电弧炉炼钢炉渣成分实时预报模型

工程科学学报 Chinese Journal of Engineering 电弧炉炼钢炉渣成分实时预报模型 杨凌志薛波涛宋景凌魏光升郭宇峰谢鑫刘全胜 Real-time prediction model of slag composition in electric arc furnace steelmaking YANG Ling-zhi,XUE Bo-tao,SONG Jing-ling,WEI Guang-sheng.GUO Yu-feng.XIE Xin,LIU Quan-sheng 引用本文： 杨凌志，薛波涛，宋景凌，魏光升，郭宇峰，谢鑫，刘全胜.电弧炉炼钢炉渣成分实时预报模型.工程科学学报，2020,42(S): 39-46.doi10.13374j.issn2095-9389.2020.04.05.s12 YANG Ling-zhi,XUE Bo-tao,SONG Jing-ling,WEI Guang-sheng,GUO Yu-feng,XIE Xin,LIU Quan-sheng.Real-time prediction model of slag composition in electric arc furnace steelmakingJ].Chinese Journal of Engineering,2020,42(S):39-46.doi: 10.13374/i.issn2095-9389.2020.04.05.s12 在线阅读View online:https::/oi.org10.13374j.issn2095-9389.2020.04.05.s12 您可能感兴趣的其他文章 Articles you may be interested in 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the "furnacecaster coordinating" strategy 工程科学学报.2020.42(5：645htps:/1doi.org10.13374j.issn2095-9389.2019.08.02.004 高炉渣对钢渣改性的物理化学基础研究 Fundamental research on the physics and chemistry of steelmaking slag modified with hot blast furnace slag 工程科学学报.2018,40(5：557htps:doi.org/10.13374j.issn2095-9389.2018.05.005 基于关联关系的仿真模型实时智能推荐方法 Real-time intelligent recommendation method of a simulation model based on incidence relation 工程科学学报.2017,394：626htps:loi.org10.13374.issn2095-9389.2017.04.019 基于函数型数字孪生模型的转炉炼钢终点碳控制技术 Control technology of end-point carbon in converter steelmaking based on functional digital twin model 工程科学学报.2019,41(4：521 https:1doi.org10.13374j.issn2095-9389.2019.04.013 金川镍沉降渣的工艺矿物学 Process mineralogy of Jinchuan nickel slag in a settlement furnace 工程科学学报.2017,393：349htps:/doi.org10.13374j.issn2095-9389.2017.03.005 转炉吹炼后期碳含量预报的改进指数模型 Modified exponential model for carbon prediction in the end blowing stage of basic oxygen furnace converter 工程科学学报.2020,42(7)：854 https://doi..org10.13374.issn2095-9389.2019.11.23.001

电弧炉炼钢炉渣成分实时预报模型 杨凌志 薛波涛 宋景凌 魏光升 郭宇峰 谢鑫 刘全胜 Real-time prediction model of slag composition in electric arc furnace steelmaking YANG Ling-zhi, XUE Bo-tao, SONG Jing-ling, WEI Guang-sheng, GUO Yu-feng, XIE Xin, LIU Quan-sheng 引用本文: 杨凌志, 薛波涛, 宋景凌, 魏光升, 郭宇峰, 谢鑫, 刘全胜. 电弧炉炼钢炉渣成分实时预报模型[J]. 