第七章高炉过程数学模型概述资料
高炉冶炼基本原理第七-八章
炉料的有效重量(Q有效)指的是高炉料柱本身的重量在克服了各种摩擦阻力后，作用于炉缸底部的垂直重量。
高炉料是一种散粒状物体，它与一般连续物体的区别在于它的内部没有结合力或很小结合力。与一般液体的区别在于它具有很大的内摩擦力。由料块组成的料柱重量所产生的压力，从一块传到另一块，对四周的墙壁还要产生较大的侧压力和摩擦力。因此，料柱本身重量最后作用在炉底的重量(Q有效)要比实际重量小得多。
λ——阻力系数，与雷诺准数有关。
煤气在通过散粒状料的高炉料柱时，其通道不是圆孔直线，而是非常曲折，并且在高温区有渣、铁液相的存在，其阻力损失非常复杂，目前尚无正确可靠的公式表示。可借用公式近似分析高炉内煤气运动的一些规律。
也有许多学者将散料体中流体力学参数引入并依据实例资料，导出一些不同的经验公式，分析高炉内情况，常用的有：
P热风——热风压力；
P炉顶——炉顶煤气压力。
由于炉缸和炉喉处的煤气压力不便于经常测定，故近似采用P热风和P炉顶代替。
为便于理解或简化，引入气体通过圆形直管的压头通式：
（1）
式中 ΔP——流动气体的压力降；
ω——给定温度和压力下，气流通过时的实际流速；
rg——气体密度；
L、d——管路长度和管路的水利学直径；
3．炉料的运动状态 凡是运动状态的炉料下降过程中的摩擦阻力均小于静止状态的炉料。所以说运动态的料其有效重量都比静止态炉料的有效重量大。
４．风口数目 通过实际测定，增加风口，有利提高Q有效。这是因为随着风口数目增加，扩大了燃烧带炉料的活动区域，减小于P墙摩和P料摩，所以有利Q有效提高。
5．炉料的堆积密度越大，Q炉料增大，有利Q有效增大。因此，焦比降低后，随着焦炭负荷提高，炉料堆积密度提高，对顺行是有利的。
热风炉控制模型
功地替代了一级人工燃烧控制，从此结束了我国无自主知识 产权热风炉控制模型的历史。
投用至今，该模型运行良好，烧炉过程稳定可靠，方便
易用，大幅度提高了控制精度，废气残氧量控制小于0.2%， 减少人工干预，达到了较好的效果，深得用户好评。
2014-4-23 20
4. 应用效果
2013年5月由攀钢西昌炼铁厂和中冶京诚工程技术有限公 司炼铁、自动化专业专家组成联合考核验收小组，自2013年5 月5日至5月16日，对1号高炉热风炉控制模型进行了为期12天 的现场考核。
热风炉控制模型达到以下效果：
2014-4-23
21
4. 应用效果 （1）一级（L1）系统由电气、仪表控制系统组成基 础自动化级，具有高可靠性、高性能、功能分配合理、系 统构成简捷、易于扩展等特点； （2）控制系统可完成两地（集中、机旁）6种操作方 式，即在集中操作室HMI上全自动、单炉自动、联锁手动 、非联锁手动、休止和在机旁操作箱上的机旁手动操作； （3）实现热风炉生产监控一体化和管控一体化，电 仪控制设备满足高炉各种工艺控制要求，控制模型运行稳 定可靠；
15
2、模型介绍
主要技术参数
可提高风温5~8℃； 热风炉热效率提高1 %~3 %； 减少CO2排放1 %~3 %； 废气残氧量控制小于0.2%；
掺烧高热值煤气时，可减少高热值煤气使用量50%~70% ，或同等高热值煤气量条件下达到更高热风温度，热风温度 ≥1300℃；
2014-4-23
16
3.技术特色 产品特点 采用数学模型+专家系统的控制模式，运行稳定、适用性强；
或同等高热值煤气量条件下达到更高热风温度；
谢谢！
热风炉控制数学模型介绍
目
• • • • •
高炉炉况的重要参数
