达到目标温度为止。另外一种吹氧和冷材加入方法采取比较保守的策略，操作人员给予足够的富余量以保证处理终了的钢液温度高于目标温度的上限，这样就不会因处理终了后的钢液温度过低，导致下工序无法进行。但是以上两种方法都会导致RH处理时间延长、生产成本上升和钢液质量下降等诸多缺点。

发明内容

本发明的目的是提供一种确定RH精炼过程中吹氧量和冷材加入量的方法，它能够预先准确地确定达到RH精炼处理目标温度所需的吹氧量和冷材加入量，从而缩短RH处理时间，降低生产成本，并提高钢液质量。

本发明的发明目的通过下列技术方案实现：

一种确定RH精炼过程中吹氧量和冷材加入量的方法，RH精炼处理钢液为脱氧钢液，包含以下步骤：

(1)确定RH精炼处理完成时刻的钢液预测温度，所述钢液预测温度包含向钢液中加入合金引起的变化分量和自然降温引起的变化分量，其中，所述自然温降引起的变化分量利用神经网络模型计算；

(2)如果所述钢液预测温度大于RH精炼处理完成时刻的钢液目标温度，则根据所述钢液预测温度与所述钢液目标温度的差值确定所需的冷材加入量，如果所述钢液预测温度小于所述钢液目标温度，则根据所述钢液预测温度与所述钢液目标温度的差值确定所需的吹氧量。

本发明的发明目的还通过下列技术方案实现：

一种确定RH精炼过程中吹氧量和冷材加入量的方法，RH精炼处理前钢液为未脱氧钢液，包含以下步骤：

(1)确定达到镇静前目标游离氧浓度所需的吹氧量VOLUMEF_O2；

(2)确定RH精炼处理完成时刻的钢液预测温度，所述钢液预测温度包含向钢液中加入合金引起的变化分量、数量为VOLUMEF_O2的氧气溶入钢液引起的变化分量和自然降温引起的变化分量，其中，所述自然温降引起的变化分量利用神经网络模型计算；

(3)如果所述钢液预测温度大于钢液目标温度，则确定所需的总吹氧量为VOLUMEF_O2并且根据所述钢液预测温度与所述钢液目标温度的差值确定所需的冷材加入量，如果所述钢液预测温度小于钢液目标温度，则根据所述钢液预测温度与所述钢液目标温度的差值确定所需的吹氧量VOLUMET_O2，并将所需的总吹氧量确定为(VOLUMEF_O2+VOLUMET_O2)。

在上述方法中，所述神经网络模型输入层的输入变量包含从处理开始时刻至该时刻的时间间隔、RH精炼炉周围环境温度和钢液重量，输出层的输出变量为自然温降引起的变化分量。而且，比较好的是，所述神经网络模型采用三层反向传递网络神经结构。更好的是，所述三层反向传递网络神经结构的激励函数为对数S形传递函数，其结构为：

$f\left(x\right)=\frac{1}{1+e^{-x}}$

由上可见，本发明的方法采用神经网络模型来处理自然降温因素，提高了预测温度的准确性，在此基础上，该方法综合考虑吹氧和冷材加入对不同情况钢液温度的影响机理，提出了吹氧量和冷材加入量的具体计算模型，因此使得在RH处理开始时预先确定吹氧量和冷材加入量成为可能，从而缩短了RH处理的时间，降低了生产成本，并且提高了钢液的质量。

附图说明

通过以下结合附图对本发明较佳实施例的描述，可以进一步理解本发明的目的、特征和优点，其中：

图1为一种典型RH精炼炉的示意图。

图2为本发明较佳实例所采用的三层反向传递(BP)神经网络的拓朴结构示意图。

图3为本发明方法用于RH处理前钢液已脱氧情形的流程图。

图4为本发明方法用于RH处理前钢液未脱氧情形的流程图。

具体实施方式

为了确定所需的吹氧量和冷材加入量，首先必须建立一种能够准确预测RH处理结束时钢液温度的方法。在RH处理过程中，影响钢液温度的因素一般可归并为两类，一类是可基于冶金学机理模型或生产数据进行量化，例如合金的数量、种类、吹氧量和冷材加入量等，另一类因素往往具有非常复杂的非线性特征，难以用物理模型或热力学模型以及生产数据进行精确地描述，以下我们将其称为自然温降因素。对于前一类因素，采用基于冶金学机理模型或生产数据推导得出的代数学模型进行计算即可，而对于后一类因素，本发明则将其都归结到神经网络模型中而避免采用物理模型进行描述，也就是说，通过使神经网络对一系列实测数据的学习建立起外界变量与自然温降导致的温度变化量之间的输入-输出关系。由此可在减少计算复杂度的前提下提高预测精度，从而达到准确预测RH精炼炉钢液温度的目的。