工程科学学报, 2020, 42(S): 39-46. doi: 10.13374/j.issn2095-9389.2020.04.05.s12 YANG Ling-zhi, XUE Bo-tao, SONG Jing-ling, WEI Guang-sheng, GUO Yu-feng, XIE Xin, LIU Quan-sheng. Real-time prediction model of slag composition in electric arc furnace steelmaking[J]. Chinese Journal of Engineering, 2020, 42(S): 39-46. doi: 10.13374/j.issn2095-9389.2020.04.05.s12 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2020.04.05.s12 您可能感兴趣的其他文章 Articles you may be interested in 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the “furnacecaster coordinating” strategy 工程科学学报. 2020, 42(5): 645 https://doi.org/10.13374/j.issn2095-9389.2019.08.02.004 高炉渣对钢渣改性的物理化学基础研究 Fundamental research on the physics and chemistry of steelmaking slag modified with hot blast furnace slag 工程科学学报. 2018, 40(5): 557 https://doi.org/10.13374/j.issn2095-9389.2018.05.005 基于关联关系的仿真模型实时智能推荐方法 Real-time intelligent recommendation method of a simulation model based on incidence relation 工程科学学报. 2017, 39(4): 626 https://doi.org/10.13374/j.issn2095-9389.2017.04.019 基于函数型数字孪生模型的转炉炼钢终点碳控制技术 Control technology of end-point carbon in converter steelmaking based on functional digital twin model 工程科学学报. 2019, 41(4): 521 https://doi.org/10.13374/j.issn2095-9389.2019.04.013 金川镍沉降渣的工艺矿物学 Process mineralogy of Jinchuan nickel slag in a settlement furnace 工程科学学报. 2017, 39(3): 349 https://doi.org/10.13374/j.issn2095-9389.2017.03.005 转炉吹炼后期碳含量预报的改进指数模型 Modified exponential model for carbon prediction in the end blowing stage of basic oxygen furnace converter 工程科学学报. 2020, 42(7): 854 https://doi.org/10.13374/j.issn2095-9389.2019.11.23.001

工程科学学报.第42卷，增刊1：39-46.2020年12月 Chinese Journal of Engineering,Vol.42,Suppl.1:39-46,December 2020 https://doi.org/10.13374/j.issn2095-9389.2020.04.05.s12;http://cje.ustb.edu.cn 电弧炉炼钢炉渣成分实时预报模型 杨凌志”，薛波涛)，宋景凌)，魏光升)区，郭宇峰)，谢鑫)，刘全胜) 1)中南大学资源加工与生物工程学院，长沙4100832)衡阳华菱钢管有限公司，衡阳421000 3)北京科技大学治金与生态工程学院，北京100083 ☒通信作者，E-mail:weiguangsheng@ustb.edu.cn 摘要为了实现治炼过程中对炉渣成分的实时预测，给电弧炉炼钢过程中加料等工艺操作提供帮助，对影响炉内炉渣成分 的因素（炉内反应、加料与流渣）进行了研究，构建了电弧炉炼钢炉渣成分实时预报模型.结果显示，该模型能够实时预测炉 内炉渣质量和成分变化，预报炉内铁元素氧化状况，可为治炼过程中添加辅料与流渣等工艺操作提供指导作用.通过与现场 炉渣取样检测结果进行对比，得到炉渣中Ca0、SiO2和Fe0实测成分与模型预测成分的平均相对误差分别为12.66%、 11.17%和19.16%. 关键词电弧炉炼钢：炉渣成分：实时预测：炉内反应：加料：流渣 分类号TG741.5 Real-time prediction model of slag composition in electric arc furnace steelmaking YANG Ling-zhi,XUE Bo-tao,SONG Jing-ling,WEI Guang-sheng GUO Yu-feng,XIE Xin,LIU Quan-sheng 1)School of Minerals Processing and Bioengineering,Central South University,Changsha 410083,China 2)Hengyang Valin Steel Tube Co.,Ltd.,Hengyang 421000,China 3)School of Metallurgical and Ecological