一、问题的重述高炉炼铁是现代钢铁生产的重要环节，且是个复杂的高温物理化学过程，精确掌握炉内的温度分布上不可能，所以一般要通过预报高炉炉温(铁水硅含量)来间接地反映炉内的温度变化，判断高炉炉缸热状态，并以此来调控高炉行程、能量消耗及生铁质量。
事实上，影响铁水硅含量（即炉温）的因素很多，大体上分为两大类：状态参数和控制参数。
状态参数包括料速、透气性指数、风口状况、铁水与炉渣成分等；控制参数包括入炉原料的性质(成分、比重、配料比等)、装料方式、风量、风温、富氧量等，各个因素之间也存在交互影响。
其中几个重要的影响参数为：（1）料速是判断高炉炉况的一个重要参数；（2）透气性指数是判断炉温与炉况顺行的一个重要参数；（3）铁量差指的是理论出铁量与实际出铁量之差；（4）风温对高炉冶炼过程的影响，主要是直接影响到炉缸温度，并间接的影响高炉高度方向上温度分布的变化，以及影响到炉顶温度水平；（5）风量引起的炉料下降速度和初渣中FeO的含量的增减，以及煤气流分布的变化，都会影响到煤气能的利用程度和炉况顺行情况。
现在要求我们根据表中给出的近期某高炉的生产数据，试建立铁水硅含量与各影响参数的数学预测模型。
二、问题的分析高炉铁水硅含量的高低反映了高炉冶炼过程的热状态及燃烧比。
维持稳定且较低的铁水硅含量是炉况稳定并产生较低燃烧比的直接保证。
对于本问题中铁水硅含量的预报有很多方法，如传统的ARMA模型，但是由于高炉生产过程的复杂性，尤其在不断提高喷煤量之后，炉况的波动更加剧烈和复杂，采用ARMA模型已经很难准确的描述铁水硅含量的预测模型。
然而最近提出的神经网络模型能够以实验数据为基础，经过有限次迭代，就可以获得一个反映实验数据内在规律性的参数组，尤其是对于参数众多的，规律性不明显的生产过程能发挥其独特性，此方法正好解决本文中参数众多且无规律的问题，所以本文采用神经网络的方法对铁水硅含量进行预报。
为了使得我们建立的BP神经网络模型更具有说服力，同时建立了一个多元线性回归模型与之进行对比。
高炉一般计算
高炉一般计算第一篇：高炉一般计算工作总结在繁忙的工作中不知不觉又迎来了新的季度，回顾前几个月的工作历程，在部门领导和同事们的关心与帮助下圆满的完成了生产任务，并在前辈师傅的授受中努力提高高炉冶炼理论知识，学习他们在工作中积累的丰富经验，为了更好地做好以后的工作，现将上季度学到的专业知识做如下总结：冶炼周期可以估计改变装料制度（如变料等）后渣铁成分、温度、流动性等发生变化的时间，从而及时注意观察、分析判断、掌握炉况变化动向；当高炉计划休风或停炉时，根据冶炼周期可以推测休风料到达时间，以便掌握休风或停炉的时机。
（1）用时间表示：t=24V有PV'(1-C)P=V有hη有t＝24hη有V'(1-C)式中t——冶炼周期，h；V有——高炉有效容积，m3；P——高炉日产量，t／d；V’——1t铁的炉料体积，m3/t；C——炉料在炉内的压缩系数，大中型高炉C≈12％，小高炉C≈10％。
（2）用料批表示：生产中常采用由料线平面到达风口平面时的下料批数，作为冶炼周期的表达方法。
如果知道这一料批数，又知每小时下料的批数，同样可求出下料所需的时间。
VN=批（V矿+V焦）(1-C）式中N批——由料线平面到风口平面曲的炉料批数；V——风口以上的工作容积，m3；V矿——每批料中矿石料的体积（包括熔剂的），m3； V焦——每批料中焦炭的体积，m3。
通常矿石的堆积密度取2.0～2.2t/m3，烧结矿为1.6t/m3，焦炭为0.55t/m3，冶炼周期是评价冶炼强化程度的指标之一。
冶炼周期越短，利用系数越高，意味着生产越强化。