以下进一步描述本发明的温度预测方法原理。

假定RH处理过程发生于图1所示的RH精炼炉内，为简单起见，将处理开始时刻设定为0，则时刻t时RH精炼炉内钢液温度相对时刻为0的变化量f(t)可表示为：

              f(t)＝T_NATURAL(t)+T_ALLOY+T_KTB     (1)

其中，T_NATURAL(t)为自然温降因素引起的RH精炼炉钢液温度变化分量，该变化分量需要采用下面将作进一步描述的神经网络模型进行计算，T_ALLOY为加入合金的种类和数量引起的RH精炼炉钢液温度变化分量，T_KTB为吹氧量引起的RH精炼炉钢液温度变化分量，它们都可以根据公知的冶金学机理模型计算得到，下面也将作具体描述。

在具体实施方式中，可采用具有图2所示拓朴结构的三层反向传递(BP)网络神经结构来处理自然温降因素引起的变化分量T_NATURAL(t)，该网络神经结构是一种误差反向传播的多层前馈神经网络，可实现从输入到输出的任意非线性映射。如图2所示，该神经网络的拓朴结构包括输入层、隐含层和输出层三层，其中，输入层包含三个输入节点，分别对应从RH处理开始时刻至所要预测时刻的时间间隔、RH精炼炉周围环境温度和钢液重量这三个输入变量，输出层包含1个输出节点，对应自然温降因素引起的变化分量T_NATURAL(t)；此外，图2所示神经网络中的激励函数采用对数S形(Sigmoid)传递函数，其结构为：

$\left(x\right)=\frac{1}{1+e^{-x}}$

为了建立起自然温降的变化曲线，向该神经网络提供多组实测数据作为学习样本，每组数据包括作为输入变量的从RH处理开始时刻至所要预测时刻的时间间隔、RH精炼炉周围环境温度和钢液重量和作为输出变量的自然温降因素引起的变化分量T_NATURAL(t)。经过学习，该神经网络将建立起一定的输入-输出关系。在预测钢液温度时，只要将具体的输入变量输入该神经网络，即可利用已经建立的输入-输出关系计算出自然温降的变化分量T_NATURAL(t)。

值得指出的是，对于计算自然温降分量的神经网络模型，其输入变量一般包括从RH处理开始时刻至所要预测时刻的时间间隔、RH精炼炉周围环境温度和钢液重量就可充分地刻画自然温降因素引起的温度变化量，精度完全可满足实际应用的需要，当然，也还可以引入其它的输入变量以提高预测精度或适应特殊的应用场合，但是这些都基于本发明采用神经网络模型计算自然温降分量的思路。此外，处理自然温降因素引起的变化分量T_NATURAL(t)所用的神经网络并不局限于图2所示的结构，激励函数也不局限于公式(2)所示的形式，对于本领域内的技术人员来说，在认识到采用神经网络模型来处理自然温降因素可有效避免计算复杂性和提高温度预测的实时性、准确性这一关键点之后，根据具体情况采用合适类型的神经网络结构是显而易见的，因此以其它类型的神经网络替代本实施例所采用的三层BP神经网络皆属于等同替换。

以下描述合金加入引起的钢液温度变化量T_ALLOY的计算方法。在RH精炼处理过程中，加入的合金一般根据所起的化学作用分成两类：普通合金和特殊合金。普通合金是指加入的合金仅作为钢液中的成分元素而存在(即仅起到合金化作用)，本身并不参与脱氧。特殊合金则既是钢液中的成分元素，又起到脱氧剂的作用。在计算合金加入引起的钢液温度变化量时，首先应根据加入时钢液所处的状态判断加入合金的作用是作为脱氧剂还是成分元素，或者是既作为脱氧剂又作为成分元素。表1～3列出了各种合金在不同情况下的温降计算公式，单位为℃/千克/吨，即每千克合金的加入量使每吨钢液的温度改变量。在确定温降计算公式之后，将每种合金的加入量和钢液重量代入相应的温降计算公式即可计算出每种合金的加入所引起的钢液温度变化分量。最后，将这些温度变化分量相加即得到T_ALLOY。