Engineering,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:weiguangsheng @ustb.edu.cn ABSTRACT To realize the real-time prediction of slag composition in the smelting process and provide the assistance to the operations in electric arc furnace (EAF)steelmaking process such as charging,the influence factors on the slag composition in the furnace(furnace reaction,charging,and slag overflowing)were studied,and the real-time prediction model of slag composition in EAF steelmaking process was established.In the results,the model could predict the slag quality,the slag composition,and the oxidation status of Fe element in the furnace in real time,providing the guidance for the auxiliary material charging and the slag flowing in the smelting process.Compared with the slag sampling results,the average relative errors of Ca,SiOz,and FeO content in the slag between the actual measurement and the model predicted values were 12.66%,11.17%,and 19.16%,respectively. KEY WORDS electric arc furnace steelmaking:slag composition;real-time prediction;furnace reaction;charging:slag overflowing 电弧炉炼钢(Electric arc furnace steelmaking, 等的脱除，准确判断和控制冶炼过程中的炉渣 EAF steelmaking)作为短流程炼钢的重要环节之 成分是提高钢液质量的重要工作 一，其主要任务是为精炼过程提供成分合格的钢 冶金研究者在炼钢炉渣成分控制与检测技术 水-).在电弧炉炼钢过程中，炉渣成分直接影响 方面做了大量的研究.王力军等对炼钢厂进行 钢液成分的控制、泡沫渣的产生以及有害元素磷 泡沫渣实验研究，通过合理的造渣工艺、吹氧工艺 收稿日期：2020-04-05 基金项目：国家自然科学基金资助项目(51804345)：中国博士后科学基金资助项目(2020T130053.2019M660459)

电弧炉炼钢炉渣成分实时预报模型 杨凌志1)，薛波涛1)，宋景凌2)，魏光升3) 苣，郭宇峰1)，谢    鑫1)，刘全胜2) 1) 中南大学资源加工与生物工程学院，长沙 410083    2) 衡阳华菱钢管有限公司，衡阳 421000     3) 北京科技大学冶金与生态工程学院，北京 100083 苣通信作者，E-mail：weiguangsheng@ustb.edu.cn 摘    要    为了实现冶炼过程中对炉渣成分的实时预测，给电弧炉炼钢过程中加料等工艺操作提供帮助，对影响炉内炉渣成分 的因素（炉内反应、加料与流渣）进行了研究，构建了电弧炉炼钢炉渣成分实时预报模型. 结果显示，该模型能够实时预测炉 内炉渣质量和成分变化，预报炉内铁元素氧化状况，可为冶炼过程中添加辅料与流渣等工艺操作提供指导作用. 通过与现场 炉渣取样检测结果进行对比，得到炉渣中 CaO、SiO2 和 FeO 实测成分与模型预测成分的平均相对误差分别为 12.66%、 11.17% 和 19.16%. 关键词    电弧炉炼钢；炉渣成分；实时预测；炉内反应；加料；流渣 分类号    TG741.5 Real-time prediction model of slag composition in electric arc furnace steelmaking YANG Ling-zhi1) ，XUE Bo-tao1) ，SONG Jing-ling2) ，WEI Guang-sheng3) 苣 ，GUO Yu-feng1) ，XIE Xin1) ，LIU Quan-sheng2) 1) School of Minerals Processing and Bioengineering, Central South University, Changsha 410083, China 2) Hengyang Valin Steel Tube Co., Ltd., Hengyang 421000, China 3) School of Metallurgical and Ecological Engineering, University of Science and Technology Beijing, Beijing 100083, China 苣 