风口以上高炉工作容积的计算公式：V=V效—n/4（D²*H+d²*h）式中 V效——高炉有效容积，m³；D——炉缸直径，m H——铁口中心线至风口中心线的距离，m d——炉喉直径mh——高炉料线，m 理论出铁量的计算通过计算出铁量，可以检查放铁的好坏和铁损的情况，如发现差距较大时，应及时找出产生原因，尽快解决P理论出铁量=G矿石消耗量×Fe矿石品位×0.997／0.945 理论出渣量的计算渣量批=QcaO批//CaO渣安全容铁量计算安全容铁量=0.6×ρ铁×1/4πd2h h取低渣口中心线到铁口中线间距离，m ρ铁——铁水密度，7t／m3； d——炉缸直径，m 全焦冶炼实际入炉风量计算VB =0.933C焦×CΦ×K×P／﹙0.21＋0.29f﹚×1440 式中VB——入炉实际风量，m³/min0.933——1kgC燃烧需要的氧量，m³/kg（0.21＋0.29f﹚——湿空气含氧量，其中f为鼓风量湿分，%C焦——综合燃料含碳量，%CΦ——风口前燃烧的碳量占入炉量的比率，一般去65-75%，中小高炉取较小值K——综合燃料比，kg/tP——昼夜产铁量，t 根据碳平衡计算入炉风量（V风，m3）（1）风口前燃烧的碳量（C风，kg）：由碳平衡得：C风＝C焦＋C煤＋C料＋C碎－C铁－C尘－C甲烷－Cd1224126012Fe还⋅rd+Si铁+Mn铁+P铁+bCO2⋅CO2熔5628556244bCO2——熔剂中CO2被还原的系数，本例为0.4。
采用数学模型计算高炉炉缸侵蚀状况
采用数学模型计算高炉炉缸侵蚀状况（韩）Jin-su Jung 等摘要：为了评估炉缸的侵蚀状况，特别是炉缸角部的侵蚀状况，开发了一种数学模型。
该模型考虑了热流路径和热流面积的影响。
计算结果：光阳1号高炉炉缸的侵蚀面呈象脚型，出铁口和炉缸的边角部侵蚀严重。
由于碳砖的低导热性，使炉缸侧壁热负荷比其它区域高，所以此区域的侵蚀程度大。
在炉役初期，侵蚀较为剧烈，但7年后一直保持稳定状态。
另外，用红外线照相法进行了炉缸周围区域的热分析，用这种方法同时测量大面积的热区域很有效。
虽然局部的热区域并没有找到，但测量的结果与热电偶测量的趋势一致。
关键词：高炉炉缸数学模型侵蚀1.前言高炉炉缸状况是决定高炉寿命的主要因素之一。
连续监视高炉炉缸状况对于确定高炉大修时间和炉缸耐材的保护有重要意义。
炉缸耐材的残余厚度是通过分析耐材温度得来的，而这些温度又是由安装在炉缸耐材上的热电偶测得的。
为了更好地了解炉缸侧壁的侵蚀状况，已经开发了一些传热模型，比如有限元法和边界元法等。
本文介绍了一种使用热流路径方法的特殊模型，可以计算侵蚀线和高炉炉缸的凝固层。
另外，还介绍了可用红外线照相法,对炉壳进行温度分析的方法。
2.考虑了热流路径的数学模型2.1用来计算的基本概念在高炉炉缸，铁水侵蚀炉缸砖衬，当铁水的热流与冷却水带走的热流相平衡时，这种侵蚀才停止。
因为熔融铁水的凝固点大约在1150℃，在此热平衡下，计算出1150℃等温线的位置，定义为铁水可以侵入的最初厚度。
模型主要目的是计算残余的耐火砖厚度。
一维传热方程做为计算的控制方程。
高炉炉缸是轴对称图形，炉缸的一半如图1所示。
用来计算的材料的物理特性如表1所示。
边界条件如下：=6000W/m2K）1)炉壳用25℃的水喷水冷却；（hw2)炉缸底部用25℃的水冷却；（h=30W/m2K）w3)热面假设为1150℃。
表1 材料的物理性质符号说明值h b（W/m2K）冷却水的导热系数30h w（W/m2K）喷水的导热系数6000k1（W/mK）莫来石的传热系数2k2（W/mK）碳砖的传热系数10k3（W/mK）石墨的传热系数18k4（W/mK）捣打料的传热系数6k5（W/mK）炉壳的传热系数40k s（W/mK）凝固层的传热系数22.2计算过程图2是计算耐火砖厚度的过程。
