發(fā)布時間：2018-06-13 16:34

  本文選題：AOD法 + 質(zhì)量控制　； 參考：《長春工業(yè)大學(xué)》2017年碩士論文

【摘要】：在AOD法(Argon Oxygen Decarburization)冶煉低碳鉻鐵的過程中,產(chǎn)品中的碳含量、磷含量及硫含量是衡量產(chǎn)品質(zhì)量的重要因素。然而冶煉過程是一個非常復(fù)雜的多元多相高溫狀態(tài)下進行的非線性的物理化學(xué)反應(yīng)過程,存在很多不確定的影響因素,給冶煉產(chǎn)品的質(zhì)量控制增加了很大困難。目前鐵合金行業(yè)整體生產(chǎn)過程的智能化程度還不高,傳統(tǒng)的冶煉工藝尚需進一步完善與優(yōu)化。為此,采用智能分析、預(yù)測與控制方法,對實現(xiàn)低碳鉻鐵冶煉產(chǎn)品質(zhì)量的提高,增強企業(yè)綜合競爭力具有重要意義。本文提出的AOD法冶煉低碳鉻鐵質(zhì)量控制是在轉(zhuǎn)爐生產(chǎn)中碳鉻鐵的基礎(chǔ)上,為進一步提高產(chǎn)品質(zhì)量而開展的深入理論與應(yīng)用研究。論文結(jié)合AOD爐冶煉低碳鉻鐵的生產(chǎn)工藝和生產(chǎn)實踐,基于熱力學(xué)和動力學(xué)理論的物理和化學(xué)特征,結(jié)合智能算法,建立了低碳鉻鐵碳含量、硫含量和磷含量等指標的質(zhì)量控制模型,并進一步構(gòu)建了生產(chǎn)過程集成控制與管理平臺。首先分析了AOD爐冶煉過程中爐渣堿度對質(zhì)量指標的重要影響,提出了低碳鉻鐵質(zhì)量預(yù)測模型的分步建模法;然后采用RBF神經(jīng)網(wǎng)絡(luò)模型對爐渣堿度進行預(yù)測,并結(jié)合鐵水預(yù)處理,進行了磷、硫含量的灰色關(guān)聯(lián)度分析;最后,在此基礎(chǔ)上建立了基于神經(jīng)網(wǎng)絡(luò)的質(zhì)量智能預(yù)測模型,并采用改進粒子群算法對模型進行優(yōu)化,使得磷含量的控制效果在控制誤差±0.003%內(nèi)由80%提升到95%,硫含量的控制效果在控制誤差±0.003%內(nèi)有80%提升到90%,此外碳含量的控制效果也得到了很大的提升。在上述研究的基礎(chǔ)上,開發(fā)了AOD法冶煉低碳鉻鐵生產(chǎn)過程DCS控制系統(tǒng)。該系統(tǒng)由現(xiàn)場過程控制級、集中操作監(jiān)控級和綜合生產(chǎn)管理級等部分組成。現(xiàn)場過程控制部分采用西門子S7-400PLC與AOD爐爐體、頂槍供氣控制系統(tǒng)、底槍供氣控制系統(tǒng)、加料控制系統(tǒng)、閥站及現(xiàn)場儀表等組成,實現(xiàn)各系統(tǒng)單元按生產(chǎn)工藝要求和冶煉過程實時監(jiān)測與調(diào)節(jié),并通過現(xiàn)場總線,構(gòu)建了基于力控6.1組態(tài)軟件開發(fā)的AOD爐冶煉過程實時監(jiān)測與質(zhì)量控制平臺。
[Abstract]:In the process of smelting low carbon ferrochromium by AOD (Argon Oxygen Decarburization), the carbon content, phosphorus content and sulfur content in the product are important factors to measure the quality of the products. However, the smelting process is a very complicated nonlinear physical and chemical reaction process under a multiphase and multiphase high temperature state. There are many uncertain factors. It is difficult to control the quality control of the smelting products. At present, the intelligent degree of the whole production process of the iron alloy industry is not high. The traditional smelting process needs to be further improved and optimized. Therefore, the intelligent analysis, prediction and control methods are adopted to improve the quality of low carbon FERROCHROMIUM SMELTING products and enhance the comprehensive competitiveness of the enterprises. It is of great significance. The quality control of low carbon ferrochrome smelting by AOD method is based on the carbon ferrochromium in the converter production. It is a deep theory and application study to further improve the quality of the product. The paper combines the production process and practice of smelting low carbon ferrochromium with the AOD furnace, and the physics and chemistry based on the theory of thermodynamics and dynamics. The quality control model of carbon content of low carbon ferrochromium, sulfur content and phosphorus content, and the integrated control and management platform of production process are further constructed. First, the important influence of slag basicity on the quality index in the smelting process of AOD furnace is analyzed, and the classification of low carbon ferrochromium quality prediction model is put forward. The RBF neural network model is used to predict the basicity of the slag, and the grey correlation analysis of the content of phosphorus and sulfur is analyzed with the pretreatment of molten iron. Finally, a quality intelligent prediction model based on neural network is established on the basis of the neural network, and the improved particle swarm optimization is used to control the phosphorus content. The effect is increased from 80% to 95% in the control error of 0.003%, and the control effect of sulfur content is raised to 90% within the control error of 80%. In addition, the control effect of carbon content has been greatly improved. On the basis of the above study, the AOD process for smelting low carbon ferrochromium production process DCS control system is developed. The system is controlled by field process. The field process control part is composed of SIEMENS S7-400PLC and AOD furnace body, top gun gas supply control system, bottom gun supply control system, feed control system, valve station and field instrument, so as to realize the real-time monitoring of various system units according to production process requirements and smelting process. A real-time monitoring and quality control platform for AOD furnace smelting process based on force control 6.1 configuration software is built with adjustment and fieldbus.
【學(xué)位授予單位】：長春工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TF641;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 尤文;韓順杰;馬海濤;曹志強;張德江;郭軍;姜長泓;吳化;王淮;江虹;;氬氧精煉鐵合金能減排工藝技術(shù)應(yīng)用研究[J];中國冶金;2015年07期