(1)特殊合金

特殊合金主要有铝(Al)、硅铁(FeSi)和碳粉(C-PW)，当其既作为脱氧剂又作为成分元素时，温降计算公式如表1所示。

                                     表1

加入的合金	加入目的	每千克合金使吨钢的温度改变量(℃/kg/t)
			Al	脱氧及合金化	0.144×WAl/WSTEEL+3.353×10-2×Δ[O]
FeSi(77％)	脱氧及合金化	0.81×WFeSi/WSTEEL+2.32×10-2×Δ[O]
			C-PW	脱氧及合金化	-5.92×WC-PW/WSTEEL+0.178×10-2×Δ[O]

若特殊合金仅用于钢液的合金化，则其温降计算公式如表2所示。

                            表2

加入的合金	加入目的	每千克合金使吨钢的温度改变量(℃/kg/t)
			Al	合金化	0.144×WAl/WSTEEL
FeSi(77％)	合金化	0.81×WFeSi/WSTEEL
			C-PW	合金化	-5.92×WC-PW/WSTEEL

表1和表2中的W_STEEL为钢液重量；W_Al、W_FeSi、W_C-PW分别为加入的铝、硅铁和碳粉的重量。Δ[O]为脱去的游离氧浓度，单位为ppm。

(2)普通合金

普通合金主要有冷材、锰铁、钛铁、硼铁、磷铁、铬铁、钼铁和铌铁，它们的作用是合金化，其温降计算公式如表3所示。

                            表3

加入的合金	加入目的	每千克合金使吨钢的温度改变量(℃/kg/t)
			H-Mn	合金化	-2.26×WH-Mn/WSTEEL
M-Mn	合金化	-2.01×WM-Mn/WSTEEL
			L-Mn	合金化	-2.0×WL-Mn/WSTEEL
LCTi(25％)	合金化	0.1×WLCTi/WSTEEL
			Fe-B	合金化	-4.02×WFe-B/WSTEEL
Fe-P	合金化	-3.53×WFe-p/WSTEEL
			LCCr	合金化	-2.0×WLCCr/WSTEEL
Fe-Mo	合金化	-1.21×WFe-Mo/WSTEEL
			ScHP	合金化	-2.1×WScHP/WSTEEL
FeSi(77％)	合金化	0.81×WFeSi/WSTEEL

表3中的W_STEEL为钢液重量；W_H-Mn、W_M-Mn、W_L-Mn、W_L-CTi、W_Fe-B、W_LCCr、W_Fe-Mo、W_ScHP、W_FeSi分别为加入的各种普通合金的重量。

在RH处理过程中，吹氧主要有两个目的：脱碳和升温。对于已脱碳的钢液，吹氧主要用来升温。对于未脱碳的钢液，处理前期的吹氧主要用来提供脱碳所需要的氧和促进脱碳反应的进行，处理后期由于钢液中碳含量较低，因此吹氧的主要作用是升温。以下分别描述这两种情况下吹氧引起的钢液温度变化量T_KTB的计算方法。

(1)已脱氧钢液的吹氧

当向已脱氧钢液吹入氧气时，吹氧的唯一目的是升温，钢液中的合金元素将与氧发生化学反应，这些化学反应将吸收或释放热量从而引起钢液温度的变化。为了确定这种温度变化，首先可根据生产数据确定吹入氧气的利用率，即有多少数量的氧气参与化学反应和每种化学反应耗用的氧气比例，然后根据每种化学反应吸收或释放的热量计算出吹入氧气引起的钢液温度变化分量T_KTB。假设吹入体积为VOLUME_O2的氧气，则引起的温度变化分量为：

$T_{\mathrm{KTB}}=\frac{C_{O2}\mathrm{\η}}{W_{\mathrm{STEEL}}}\mathrm{VOLUM}{E}_{O2}---\left(3\right)$