高炉过程控制讲义
第一章绪论1.1 高炉过程控制的基本概念高炉过程控制就是高炉操作者根据从仪表上获取的检测数据，对高炉运行状况进行判断与预测。
高炉控制的目标是要及时发现并调整不稳定的炉况，生产出合格生铁，同时要注意降低燃料消耗和高炉长寿的问题。
1.2 高炉过程控制的发展概况高炉冶炼过程控制模型可以归纳为三种类型：1)高炉冶炼过程数学模型2)高炉冶炼过程优化模型3)高炉冶炼过程专家系统1.3 高炉过程控制的发展趋势实现高炉炼铁过程的闭环自动化。
结论：高炉冶炼过程控制模型以现代炼铁理论、自动控制理论和计算机技术为基础，由低级向高级发展，正在日臻完善，而且逐步形成了自己的一套比较系统的理论，并在生产中得到日益广泛的应用。
第二章高炉过程控制系统的构成2.1 高炉生产的特点1）过程复杂。
高炉冶炼过程为非均相、非线性、非稳态连续的物理和化学变化过程。
高炉内各种物理化学现象及其影响因素之间相互作用、相互影响，表现出很强的分布特性和耗散系统特征。
另外，高炉冶炼过程与外部环境之间的关系复杂。
冶炼过程涉及的物料流量大，相关处理设备繁多，前后工序的连贯性强，外部环境发生的变化都将对冶炼过程产生重要影响。
2）检测信息不完全。
高炉冶炼过程是在密闭状态下进行，内部情况大多无法直接观测，炉内高温、多相、含尘和机械冲刷等特点给过程变量的检测带来极大困难，一些用于建模和控制所需要的重要参数和变量目前还难以测得，一些测得的信息也含有较大噪声。
具体表现在检测项目少，且多局限于过程的边界（炉顶、渣铁、风口、炉身静压力等），很多重要检测数据的采样频度低。
3）反应迟钝。
即对控制动作的响应十分缓慢，时间常数很大，各个操作参数对过程的作用具有很大的滞后期，如：各操作变量对控制目标之一的[Si]的动态变化响应的延迟时间约为3-7小时。
4）可控范围狭窄。
一方面，铁水质量必须满足用户的要求，这使得高炉的各种控制参数可调范围相对较小；另一方面，炉况必须早调、小调，才不致于发生过大的波动，否则炉况将急剧恶化而导致失控。
《高炉炼铁简述》PPT课件
构建高效率、低消耗、低成本、低排放生产体系
LOREM IPSUM 节能减排 DOLOR LOREM IPSUM 高效低耗 DOLOR
LOREM 循环经 IPSUM 济 DOLOR
清洁环保
低碳冶炼
安全长寿
5/11/2019
宝钢4号高炉
结束语
高炉炼铁的未来
大型化是高炉发展的一个主要方向。目前，大型高炉基本分布在欧亚地区，其 中日本最多，北美地区相对较少。全球2000立方米以上的中大型高炉共有107 座。与小高炉相比，大型高炉的劳动生产率成倍的增长。据统计，我国炼铁高 炉总数已达3228座，其中容积小于100立方米的高炉占总数的93%，劳动生产率 低，污染环境严重。随着我国加入WTO，市场竞争更趋激烈，高炉大型化大概 也是必然的趋势。
热制度：根据冶炼条件和所炼生铁品种的需要，在争取最低焦比的前 提下，选择并控制均匀而热量充沛的炉温（通常包括生铁含硅量和渣 铁温度两方面含义）。
3.高炉的基本操作制度
冷却制度：冷却器结构一般是将钢管铸入生铁铸体中，或直接用铜或 生铁铸成腔室型的构件，冷却器内的钢管或腔室通过冷却介质水时，将 与其接触的炉衬砌体内的热量带出，达到冷却降温的作用。冷却器固定 在炉壳内，直接冷却炉衬的外表，使炉衬内表面温度降低，并形成渣皮， 用于保护炉衬或代替炉衬工作，使高炉长寿。
高炉内部工作空间的形状称为高 炉内型从自上而下分为炉喉、炉 身、炉腰、炉腹、炉缸五个部分 。该容积总和为它的有效容积， 反应高炉多具备的生产能力。
6
2.高炉本体及主要构成