Corresponding author, E-mail: weiguangsheng@ustb.edu.cn ABSTRACT    To  realize  the  real-time  prediction  of  slag  composition  in  the  smelting  process  and  provide  the  assistance  to  the operations  in  electric  arc  furnace  (EAF)  steelmaking  process  such  as  charging,  the  influence  factors  on  the  slag  composition  in  the furnace (furnace reaction, charging, and slag overflowing) were studied, and the real-time prediction model of slag composition in EAF steelmaking process was established. In the results, the model could predict the slag quality, the slag composition, and the oxidation status of Fe element in the furnace in real time, providing the guidance for the auxiliary material charging and the slag flowing in the smelting process. Compared with the slag sampling results, the average relative errors of CaO, SiO2 , and FeO content in the slag between the actual measurement and the model predicted values were 12.66%, 11.17%, and 19.16%, respectively. KEY WORDS    electric arc furnace steelmaking；slag composition；real-time prediction；furnace reaction；charging；slag overflowing 电弧炉炼钢 （ Electric  arc  furnace  steelmaking， EAF steelmaking）作为短流程炼钢的重要环节之 一，其主要任务是为精炼过程提供成分合格的钢 水[1−3] . 在电弧炉炼钢过程中，炉渣成分直接影响 钢液成分的控制、泡沫渣的产生以及有害元素磷 等的脱除[4−10] . 准确判断和控制冶炼过程中的炉渣 成分是提高钢液质量的重要工作. 冶金研究者在炼钢炉渣成分控制与检测技术 方面做了大量的研究. 王力军等[11] 对炼钢厂进行 泡沫渣实验研究，通过合理的造渣工艺、吹氧工艺 收稿日期: 2020−04−05 基金项目: 国家自然科学基金资助项目（51804345）；中国博士后科学基金资助项目（2020T130053，2019M660459） 工程科学学报，第 42 卷，增刊 1：39−46，2020 年 12 月 Chinese Journal of Engineering, Vol. 42, Suppl. 1: 39−46, December 2020 https://doi.org/10.13374/j.issn2095-9389.2020.04.05.s12; http://cje.ustb.edu.cn

40 工程科学学报，第42卷，增刊1 以及配碳量操作，使得泡沫渣脱磷效果增强，控制 2[C]+0,=2C0 了炉渣成分，满足了炼钢要求.李建生等2结合 [Si]+0,=Si0 工艺条件和热力学条件对转炉脱硫、脱磷进行分 2[Mn]+0,=2MnO 2IFe]+0,=2Fe0 析，通过对炉内温度及炉渣成分等参数的有效控 Bubble boundary 制，使钢水中S、P元素满足钢种成分要求.范佳 02 layer of liquid steel 等]在转炉少渣冶炼工艺中，对炉渣成分以及碱 度的实时变化进行物料平衡研究，开发出预报模 型，实现了转炉生产过程中的炉渣成分连续预报， 80 但是仅限于少渣成分的检测，满足不了工业生产 对实时预测与控制的需求.余嵘华等采用激光 诱导击穿光谱技术对取样炉渣成分实时在线监 Ar、N, 测，编写了一套炉渣等离子体光谱数据自动寻峰 因1钢液中元素选择性氧化机理 程序，用于炉渣成分的在线分析，取得了较好的效 Fig.1 Selective oxidation mechanism of elements in the liquid steels 果.陈兴龙等利用激光诱导击穿光谱技术结 合最小二乘回归模型对炉渣的CaO、MgO、Al,O3 Start 和Fe进行定量分析，实现了炉渣实时在线检测且 缩小了炉渣成分检测的误差.