其中，W_STEEL为钢液的重量，T_KTB为钢液温度变化分量，C_O2为单位体积氧气与某种合金反应可使脱氧钢液上升的温度，η为脱氧钢液的氧气利用率系数。一般情况下，氧主要与钢液中的铝发生反应，因此计算可仅考虑氧与铝的化学反应。

(2)未脱氧钢液的吹氧

当向未氧碳钢液吹入氧气时，吹氧脱碳与没有吹氧时钢液中的脱碳反应热效应相同，因此可以不考虑吹氧脱碳引起的温度变化，需要考虑的仅是溶入钢液中的吹入氧气部分对钢液温度的影响。溶入钢液中的吹入氧气数量可以用钢液中的游离氧浓度变化表征，游离氧浓度增加量与温度变化量的对应关系可根据生产数据获得，由此即可计算出吹入氧气引起的钢液温度变化分量T_KTB。

值得指出的是，由于合金和吹氧对钢液温度的影响可以采用冶金学机理模型或生产数据进行描述并且对于本领域内的技术人员来说计算方法也是公知的，因此上述合金加入和吹氧引起的钢液温度变化量的计算方法仅是示意性质的，不应构成对本发明精神和保护范围的限定。

在上述温度预测的计算中未考虑钢包状态及包底冷钢状态引起的钢液温度变化量，它们对钢液温度的影响主要是在RH处理前期，并且与钢液温度相比，影响程度也较小。假定RH处理过程发生于图1所示的RH精炼炉内，为简单起见，仍将处理开始时刻设定为0，则时刻t时RH精炼炉内钢液温度相对时刻为0的变化量f(t)表示为：

         f(t)＝T_NATURAL(t)+T_ALLOY+T_KTB+T_LADLEB(t)   (3′)

其中，T_NATURAL(t)为自然温降因素引起的RH精炼炉钢液温度变化分量，该变化分量可采用与上述相同的方式计算，T_ALLOY为加入合金的种类和数量引起的RH精炼炉钢液温度变化分量，T_KTB为吹氧量引起的RH精炼炉钢液温度变化分量，它们也可采用与上述相同的方式计算。T_LADLEB(t)为钢包状态及包底冷钢状态引起的钢液温度变化量。以下对钢包状态及包底冷钢状态引起的钢液温度变化量的计算方式作详细描述。

所谓钢包状态即上一炉浇注结束至本炉出钢开始的时间间隔，当该时间间隔较长时，在RH处理初期，钢包将吸收较多的热量，因此使得钢液温度的降低程度更大，反之，钢包将吸收较少的热量，因此使得钢液温度的降低程度较小。为了简化处理，可以将钢包状态分为1～6共计6级，也即将时间间隔分为6段范围，每级或每段对应一个温度补正量，并且按照下式计算引起的钢液温度变化量：

                 ΔT₁(t)＝T_B1×t/8(t≤8)  (4)

其中，ΔT₁(t)为t时刻钢液的温度，T_B1为与相应级别和段对应的温度补正量，具体数值根据生产情况确定，表4示出了一个实例。根据生产经验，钢包的吸热主要发生在RH处理的前8分钟，因此这里t≤8分钟。

所谓包底冷钢状态即上一炉浇注结束后留在钢包底部的冷钢数量。从RH处理开始几分钟后钢包内的钢液环流比较明显，持续几分钟后达到循环均匀，因此包底冷钢对处理过程温降的影响局限于这段时间，一般情况下，这段时间为RH处理后的第3～6分钟。如果冷钢数量较多，将吸收较多的热量，因此钢液温度的降低程度更大，反之，冷钢吸收的热量较少，因此钢液温度的降低程度较小。为了简化处理，可以将冷钢状态分为A～B共计5级，也即将冷钢数量分为5段范围，每级或每段对应一个温度补正量，并且按照下式计算引起的钢液温度变化量：

               ΔT₂(t)＝T_B2(t-3)/3(3≤t≤6)  (5)

其中，ΔT₂(t)为t时刻钢液的温度，T_B2为与相应级别和段对应的温度补正量，具体数值根据生产情况确定，表4示出了一个实例。这里假设包底冷钢对处理过程温降的影响局限于从RH处理开始的第3～6分钟，即3≤t≤6分钟。