高炉内型
h6
高炉有效容积：
炉 喉
Vu Vi
1
5
d1
高炉软熔带数学模型研究
6
k
i= 1
ΒiR 3 i = 0
( 2)
( 2) E rgun 方程 g rad P = - ( f 1 + f
f f
1 2 2
2
Gg ) Gg
3 2 3
→
→
( 3) ( 4) ( 5)
) Λg [ Θ = 150 ( 1 - Ε dp) ] gΕ (< ) (Θ = 1175 ( 1 - Ε dp) gΕ <
图 1 高炉软熔带数学模型数据输入画面
F ig 11 D a ta inp u t m enu of b la st fu rnace cohesive zone m odel
・1 6 ・
钢 铁 ቤተ መጻሕፍቲ ባይዱ 第 39 卷
图 2 高炉软熔带数学模型主画面
F ig 12 T he m a in m enu of b la st fu rnace cohesive zone m odel
Study on M a thema t ic M odel of Cohes ive Zone in Bla st Furnace
JI N G W enbo, TAN G Feila i
(T echn ica l Cen ter of N anchang Iron and Steel Co. , L td 1, N anchang 330012)
→ →
n
G
( 7)
流强度等。 根据炉衬化学侵蚀机理知, 高炉长寿高效 要控制内衬表面热流强度, 当内衬表面热流强度小 于 2312 kJ (m 2 ・ s) , 可防止炉衬侵蚀。 4 应用 将其应用到南昌钢铁有限责任公司炼铁厂 1 号 高炉 上, 其 硬 件 配 置 如 下。 ① 计 算 机 主 机 2 台, P III733 128 M b 20Gb 1144M b 50X 网 卡 1 台; 486DX 66 8M b 400 M b 网 卡 1 台。 ② 显 示 器, PH I L P 21 英寸与 COM PAQ 14 英寸 1 台。 高炉软熔带数学模型数据输入与主画面如图 1 和图 2 示意。 模型中所需参数通过模型主画面上的 命令键进行自动或手动输入。 运用该模型可对影响 软熔带的具体参数 ( 利用系数、 矿批重、 焦炭负荷、 料 ) 线、 角和 角等 进行计算并显示出高炉内衬表面 Α Χ 热流强度分布和软熔带位置、 形状等。 南钢 1 号高炉的高炉软熔带模型计算研究发现 该高炉有如下特点: 炉身下部、 炉腰和炉腹内衬表面 热流强度比其他部位大, 但属正常范围 ( 1116 ～ 2312 2 kJ (m ・ s) ) 下限。正常生产时, 软熔带形状基本上 是 “ 型。 为实现高炉长寿高效, 采用正分装或等料 W” 线装料顺序。 控制: 料线, 018 ～ 112 m ; 矿石批重≥ 12 1 0 t; 溜槽倾角 , 3 0～ 3 4 ° ; 焦炭负荷 , 3 1 8～ 4 1 2 t t。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
即高炉过程存在大量模糊信息
数学模型无能为力
操作者凭经验可处理
现场人员不喜欢用数学模型
要求开发高炉人工智能系统 （因为人工智能可以进行模糊推理）
5. 高炉智能模型的开发
指导高炉生产过程
高
确定性
数学
炉
信息
模型
生
产
过
不 确 定 性 知识
程
信 息 （ 模 模型
糊信息）
精确
人
推理
工
智
能
模糊
模
推理
型
人工智能是一门新的技术学科 →利用计算机等手段模仿、延伸和扩展人的智能
高炉过程的特点