然而，在利用激光检 Collect the initial composition and the weight 测技术对炉渣成分进行预测时，由于冶炼过程中 of molten iron,scrap,molten iron slag. and auxiliary materials 炉内反应复杂且剧烈，成分随时变化，多元素之间 产生的相互干扰对光谱造成影响，粒子谱线繁杂、 Calculate the content of element 密集，不易找寻和对应，导致预测方法复杂和精度 in molten steel and slag 不高 通过对以上炼钢炉渣成分控制与检测技术方 Change in the reaction Standard gibbs free entropy, energy change 面的研究，冶金研究者可以得到合理的炼钢炉渣 成分，实现炉渣成分的事后检测，使其满足炼钢工 t△G=△Gr+RInJ 艺的需求.然而，在实际冶炼过程中，控制炉渣成 Gibbs free energy of reaction,.△G 分达到目标要求是通过加入石灰等辅料与控制炉 Periodic 门流渣来实现的，如何对这些工艺进行合理操作， Determine the update order of the 就需要了解电弧炉炉内炉渣的实时成分，前人对 calculation elements 这一问题的研究甚少.本文研究了冶炼过程中炉 Determinate 内反应、加料、炉门流渣对炉渣成分的影响，构建 oxidizing element Real-time 一个电弧炉炼钢炉渣成分预报模型，实现对炉内 oxygen supply 炉渣成分的实时预测 Changes of slag composition and weight 1炉内反应对炉渣的影响研究 在电弧炉炼钢过程中，炉内钢液主要元素(C、 No End of smelting? Si、Mn和Fe等)不断发生氧化反应.为了研究氧 Yes 化反应及反应进程对炉渣成分和质量的影响，本 文从热力学角度研究炉内钢液元素的实时氧化以 End 及炉渣的变化情况，基于此构建了选择性氧化反 国2选择性氧化模型计算流程 应的炉渣成分改变模型，模型具体流程和步骤如 Fig.2 Calculation process of the selective oxidation model 下所示.图1所示为钢液中元素选择性氧化机理， 图2所示为模型计算流程 以及初始炉渣的成分和质量 (1)根据冶炼前加入的铁水、废钢和铁水包炉 (2)炉内发生氧化反应的主要元素是钢液中 渣成分和质量，计算初始钢液中C、Si、Fe等元素 的C、Si、Mn和Fe元素.根据范特霍夫等温公式

以及配碳量操作，使得泡沫渣脱磷效果增强，控制 了炉渣成分，满足了炼钢要求. 李建生等[12] 结合 工艺条件和热力学条件对转炉脱硫、脱磷进行分 析，通过对炉内温度及炉渣成分等参数的有效控 制，使钢水中 S、P 元素满足钢种成分要求. 范佳 等[13] 在转炉少渣冶炼工艺中，对炉渣成分以及碱 度的实时变化进行物料平衡研究，开发出预报模 型，实现了转炉生产过程中的炉渣成分连续预报， 但是仅限于少渣成分的检测，满足不了工业生产 对实时预测与控制的需求. 余嵘华等[14] 采用激光 诱导击穿光谱技术对取样炉渣成分实时在线监 测，编写了一套炉渣等离子体光谱数据自动寻峰 程序，用于炉渣成分的在线分析，取得了较好的效 果. 陈兴龙等[15−16] 利用激光诱导击穿光谱技术结 合最小二乘回归模型对炉渣的 CaO、MgO、Al2O3 和 Fe 进行定量分析，实现了炉渣实时在线检测且 缩小了炉渣成分检测的误差. 然而，在利用激光检 测技术对炉渣成分进行预测时，由于冶炼过程中 炉内反应复杂且剧烈，成分随时变化，多元素之间 产生的相互干扰对光谱造成影响，粒子谱线繁杂、 密集，不易找寻和对应，导致预测方法复杂和精度 不高. 通过对以上炼钢炉渣成分控制与检测技术方 面的研究，冶金研究者可以得到合理的炼钢炉渣 成分，实现炉渣成分的事后检测，使其满足炼钢工 艺的需求. 然而，在实际冶炼过程中，控制炉渣成 分达到目标要求是通过加入石灰等辅料与控制炉 门流渣来实现的，如何对这些工艺进行合理操作， 就需要了解电弧炉炉内炉渣的实时成分，前人对 这一问题的研究甚少. 本文研究了冶炼过程中炉 内反应、加料、炉门流渣对炉渣成分的影响，构建 一个电弧炉炼钢炉渣成分预报模型，实现对炉内 炉渣成分的实时预测. 1    炉内反应对炉渣的影响研究 在电弧炉炼钢过程中，炉内钢液主要元素（C、 Si、Mn 和 Fe 等）不断发生氧化反应. 为了研究氧 化反应及反应进程对炉渣成分和质量的影响，本 文从热力学角度研究炉内钢液元素的实时氧化以 及炉渣的变化情况，基于此构建了选择性氧化反 应的炉渣成分改变模型，模型具体流程和步骤如 下所示. 图 1 所示为钢液中元素选择性氧化机理， 图 2 所示为模型计算流程. （1）根据冶炼前加入的铁水、废钢和铁水包炉 渣成分和质量，计算初始钢液中 C、Si、Fe 等元素 以及初始炉渣的成分和质量. （2）炉内发生氧化反应的主要元素是钢液中 的 C、Si、Mn 和 Fe 元素. 