将上述钢包状态和包底冷钢状态引起的温度变化量ΔT₁(t)和ΔT₂(t)相加即可获得T_LADLEB(t)。

                     表4

钢包状态	温度补正(℃)	包底冷钢	温度补正(℃)
				1	0	A	0
2	0	B	-5
				3	-3	C	-8
4	-5	D	-12
				5	-10	E	异常处理
6	-10

值得指出的是，可以采用冶金学机理模型或根据生产数据精确确定对钢液温度影响程度的并不局限于上述第一和第二实施例所列出的合金加入、吹氧、钢包状态和包底冷钢状态等因素，由于实际应用的多样性，这里无法穷举出各种因素，例如当真空槽长时间搁置后再投入使用时，其对钢液温度的影响因素在说明书中未作详细论述，因此上述描述仅是示意性质的。对于本领域内的技术人员来说，只要通过阅读本说明书就能得到可采用神经网络模型来处理冶金学机理模型或生产数据无法精确描述的温度影响因素的启示，至于如何根据冶金学机理模型或生产数据精确确定这类因素对钢液温度的影响程度则是显而易见的事情，因此上述示意性质的描述不应构成对本发明精神和保护范围的限定。

在准确预测RH处理终了时温度的基础上，即可根据预测温度与目标温度的差值确定应该吹入的氧气量和/或加入的冷材量。如上所述，对于RH处理开始前已脱氧钢与未脱氧钢，吹氧的目的与作用不尽相同，其中前者吹氧的唯一目的是升温以保证钢液在处理终了时达到目标温度，而后者吹氧则除了升温以外，还有将钢液含碳量降低至某一水平的目的。以下分别描述两种不同情况下吹氧量和冷材加入量的计算方法。

RH处理前已脱氧钢的吹氧量和冷材加入量的计算

图3为本发明方法用于RH处理前已脱氧钢液情形时的流程图。

如图3所示，在步骤31中，按照上述方法计算普通合金和特殊合金加入引起的钢液温度变化量T_ALLOY。

接着，在步骤32中，利用神经网络模型计算RH处理终了时自然温降引起的钢液温度变化分量T_NATURAL，该神经网络模型输入层的输入变量包含从RH处理开始时刻至处理终了时刻的时间间隔、RH精炼炉周围环境温度和钢液重量，输出层的输出变量为自然温降引起的变化分量T_NATURAL。如上所述，可以采用各种神经网络模型，例如图2所示的三层反向传递(BP)神经网络。

随后，在步骤33中，将RH处理开始时的初始温度与步骤31和32计算得到的变化分量T_ALLOY和T_NATURAL相加以得到RH处理终了时的预测温度T_STATD。

接着，在步骤34中，将钢液预测温度T_STATD与RH精炼处理完成时刻的钢液目标温度T_AIM进行比较，如果钢液预测温度T_STATD等于钢液目标温度T_AIM，则进入步骤35，如果钢液预测温度T_STATD不等于钢液目标温度T_AIM，则进入步骤36。

在步骤35中，由于预测温度与目标温度一致，无需通过吹氧或加入冷材对RH处理终了时的温度作进一步的调整，因此结束计算流程。

在步骤36中，如果钢液预测温度T_STATD大于钢液目标温度T_AIM，则进入步骤37，如果钢液预测温度T_STATD小于钢液目标温度T_AIM，则进入步骤38。

由于预测温度大于目标温度，需要通过加入冷材降温，因此在步骤37中，按照下式(6)计算冷材的加入量W_SCHP：

                    W_SCHP＝W_STEELΔT/C_SCHP     (6)

其中，W_STEEL为钢液的重量，C_SCHP为冷材的温降系数，ΔT为钢液预测温度T_STATD与钢液目标温度T_AIM之差。

由于预测温度小于目标温度，需要通过吹氧升温，因此在步骤38中，按照下式(7)计算吹氧量VOLUME_O2：

${\mathrm{VOLUME}}_{O2}=\frac{\mathrm{\ΔT}}{{C1}_{O2}\mathrm{\η}1}{W}_{\mathrm{STEEL}}---\left(7\right)$

其中，W_STEEL为钢液的重量，ΔT为钢液预测温度T_STATD与钢液目标温度T_AIM之差，C1_O2为单位体积氧气与铝反应可使脱氧钢液上升的温度，η1为脱氧钢液的氧气利用率系数。为简单起见，这里的计算假设氧只与钢液中的铝发生反应而不与硅、锰等其它合金发生反应，这样的假设与RH实际处理工艺基本上是一致的。