2 邱東;戴文娟;;基于RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐冶煉中低碳鉻鐵終點磷含量預(yù)報模型的研究[J];計算機測量與控制;2014年09期

3 邱東;張楠;趙晨旭;戴文娟;;基于灰色神經(jīng)網(wǎng)絡(luò)的中低碳鉻鐵終點硫含量預(yù)報模型研究[J];中國測試;2014年04期

4 郭軍;聞昕舒;趙一鵬;徐江;鄒繪真;;中國鐵合金行業(yè)技術(shù)進步現(xiàn)狀及預(yù)測[J];鐵合金;2014年02期

5 魏季和;李毅;;頂?shù)讖?fù)吹條件下不銹鋼VOD精煉過程的數(shù)學(xué)模擬——模型應(yīng)用及結(jié)果[J];太原理工大學(xué)學(xué)報;2014年02期

6 馬海濤;尤文;韓順杰;;氬氧精煉低碳鉻鐵終點控制[J];計算機測量與控制;2013年12期

7 李曉;彭鋒;;我國鐵合金行業(yè)現(xiàn)狀及發(fā)展趨勢分析[J];冶金經(jīng)濟與管理;2013年05期

8 邱東;符營營;;AOD爐冶煉中低碳鉻鐵爐渣堿度預(yù)報模型的研究[J];自動化與儀器儀表;2013年04期

9 李光輝;劉青;;轉(zhuǎn)爐煉鋼過程工藝控制的發(fā)展與展望[J];鋼鐵研究學(xué)報;2013年01期

10 何平;劉瀏;趙進宣;;轉(zhuǎn)爐煉鋼綜合智能型靜態(tài)控制模型改進與應(yīng)用[J];鋼鐵研究;2012年06期

相關(guān)會議論文 前1條

1 杜曉建;;AOD爐內(nèi)脫硫的影響因素[A];2012年全國煉鋼—連鑄生產(chǎn)技術(shù)會論文集（上）[C];2012年

相關(guān)博士學(xué)位論文 前1條

1 馬海濤;氬氧精煉低碳鉻鐵生產(chǎn)過程數(shù)學(xué)模型的建立及控制策略的研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2011年

相關(guān)碩士學(xué)位論文 前9條

1 李帥;基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點預(yù)測模型研究[D];東北大學(xué);2014年

2 符營營;AOD爐冶煉中低碳鉻鐵爐渣堿度優(yōu)化及預(yù)報技術(shù)研究[D];長春工業(yè)大學(xué);2013年

3 朱笑雷;基于RBF神經(jīng)網(wǎng)絡(luò)的鐵水脫硫預(yù)報模型的研究及應(yīng)用[D];東北大學(xué);2010年

4 卓偉偉;復(fù)吹轉(zhuǎn)爐脫磷及影響因素研究[D];武漢科技大學(xué);2009年

5 雷強;復(fù)吹轉(zhuǎn)爐冶煉歷程及脫硫影響因素的研究[D];武漢科技大學(xué);2008年

6 屠小娥;基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制研究[D];蘭州理工大學(xué);2007年

7 孔玲爽;燒結(jié)法氧化鋁生料漿質(zhì)量預(yù)測及應(yīng)用研究[D];中南大學(xué);2005年

8 閆博;轉(zhuǎn)爐煉鋼智能控制方法的研究[D];東北大學(xué);2005年

9 溫麗華;灰色系統(tǒng)理論及其應(yīng)用[D];哈爾濱工程大學(xué);2003年

，

本文編號：2014663