根据范特霍夫等温公式 Bubble boundary layer of liquid steel 2[C]+O2=2CO [Si]+O2=SiO2 2[Mn]+O2=2MnO 2[Fe]+O2=2FeO SiO2 O2 Ar、N2 MnO FeO CO Fe Mn O2 O2 Si Ar C 图 1    钢液中元素选择性氧化机理 Fig.1    Selective oxidation mechanism of elements in the liquid steels ∆G=∆GΘ+RTInJ Periodic update calculation Real-time oxygen supply Start Calculate the content of element in molten steel and slag End End of smelting? Standard gibbs free energy change Determine the order of the elements Determinate oxidizing element Changes of slag composition and weight Yes No Collect the initial composition and the weight of molten iron, scrap, molten iron slag, and auxiliary materials Change in the reaction entropy, J Gibbs free energy of reaction, ΔG 图 2    选择性氧化模型计算流程 Fig.2    Calculation process of the selective oxidation model · 40 · 工程科学学报，第 42 卷，增刊 1

杨凌志等：电弧炉炼钢炉渣成分实时预报模型 41 (△G=△G0+RTnJ),计算各反应的吉布斯自由 浮在钢液上层的渣体会发生震荡并从炉门口溢 能，判断元素实时氧化顺序，主要化学反应如式 出、竖直下落.为了采集到高清晰度与高质量的 (1)式(4) 炉门流渣溢出视频，同时避免高温对机械操作的 2[C+02=2C0 (1) 影响，将固定工业摄像头的三脚架设置在距炉门 [Sil+O2=(SiO2) (2) 流渣20m的位置，并保证良好的拍摄视角，同时 2[Mn]+02=2(MnO) (3) 连接摄像头电源和计算机之间的传输数据线，实 2[Fe]+O2=2(FeO) (4) 时传输录制的溢出炉门流渣视频，如图3所示. (3)随着冶炼地进行，钢液元素不断被氧化， 形成炉渣.根据氧气的实时消耗量和炉内发生的 氧化反应，计算出实时被氧化元素形成的炉渣质 量（△M),如式(5）所示，其中C元素被氧化生 成CO溢流于空气中，故不考虑其对炉渣成分和质 量的影响 △M= i.MRo.(Voz/Vm (5) 1000 式中：RO为反应产生的氧化物，如SiO2、MnO、FeO 和Fe2O3等；i为质量系数；M为物质的摩尔质量， 图3炉渣溢出过程拍摄示意图 gmol;Vo,为02体积，L;'m为常数，22.4 L.mol Fig.3 Shooting schematic diagram of the slag overflowing (4)获取钢液成分、炉渣成分和温度作为下一 2.2炉门流渣的计算 个周期的初始计算条件，循环计算炉内炉渣各组 根据捕捉视频区域亮度变化特征对图像中炉 分SiO2、MnO和Fe0等的质量改变，直至冶炼过 门流渣区域和非炉门流渣区域进行识别和处理， 程结束 建立炉渣区域面积与质量的关系.通过研究每炉 2基于图像处理的炉门流渣量 次总渣波动性和炉门流渣中大小区域炉渣面积的 关系，得到炉门流渣面积与质量的关系，如式(6) 在电弧炉炼钢过程中，炉内会发生刷烈碳氧 所示 反应，使得炉渣形成泡沫渣.泡沫渣在实际生产过 程会越过炉门口向外溢出，以达到炉渣脱磷换渣 △M流渣=1.014×10-4×S5 big (6) 的效果.炉门流渣的溢出量直接影响着炉内渣成 式中：△M流渣为一个周期内炉门流渣的质量，Se 分的预测，因此有必要对炉门口溢出的渣量进行 为炉门流渣大区域面积，Sm为流渣小区域流渣 实时统计.采用图像处理的方法对炉门流渣溢出 面积 过程进行视频采集与分析研究，建立基于图像处 由于实时溢出的炉门流渣成分与当前炉内炉 理的炉门流渣量实时预测模型，实现实时预测炉 渣成分是相同的，因此炉内炉渣各组分减少的质 门流渣的溢出质量 为了实时计算出从炉门口溢出的炉门流渣质 量（△M温）可由式(7)计算得出. (7) 量，利用工业摄像头实时拍摄溢出的炉门流渣视 △M激益=△M流造m洁O 频，并将视频传输至计算机中自主开发的图像处 式中：m滋0为当前炉内炉渣各组分质量分数，M0为 理模型，便于实时对溢出的炉门流渣视频图像进 炉渣中氧化物CaO、SiO2、MnO、Fe0和Fe2O3等. 行分析、处理和计算620 3电弧炉炼钢炉渣成分实时预报模型 2.1视频图像的采集 在高温高压电弧炉炼钢过程中，综合考虑拍 在电弧炉炼钢过程中，影响炉内炉渣成分和 摄环境和拍摄效果等因素选择了迈德威视工业相 质量变化的主要因素有辅料的加入量、炉内的氧 机，其相机镜头型号为“MV-GE231GC-T+MV-LD- 化反应以及炉门流渣的溢出质量.辅料的加入作 50-3M-A” 为炼钢过程重要的环节，影响着炉内钢液和炉渣 在电弧炉炼钢过程中，炉内发生剧烈反应，悬 成分的变化、对炉内有害元素的脱除以及泡沫渣