步骤37和38的处理完成之后都返回步骤35，输出计算得到的吹氧量或冷材加入量。

RH处理前未脱氧钢的吹氧量和冷材加入量的计算

在生产IF钢和电工钢等超低碳钢种时，RH处理有脱碳要求，脱碳反应耗用的游离氧数量(以浓度计)[O]_C为：

                 [O]_C＝([C]_INI-[C]_AIM)×16÷12     (8)

其中，[C]_INI为初始碳含量(ppm)，[C]_AIM为目标碳含量(ppm)。式中的16为氧元素的原子量，12为碳元素的原子量。

此外，为了保证脱碳反应能够顺利进行，还需在镇静(又称钢水脱氧)前使钢液中的游离氧保持在一定的浓度水平之上(以下将该浓度水平称为镇静前目标游离氧浓度[O]_AIM)。这样，镇静前钢液中所需的游离氧数量[O]_DEMAND(以浓度计)即等于游离氧浓度[O]_C与游离氧浓度[O]_AIM之和。

如果初始游离氧数量(以浓度计)[O]_INI大于或等于游离氧浓度[O]_DEMAND，则表明脱碳处理后的游离氧浓度大于或等于镇静前目标游离氧浓度[O]_AIM，因此镇静前无需吹氧，反之，则表明需要通过吹氧增加钢液中的游离氧数量以保证镇静前的游离氧浓度不低于目标游离氧浓度[O]_AIM。这样，所需的吹氧量VOLUMEF_O2可按照下式计算：

${\mathrm{VOLUMEF}}_{O2}=\frac{\mathrm{\Δ}\left[O\right]}{{\mathrm{CN}}_{O2}\mathrm{\η}2}{W}_{\mathrm{STEEL}},\mathrm{\Δ}\left[O\right]>0---\left(9a\right)$

               VOLUMEF_O2＝0Δ   [O]≤0            (9b)

其中，Δ[O]为镇静前钢液中所需的游离氧浓度[O]_DEMAND减去初始游离氧浓度[O]_INI的差值，CN_O2为单位体积氧气完全溶于单位重量钢液时所形成的游离氧浓度，η2为未脱氧钢液的氧气利用率系数，V_STEEL为钢液的重量。

图4为本发明方法用于RH处理前未脱氧钢液情形时的流程图。

如图4所示，在步骤41中，按照上述方法计算普通合金和特殊合金加入引起的钢液温度变化量T_ALLOY。

接着，在步骤42中，利用神经网络模型计算RH处理终了时自然温降引起的钢液温度变化分量T_NATURAL，该神经网络模型输入层的输入变量包含从RH处理开始时刻至处理终了时刻的时间间隔、RH精炼炉周围环境温度和钢液重量，输出层的输出变量为自然温降引起的变化分量T_NATURAL。如上所述，可以采用各种神经网络模型，例如图2所示的三层反向传递(BP)神经网络。

随后，在步骤43中，利用上式(9a)或(9b)计算所需的吹氧量VOLUMEF_O2。

接着，在步骤44中，计算吹氧量VOLUMEF_O2引起的钢液温度变化分量T_KTB1，其计算方式如上所述，可根据游离氧浓度增加量Δ[O]与温度变化量的对应关系确定。

随后，在步骤45中，将RH处理开始时的初始温度与步骤41、42和44中计算得到的变化分量T_ALLOY、T_NATURAL和T_KTB1相加，从而以得到RH处理终了时的预测温度T_STATD′。

接着，在步骤46中，将钢液预测温度T_STATD′与RH精炼处理完成时刻的钢液目标温度T_AIM进行比较，如果钢液预测温度T_STATD′等于钢液目标温度T_AIM，则进入步骤47，如果钢液预测温度T_STATD′不等于钢液目标温度T_AIM，则进入步骤48。

在步骤47中，由于预测温度与目标温度一致，无需通过吹氧或加入冷材对RH处理终了时的温度作进一步的调整，因此确定总计吹氧量为VOLUMEF_O2并进入步骤49，输出计算结果。

在步骤48中，如果钢液预测温度T_STATD′大于钢液目标温度T_AIM，则进入步骤410，如果钢液预测温度T_STATD′小于钢液目标温度T_AIM，则进入步骤411。

