本發(fā)明屬于鋼鐵冶金，涉及一種基于靜態(tài)模型的轉爐控制方法
背景技術：
1、轉爐作為鋼鐵冶金中的核心設備，承擔著煉鋼過程中的氧化、脫碳等關鍵化學反應。由于其內部反應復雜且動態(tài)變化，精確控制輔料加入量及吹氧量對鋼水質量至關重要。目前，大噸位轉爐(120噸以上)普遍采用副槍裝置實時監(jiān)測鋼水成分及溫度，但該裝置需較大安裝空間，導致其在100噸以下的小噸位轉爐中難以應用。因此，小噸位轉爐多依賴人工經驗或基于固定參數(shù)的靜態(tài)模型進行控制。然而，人工經驗受操作者主觀因素影響大，穩(wěn)定性差；常規(guī)靜態(tài)模型雖能部分替代人工，但其參數(shù)多為預設或定期手動更新，無法根據(jù)實時爐況動態(tài)優(yōu)化，導致模型自學習能力弱、計算精度不足。此外，傳統(tǒng)模型對渣量、熱量平衡等關鍵參數(shù)的動態(tài)適應性較差，難以滿足高精度煉鋼需求，嚴重制約了轉爐自動化控制的實現(xiàn)。因此，亟需一種能夠實時優(yōu)化參數(shù)、提升自學習能力的靜態(tài)模型控制方法，以解決小噸位轉爐控制精度低、依賴人工經驗的技術瓶頸。
技術實現(xiàn)思路
1、有鑒于此，本發(fā)明的目的在于提供一種基于靜態(tài)模型的轉爐控制方法。
2、為達到上述目的，本發(fā)明提供如下技術方案：
3、一種基于靜態(tài)模型的轉爐控制方法，包括以下步驟：
4、s1、獲取本爐次鐵水信息、廢鋼信息、輔料信息及終點目標信息；
5、s2、根據(jù)歷史數(shù)據(jù)計算本爐次目標鋼水量、終渣渣量及上爐留渣量；
6、s3、基于渣量及渣中氧化鎂飽和含量計算含鎂輔料加入量；
7、s4、根據(jù)磷分配比計算石灰加入量；
8、s5、基于熱量平衡計算冷卻劑或發(fā)熱劑加入量；
9、s6、通過氧平衡計算總吹氧量；
10、s7、將模型預測值與生產實績值對比，篩選符合條件的數(shù)據(jù)用于模型自學習。
11、進一步，所述s2中上爐留渣量的計算包括：
12、根據(jù)轉爐出渣結束時的傾翻角度x擬合爐渣體積vreslag，公式為vreslag＝7×1011×e-0.275x，并通過爐渣成分計算密度ρreslag，最終得到上爐留渣量wreslag＝ρreslag×vreslag。
13、進一步，所述s3中渣中氧化鎂飽和含量的計算公式為：
14、
15、其中，taimsteel為本爐次終點目標溫度，％tfe、％cao、％sio2為上爐次渣中對應成分含量。
16、進一步，所述s4中通過目標磷分配比lp，目標與理論磷分配比lp，理論的關系確定石灰加入量，其中：
17、
18、且滿足lp，理論≥k.lp，目標，其中，k是修正系數(shù)，k≥1，b0～b4為參考爐次回歸參數(shù)。
19、進一步，所述s6中總吹氧量vo2的計算公式為：
20、vo2＝a(∑voss)+bvoyc+cvolq+dvoks
21、其中，∑voss為各元素燒損所需氧量，voyc為煙塵氧耗量，volq為爐氣中自由氧量，voks為冷卻劑或發(fā)熱劑的分解供氧量；a～d為修正系數(shù)，通過分類后的參考爐次回歸所得。
22、進一步，所述s7中，篩選參考爐次的條件包括：
23、鐵水重量范圍60t～75t，廢鋼重量范圍7t～25t，鐵水c含量3.7％～4.8％，鐵水si含量0.1％～0.8％，鐵水溫度1220℃～1470℃；且與本爐次參數(shù)波動范圍滿足鐵水重量±5t、鐵水溫度±20℃、廢鋼重量±4t；鐵水c的波動范圍為±0.2％，鐵水si的波動范圍為±0.1％。
24、進一步，所述s7中，模型自學習的具體方法包括：
25、將s4～s6中模型參數(shù)b0～b4，a～d與生產實績反推參數(shù)對比，若參數(shù)相對偏差小于等于5％，則直接存儲調用；若相對偏差大于5％，則根據(jù)偏差量進行參數(shù)補償后存儲調用。
26、進一步，所述s5中熱量富余量的計算基于參考爐次的熱量輸入輸出差異，并通過熱量平衡確定冷卻劑或發(fā)熱劑加入量。
27、進一步，所述s7中模型自學習的數(shù)據(jù)選自最近100爐生產實績中與本爐次條件相似的爐次。
28、進一步，所述參數(shù)補償?shù)木唧w方法為：
29、若參數(shù)相對偏差大于5％，則補償后的參數(shù)值p新按下式計算：
30、
31、其中，p模型為模型預測參數(shù)值，δp＝p實績-p模型，p實績?yōu)樯a實績反推參數(shù)值。
32、本發(fā)明的有益效果在于：
33、(1)通過優(yōu)化模型算法(如含鎂輔料的氧化鎂飽和含量計算、磷分配比匹配、多因素吹氧量公式)，克服傳統(tǒng)靜態(tài)模型參數(shù)固化問題，使石灰、含鎂輔料及吹氧量的命中率均超過80％，顯著減少人工干預誤差。
34、(2)通過實時對比模型預測值與生產實績數(shù)據(jù)，動態(tài)修正參數(shù)(如石灰計算的b0～b4、吹氧量的a～d)，并基于偏差閾值(≤5％)自動補償，使模型參數(shù)持續(xù)優(yōu)化，適應不同爐次工況波動。
35、(3)針對100噸以下轉爐缺乏副槍監(jiān)測的痛點，提供高精度靜態(tài)模型替代人工經驗，為轉爐全流程無人化操作提供技術基礎。
36、(4)通過篩選相似參考爐次優(yōu)化模型輸入數(shù)據(jù)，減少異常工況干擾，使鋼水成分波動范圍縮小，提升產品質量一致性。
37、本發(fā)明的其他優(yōu)點、目標和特征在某種程度上將在隨后的說明書中進行闡述，并且在某種程度上，基于對下文的考察研究對本領域技術人員而言將是顯而易見的，或者可以從本發(fā)明的實踐中得到教導。本發(fā)明的目標和其他優(yōu)點可以通過下面的說明書來實現(xiàn)和獲得。
1.一種基于靜態(tài)模型的轉爐控制方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s2中上爐留渣量的計算包括：
3.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s3中渣中氧化鎂飽和含量的計算公式為：
4.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s4中通過目標磷分配比lp，目標與理論磷分配比lp，理論的關系確定石灰加入量，其中：
5.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s6中總吹氧量vo2的計算公式為：
6.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s7中，篩選參考爐次的條件包括：
7.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s7中，模型自學習的具體方法包括：
8.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s5中熱量富余量的計算基于參考爐次的熱量輸入輸出差異，并通過熱量平衡確定冷卻劑或發(fā)熱劑加入量。
9.根據(jù)權利要求1所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述s7中模型自學習的數(shù)據(jù)選自最近100爐生產實績中與本爐次條件相似的爐次。
10.根據(jù)權利要求7所述的基于靜態(tài)模型的轉爐控制方法，其特征在于：所述參數(shù)補償?shù)木唧w方法為：