∆G = ∆G Θ （ +RT ln J ），计算各反应的吉布斯自由 能，判断元素实时氧化顺序，主要化学反应如式 （1）～式（4）. 2[C]+O2 = 2CO （1） [Si]+O2 = (SiO2) （2） 2[Mn]+O2 = 2(MnO) （3） 2[Fe]+O2 = 2(FeO) （4） ∆MMO 反应 （3）随着冶炼地进行，钢液元素不断被氧化， 形成炉渣. 根据氧气的实时消耗量和炉内发生的 氧化反应，计算出实时被氧化元素形成的炉渣质 量（ ），如式（5）所示，其中 C 元素被氧化生 成 CO 溢流于空气中，故不考虑其对炉渣成分和质 量的影响. ∆MRO 反应 = i· MRO · ( VO2 /Vm ) 1000 （5） VO2 式中：RO 为反应产生的氧化物，如 SiO2、MnO、FeO 和 Fe2O3 等；i 为质量系数；MR 为物质的摩尔质量， g∙mol−1 ； 为 O2 体积，L；Vm 为常数，22.4 L∙mol−1 . （4）获取钢液成分、炉渣成分和温度作为下一 个周期的初始计算条件，循环计算炉内炉渣各组 分 SiO2、MnO 和 FeO 等的质量改变，直至冶炼过 程结束. 2    基于图像处理的炉门流渣量 在电弧炉炼钢过程中，炉内会发生剧烈碳氧 反应，使得炉渣形成泡沫渣. 泡沫渣在实际生产过 程会越过炉门口向外溢出，以达到炉渣脱磷换渣 的效果. 炉门流渣的溢出量直接影响着炉内渣成 分的预测，因此有必要对炉门口溢出的渣量进行 实时统计. 采用图像处理的方法对炉门流渣溢出 过程进行视频采集与分析研究，建立基于图像处 理的炉门流渣量实时预测模型，实现实时预测炉 门流渣的溢出质量. 为了实时计算出从炉门口溢出的炉门流渣质 量，利用工业摄像头实时拍摄溢出的炉门流渣视 频，并将视频传输至计算机中自主开发的图像处 理模型，便于实时对溢出的炉门流渣视频图像进 行分析、处理和计算[16−20] . 2.1    视频图像的采集 在高温高压电弧炉炼钢过程中，综合考虑拍 摄环境和拍摄效果等因素选择了迈德威视工业相 机，其相机镜头型号为“MV-GE231GC-T+MV-LD- 50-3M-A”. 在电弧炉炼钢过程中，炉内发生剧烈反应，悬 浮在钢液上层的渣体会发生震荡并从炉门口溢 出、竖直下落. 为了采集到高清晰度与高质量的 炉门流渣溢出视频，同时避免高温对机械操作的 影响，将固定工业摄像头的三脚架设置在距炉门 流渣 20 m 的位置，并保证良好的拍摄视角，同时 连接摄像头电源和计算机之间的传输数据线，实 时传输录制的溢出炉门流渣视频，如图 3 所示. 2.2    炉门流渣的计算 根据捕捉视频区域亮度变化特征对图像中炉 门流渣区域和非炉门流渣区域进行识别和处理， 建立炉渣区域面积与质量的关系. 通过研究每炉 次总渣波动性和炉门流渣中大小区域炉渣面积的 关系，得到炉门流渣面积与质量的关系，如式（6） 所示. ∆M流渣 = 1.014×10−4 ×S 1.15 big   1+ ( S small S big )2   （6） 式中：ΔM流渣为一个周期内炉门流渣的质量，Sbig 为炉门流渣大区域面积，Ssmall 为流渣小区域流渣 面积. ∆MMO 流渣 由于实时溢出的炉门流渣成分与当前炉内炉 渣成分是相同的，因此炉内炉渣各组分减少的质 量（ ）可由式（7）计算得出. ∆MMO 流渣 = ∆M流渣 ·m MO 渣 （7） m MO 式中： 渣 为当前炉内炉渣各组分质量分数，MO 为 炉渣中氧化物 CaO、SiO2、MnO、FeO 和 Fe2O3 等. 3    电弧炉炼钢炉渣成分实时预报模型 在电弧炉炼钢过程中，影响炉内炉渣成分和 质量变化的主要因素有辅料的加入量、炉内的氧 化反应以及炉门流渣的溢出质量. 辅料的加入作 为炼钢过程重要的环节，影响着炉内钢液和炉渣 成分的变化、对炉内有害元素的脱除以及泡沫渣 CaO SiO2 Al2O3 MgO MnO FeO 图 3    炉渣溢出过程拍摄示意图 Fig.3    Shooting schematic diagram of the slag overflowing 杨凌志等： 电弧炉炼钢炉渣成分实时预报模型 · 41 ·

42 工程科学学报，第42卷，增刊1 的产生，因此有必要考虑加入辅料对炉内炉渣的 (1)采集冶炼初始前加人的铁水、废钢、铁水 影响.辅料加入示意图如图4所示.通过可编程逻 包炉渣成分和质量，加入辅料的成分和质量及冶 辑控制器(PLC)采集加人辅料的质量分数(M) 炼过程现场的PLC冶炼数据（氧气通入量、辅料 和加入辅料的总质量（△M铺料），计算得出加料各 (CaO)消耗、碳粉喷吹及耗电量)存入数据库对应 组分的质量（△M9,其计算如式(8）所示. 的数据表中 △M9=△M结样M9 (8) (2)基于选择性氧化理论研究炉内反应对炉 渣的影响，根据初始钢液炉渣成分和质量以及氧 气消耗量实时计算炉内氧化后炉渣成分(SO2、 FeO和MnO)的质量 (3)对炉门流渣进行拍摄，并通过图像处理模 P,0,+3Ca0→3Ca0P,0) P,0,+4Ca0)-→(4Ca0-P,0,) 型提取视频关键数字特征存入数据库，利用图像 处理模型建立视频流渣溢出面积与质量的关系， Lime Limestone 分析计算得出实时溢出的炉门流渣质量 Dolomite (4)考虑辅料（以石灰为主）加入对炉内炉渣 成分和质量变化的影响，综合考虑炉内炉渣物料 平衡和能量平衡 (5)利用模型进行周期运算，循环直至冶炼结 图4电弧炉炼钢过程辅料加人示意图 束，其理论结构如图5所示 Fig.4 Schematic diagram of the auxiliary material charging in EAF 根据实际情况，设定治炼过程中氧气利用率 steelmaking process 和能量损失，对炉内炉渣成分和质量的综合计算 3.1模型的构建 将冶炼初始各组分的质量(OM)、加入辅料各组 对影响炉内炉渣成分变化的因素（炉内反应、 分(Ca0、SiO2、Fe0和Fe0,)的质量（△M)、实 加料、以及炉门流渣)进行分析和计算，并结合实 时氧化反应后炉渣各组分(SiO2、MnO和FeO)的 际生产过程建立了电弧炉炼钢炉渣成分实时预报 质量变化量（△M)和实时炉门流渣中各组分 模型.