鋼鐵企業(yè)冶煉過程操作解析與優(yōu)化研究.pdf

1、鋼鐵的冶煉覆蓋煉鐵和煉鋼兩個生產過程，前者是將鐵由礦石中提煉出來，后者是調節(jié)鋼鐵產品內在質量的生產過程。在這兩個生產過程中存在大量的能量消耗，有著大量的化學反應，生產環(huán)境惡劣并且伴隨著高溫高熱，生產過程中工藝與控制都十分復雜，這樣使得獲取爐內的冶煉狀態(tài)變得十分困難。在實際生產中，為了精確控制和優(yōu)化高爐和轉爐的生產過程，提高產品的品質，就必須要準確地得到爐內冶煉狀態(tài)的信息。因此本文以鋼鐵冶煉過程中具有代表意義的高爐布料和轉爐煉鋼生產過程為

2、研究對象，在深入分析該生產過程運行原理的基礎上，從中提煉出了一類新的操作解析與操作優(yōu)化問題，并提出了具有一定實際應用價值的操作解析與優(yōu)化方法。本文主要研究內容如下:
　　(1)針對高爐布料過程中手工方法無法穩(wěn)定地得到滿意的徑向礦焦比值的料層的難題，在高爐布料生產過程中提煉出了一類操作優(yōu)化問題。由操作解析方法得到當前能夠保證爐況順行的徑向礦焦比滿意值。以布料料面對應的徑向礦焦比值與滿意值的偏差最小為目標函數，操作變量是爐料批重、料流

3、閥開度、溜槽旋轉速度和傾角，同時考慮了料層厚度徑向跳躍、間歇操作時間等約束，建立高爐布料生產過程操作優(yōu)化模型。為了滿足工業(yè)現場的實時性要求，構造了分散搜索和差分進化的混合算法進行高效求解。計算結果表明，計算得到的料面對應的控制指標值與最優(yōu)值的最大偏差不超過3％，證明了模型和算法的有效性?；谒岢龅母郀t布料操作模型和優(yōu)化算法，設計開發(fā)了應用在實際生產中的高爐布料系統，該系統運行后提高了爐況的穩(wěn)定性，滿足了工業(yè)現場科學穩(wěn)定地控制徑向礦焦比

4、等技術指標的要求，同時系統提供了在爐況變化時可以及時準確給出布料調整方案的功能。通過工業(yè)實際運行驗證了系統的有效性。
　　(2)依據控制方式的不同，轉爐煉鋼生產過程的操作優(yōu)化問題可分為兩類，即穩(wěn)態(tài)操作優(yōu)化和動態(tài)操作優(yōu)化。在穩(wěn)態(tài)操作優(yōu)化問題中，如何科學合理地確定轉爐冶煉過程中鐵水、白云石等原料的添加量等難題，選擇各種原料的添加量為操作變量，以滿足生產成本和終點命中偏差最小為目標函數，考慮了能量平衡、質量平衡以及爐內各元素在鋼液與鋼渣

5、中的動態(tài)平衡機理等約束，建立轉爐煉鋼生產過程的穩(wěn)態(tài)操作優(yōu)化模型，設計了差分進化和量子粒子群的混合算法進行高效求解。利用實際生產數據并與現場經驗模型比較驗證了模型和算法能夠為轉爐實際生產準確性地提供所需原料的預計算量。該模型終點命中精度達到87.4％，計算原料加入量與實際生產中原料加入量的偏差小于4.5％，平均偏差小于3.1％。
　　(3)轉爐煉鋼生產過程的動態(tài)操作優(yōu)化問題是依據檢測到的動態(tài)信息對吹煉操作參數進行動態(tài)修正，以達到預定

6、的吹煉目標。然而，轉爐煉鋼生產過程鋼水質量信息難以檢測以及測量信息有限導致過程質量測量信息不完備，針對該問題，提出了基于最小二乘支持向量機(Least Squares Support Vetor Machine，LS-SVM)的動態(tài)數據解析方法，建立轉爐煉鋼生產過程鋼水質量動態(tài)預報模型。構造改進粒子群方法對LS-SVM參數進行優(yōu)化。使用實際生產數據驗證了所建模型的預報效果和有效性能，可以連續(xù)準確地預報轉爐煉鋼過程中鋼水質量信息，碳含量預

7、報的最大誤差不超過0.237％，溫度預報的最大相對誤差不超過3.5％。
　　(4)在轉爐煉鋼生產過程鋼水質量動態(tài)預報的基礎上，提出一類新的動態(tài)操作優(yōu)化問題解決轉爐煉鋼過程動態(tài)控制。針對轉爐煉鋼生產過程復雜無法在線控制的難題，以影響爐況安全的溫升和脫碳速度為控制指標，由操作解析方法得到理想經驗值，以實時指標值與理想經驗值的偏差最小為目標，考慮煙氣偏差校正約束，建立轉爐煉鋼生產過程動態(tài)操作優(yōu)化模型。操作變量包括從當前時刻到下一時刻的時

8、間范圍內加入的氧氣總量、頂吹氧氣供氣模式、底吹氣體總量和各副原料加入的重量。構造了改進的變異差分進化算法對模型高效求解，得到當前各冶煉操作變量的設定值，并通過控制器實現對轉爐生產過程的動態(tài)控制。通過收集到的實際生產數據，驗證了所提模型和算法的有效性。鋼水碳元素含量的命中精度最小為0.9527％，平均命中精度為0.97％，溫度最大偏差為7.52℃，平均偏差為3.082℃。
　　最后，在總結全文的基礎上，本文還對鋼鐵冶煉過程的未來操作