由于预测温度大于目标温度，需要通过加入冷材降温，因此在步骤410中，按照式(10)计算冷材的加入量W_SCHP：

            W_SCHP＝W_STEELΔT′/C_SCHP    (10)

其中，W_STEEL为钢液的重量，C_SCHP为冷材的温降系数，ΔT′为钢液预测温度T_STATD′与钢液目标温度T_AIM之差。

由于预测温度小于目标温度，需要通过吹氧升温，因此在步骤411中，按照下式计算吹氧量VOLUME_O2：

${\mathrm{VOLUMET}}_{O2}=\frac{\mathrm{\Δ}{T}^{\′}}{C{2}_{O2}\mathrm{\η}2}{W}_{\mathrm{STEEL}}---\left(11\right)$

其中，W_STEEL为钢液的重量，ΔT′为所述钢液预测温度T_STATD′与所述钢液目标温度T_AIM之差，C2_O2为未脱氧钢液的吹氧升温系数，也即单位体积氧气使单位重量未脱氧钢液升温的数值，其包括氧气溶于钢液和合金脱氧这两部分的贡献，η2为未脱氧钢液的氧气利用率系数。为简单起见，这里的计算假设氧只与钢液中的铝发生反应而不与硅、锰等其它合金发生反应，这样的假设与RH实际处理工艺基本上是一致的。

随后，在步骤412中，按照下式计算总的吹氧量VOLUME：

              VOLUME＝VOLUMEF_O2+VOLUMET_O2      (12)

步骤410和412的处理完成之后都返回步骤49，输出计算结果。

在上述温度预测的计算中虽然未考虑钢包状态及包底冷钢状态引起的钢液温度变化量，但是当需要进一步提高精度时，完全可以按照上述方式将它们对钢液温度的影响也考虑进去。

Claims (5)

1、一种确定RH精炼过程中吹氧量和冷材加入量的方法，RH精炼处理前钢液为脱氧钢液，其特征在于，包含以下步骤：

(1)确定RH精炼处理完成时刻的钢液预测温度，所述钢液预测温度包含向钢液中加入合金引起的变化分量和自然降温引起的变化分量，其中，所述自然温降引起的变化分量利用神经网络模型计算；

(2)如果所述钢液预测温度大于RH精炼处理完成时刻的钢液目标温度，则根据所述钢液预测温度与所述钢液目标温度的差值确定所需的冷材加入量，如果所述钢液预测温度小于所述钢液目标温度，则根据所述钢液预测温度与所述钢液目标温度的差值确定所需的吹氧量。

2、一种确定RH精炼过程中吹氧量和冷材加入量的方法，RH精炼处理前钢液为未脱氧钢液，其特征在于，包含以下步骤：

(1)确定达到镇静前目标游离氧浓度所需的吹氧量VOLUMEF_O2；

(2)确定RH精炼处理完成时刻的钢液预测温度，所述钢液预测温度包含向钢液中加入合金引起的变化分量、数量为VOLUMEF_O2的氧气溶入钢液中引起的变化分量和自然降温引起的变化分量，其中，所述自然温降引起的变化分量利用神经网络模型计算；

(3)如果所述钢液预测温度大于钢液目标温度，则确定所需的总吹氧量为VOLUMEF_O2并且根据所述钢液预测温度与所述钢液目标温度的差值确定所需的冷材加入量，如果所述钢液预测温度小于钢液目标温度，则根据所述钢液预测温度与所述钢液目标温度的差值确定所需的吹氧量VOLUMET_O2，并将所需的总吹氧量确定为(VOLUMEF_O2+VOLUMET_O2)。

3、如权利要求1或2所述的方法，其特征在于，所述神经网络模型输入层的输入变量包含从处理开始时刻至该时刻的时间间隔、RH精炼炉周围环境温度和钢液重量，输出层的输出变量为自然温降引起的变化分量。

4.如权利要求3所述的方法，其特征在于，所述神经网络模型采用三层反向传递网络神经结构。

5.如权利要求4所述的方法，其特征在于，所述三层反向传递网络神经结构的激励函数为对数S形传递函数，其结构为：

$f\left(x\right)=\frac{1}{1+e^{-x}}$

Images