模型构建流程如下所示 (CaO、SiO2、MnO、FeO和Fe2O3)的质量变化量 Selective oxidation Video shot of furnace theory PLC data collection door spilling slag Update Update Database Initial composition Video key frame Image recognition △G=AG+RInJ and weight extraction model The order of Oxygen Relation between the oxidation of area of slag pilled elements consumption and quality 市 Calculation of slag Composition and content after Quality of spilled slag weight of the from the door oxidation excipients Real-time prediction model of slag composition in EAF steelmaking furnace 图5电弧炉炼钢炉渣成分实时预报模型理论结构图 Fig.5 Theoretical structure diagram of the real-time prediction model of slag composition in EAF steelmaking

MMO 辅料 ∆MMO 加料 的产生，因此有必要考虑加入辅料对炉内炉渣的 影响. 辅料加入示意图如图 4 所示. 通过可编程逻 辑控制器（PLC）采集加入辅料的质量分数（ ） 和加入辅料的总质量（ΔM辅料），计算得出加料各 组分的质量（ ），其计算如式（8）所示. ∆MMO 加料 = ∆M辅料 · MMO 辅料 （8） 3.1    模型的构建 对影响炉内炉渣成分变化的因素（炉内反应、 加料、以及炉门流渣）进行分析和计算，并结合实 际生产过程建立了电弧炉炼钢炉渣成分实时预报 模型. 模型构建流程如下所示. （1）采集冶炼初始前加入的铁水、废钢、铁水 包炉渣成分和质量，加入辅料的成分和质量及冶 炼过程现场的 PLC 冶炼数据（氧气通入量、辅料 （CaO）消耗、碳粉喷吹及耗电量）存入数据库对应 的数据表中. （2）基于选择性氧化理论研究炉内反应对炉 渣的影响，根据初始钢液炉渣成分和质量以及氧 气消耗量实时计算炉内氧化后炉渣成分（ SiO2、 FeO 和 MnO）的质量. （3）对炉门流渣进行拍摄，并通过图像处理模 型提取视频关键数字特征存入数据库，利用图像 处理模型建立视频流渣溢出面积与质量的关系， 分析计算得出实时溢出的炉门流渣质量. （4）考虑辅料（以石灰为主）加入对炉内炉渣 成分和质量变化的影响，综合考虑炉内炉渣物料 平衡和能量平衡. （5）利用模型进行周期运算，循环直至冶炼结 束，其理论结构如图 5 所示. 0MMO 炉渣 ∆MMO 加料 ∆MMO 反应 根据实际情况，设定冶炼过程中氧气利用率 和能量损失，对炉内炉渣成分和质量的综合计算. 将冶炼初始各组分的质量（ ）、加入辅料各组 分（CaO、SiO2、FeO 和 Fe2O3）的质量（ ）、实 时氧化反应后炉渣各组分（SiO2、MnO 和 FeO）的 质量变化量（ ）和实时炉门流渣中各组分 （CaO、 SiO2、 MnO、 FeO 和 Fe2O3）的质量变化量 Lime Limestone Dolomite ... P2O5+3(CaO)→(3CaO·P2O5 ) P2O5+4(CaO)→(4CaO·P2O5 ) 图 4    电弧炉炼钢过程辅料加入示意图 Fig.4     Schematic  diagram  of  the  auxiliary  material  charging  in  EAF steelmaking process Selective oxidation theory PLC data collection Video shot of furnace door spilling slag Initial composition and weight Oxygen consumption Composition and weight of the excipients Image recognition model The order of oxidation of elements Calculation of slag content after oxidation Quality of spilled slag from the door Relation between the area of slag pilled and quality Real-time prediction model of slag composition in EAF steelmaking furnace Database Video key frame extraction Update Update ∆G=∆GΘ+RTInJ M=1.014×10−4 S 1.15 [1+(−) 2 big ] Ssmall Sbig 图 5    电弧炉炼钢炉渣成分实时预报模型理论结构图 Fig.5    Theoretical structure diagram of the real-time prediction model of slag composition in EAF steelmaking · 42 · 工程科学学报，第 42 卷，增刊 1