LF炉精炼渣优化与终点温度预估模型

摘要

随着钢铁企业技术进步及用户对钢材性能要求的不断提高，在炉外处理中使用优化的精炼渣已经成为冶金工作者关注的技术热点之一。研究不同的炉外精炼工艺对应的合适的精炼渣具有重要的工程意义及理论价值。出钢温度是炼钢过程的一个重要控制参数，针对LF来讲，准确预测出钢温度对提高产品质量，降低冶炼成本有重要的影响。
　　 本文在分析LF炉脱硫的动力学与热力学，并借鉴了前人所作工作的基础上，采用正交实验及通过实验室试验研究，对精炼渣进行了熔点优化与脱硫实验。采用BP神经网络建立LF炉温度预报模型，确定了6个影响钢水终点温度的主要因素。
　　 (1)正交实验研究结果表明：对熔渣熔点影响最为显著的因素是碱度，其次是氟化钙(CaF2)的含量。以渣的熔点作为考察目标，晟优的精炼渣：碱度(R)为2.5，氟化钙(CaF2)为8％wt，氧化镁(MgO)10％vet。
　　 (2)选用优化的精炼渣，实验室脱硫实验测脱硫率达到91.6％。针对脱硫率而占，影响实验室脱硫率的主要因素依次为；碱度(R)，氧化铝(Al2O3)和氟化钙(CaF2)的含量，而氧化镁(MgO)对脱硫率的影响最小。
　　 (3)本文采用了BP神经网络对非线性系统进行学习，模拟取得了较好的效果。LF炉在精炼过程中，由于炉内复杂的物理化学反应及传热过程，因而难以用准确的数学方程描述，其预测对象为非线性系统，很难建立准确的机理模型。
　　 (4)分别采用了附加动量算法和Levenberg-Marquardt法，即梯度下降法和牛顿法的结合算法训练BP网络。确定了6个影响钢水温度的主要因素：钢水重量、LF加热功率、合金的加入量、渣层厚度、吹氩量、钢水初始温度，并在此基础上提出温度预估方案。

目录

1绪论

2精炼渣的理论基础

3LF精炼渣实验室研究

4BP神经网络

5温度预估模型的实验

6总结及展望

致谢

参考文献

攻读硕士学位期间发表论文情况

声明