(2)在密闭容器内进行的过程
大多数参数不能直接观测 很多参数不能连续准确测定
(3)输入参数的变化在炉况上的反映有很大滞后性
焦炭负荷变化――约5－6小时 喷吹煤粉变化――约2－3小时 鼓风温度变化――约1－2小时
高炉冶炼过程是一个 大滞后、多变量、非线性分布参数系统
高炉模型通常为 机理＋经验而建立的模型
神经网络系统
具有两大功能 自学习的功能 模糊识别功能
分为二种类型： a 反向传播网络－需利用输出端实际数据反馈校正 b 自组织网络－不需教师数据，自己组织
高炉常用BP网络 （反向传播网络）
基于BP网络的硅预报模型原理
风温
风压
风量
顶温
料速
矿焦比 CO2
前n次硅值
输入层
ω1 ω2
[Si]
中间层
3. 高炉数模的发展
第二阶段 1974年以前→在线过程指导 1964年法国人提出的Wu指数模型在线运行成功 用Wu指数（炉热指数）－代表炉下部热量，
可预测铁水温度及含硅量 以后又派生出Ec、Tc、Ts等炉热指数模型
3. 高炉数模的发展
第三阶段1975年以后→多目标管理 思想：其它非热量参数亦会对炉热指数有影响
人工智能技术在90年代开始 在高炉中进行应用性开发研究
建立高炉操作的专家系统
有模糊识别和自学习的神经网络模型
专 家 系 统
将高炉操作者经验贮存于计算机里，进行炉 况的综合判断和控制
它包括两个主要组成部分：知识库和推理机
优点：克服了纯数学模型灵活性差、适应性 差的问题
缺点：知识库不易维护，对规则知识不具备 学习功能
2. 高炉模型的分类和功能
（1）分类
•按建模方法分类
理论模型－物料平衡、热平衡、化学平衡、反应速度等经典 模型
半经验模型－利用现场统计规律建立的、同时结合理论的模型
人工专家系统－依据投入和产出的变量间的逻辑关系进行判断
（1）分类
•按建模目的分类
模拟解析－煤气分布，温度分布等
计算分析－拉姆联合计算法，Rist操作线等
过程控制－Tc模型，Ts模型，Go－Stop模型等
（1）分类
•按应用形式分类
静态模型－分析，判断，决策（离线）
动态模型－过程指导或控制（在线）
（2）功能
加深对过程的全面认识和理解 指导和控制高炉优质高效运行 不必通过试验只在计算机上即
可预测和导出最优方案
3. 高炉数模的发展
可分为四个阶段
第一阶段 1964年以前→离线计算分析 只限于作一些单纯指数的分析计算 （如热平衡、t理、Rist操作线等）
第七章 高炉过程数学模型概述
高炉自动化要求日益迫切 高炉自控技术日趋成熟
大型化高炉优质高效运行所要求 炼铁技术发展 计算机技术发展
高炉过程数学模型
高炉自控的理论基础 高炉计算机控制的前提
1. 高炉建模的特点
高炉过程的特点 (1)高温下复杂的物化过程
存在气（煤气）、固（炉料）、液（渣铁） 三相的复杂反应 沿高度、径向、圆周方向存在不均匀性
输出层
第一步（学习过程） 对于每一模型的输入，网络不断修正权重，
使输出值接近期望值（实际值）
第二步（预报过程） 学习后的网络能识别： 最新输入的数据与原始学习过程的哪种模 式最接近，并输出结果。
人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。
高炉需要进行综合判断 故出现了：Go－Stop系统（川崎）
AGOS系统（新日铁）
3. 高炉数模的发展
第四阶段80年代以来→人工智能系统
人工智能系统（AI）
基于知识的专家系统 基于神经元的神经网络
两者正趋结合
4. 高炉数模的局限性
数学模型 → 把过程现象用数学方程定量地表达ห้องสมุดไป่ตู้来 但高炉过程的复杂性→许多现象无法进行定量描述