劉海瑞
陜西龍門鋼鐵有限責任公司 陜西韓城 715405
摘要：轉爐冶煉過程控制、終點控制是影響煉鋼生產效率、產品質量、生產成本等經營性指標的關鍵環節，同時也是鋼鐵生產的“黑箱”環節之一，長期以來沒有有效直接的手段對轉爐冶煉過程的化渣、脫碳、脫磷、升溫等物理化學變化進行有效監控和預測，大部分鋼鐵企業轉爐煉鋼過程控制主要依賴于人工經驗。2020年陜鋼集團陜西龍門鋼鐵有限責任公司聯合湖南鐳目科技有限公司率先研究開發了基于聲納化渣、火焰分析和煙氣分析的轉爐智能化煉鋼系統，實現了全程無人工干預的“一鍵式”煉鋼，在沒有配置副槍情況下實現了轉爐冶煉過程自動化、智能化，該系統對冶煉過程、終點預測準確率達到90%以上，取得了良好效果，達到了國內領先水平，創造的巨大的經濟效益和社會效益，為鋼鐵企業發展智能化煉鋼起到積極的推進作用和行業引領。
關鍵詞：聲納化渣；火焰分析；煙氣分析；智能煉鋼；一鍵式煉鋼
1 前言
轉爐煉鋼環節是鋼鐵生產的典型“黑箱”環節，長期以來沒有有效直接的手段對冶煉全程的化渣、脫碳、脫磷、升溫等物理化學變化進行有效監控和預測，轉爐煉鋼過程控制主要依賴于人工經驗，受操作人員思維慣性、個人技能以及反應能力有限等一系列因素制約，轉爐煉鋼生產效率、關鍵技術指標和污染物排放控制有待進一步改進和提升。在采用渣料減量化冶煉、石灰石復合造渣、鐵礦石熔融還原以及留渣作業后，進一步增加了操作人員依靠經驗進行操作的難度 [1]。目前部分鋼鐵企業轉爐采用基于副槍的過程控制系統和基于煙氣分析的過程控制系統[2-5]：基于副槍的過程控制系統對于終點碳溫的預測準確率和精度高，但是缺乏冶煉全程的檢測和動態調整，無法實現全程一鍵式煉鋼，同時設備價格昂貴，探頭消耗大，成本高，對爐容要求嚴格，難以滿足我國中小鋼廠的現狀需求[6]；基于煙氣分析的過程控制系統受到煙氣檢測延時、煙氣傳感器數據長期穩定性不佳、煙道風機流量壓力波動、煙道二次燃燒等狀況影響，其對于冶煉過程的監測、預測和控制準確性相對較差，從而影響其大規模推廣。
轉爐煉鋼智能化要求實現轉爐冶煉過程中各種狀態的精準監測(溫度、煙氣濃度、火焰形態、渣狀態等)、基于工藝模型的各類生產過程關鍵參數的精準預測（包括噴濺、返干、過程碳含量、過程溫度等），實現全自動化槍位和加料控制動態調整，實現終點溫度和成分的精準預測以及自動提槍等，最終實現全程“一鍵式煉鋼”[7-8]。轉爐煉鋼智能化已成為促進鋼鐵行業轉型升級的新生力量，是鋼鐵行業發展的必然趨勢，既能降低人員勞動強度，又能提升關鍵技術指標，同時促進鋼廠從生產低端建材產品逐步向生產高端產品跨越[9]。
2 智能化煉鋼發展歷程和最新技術
2.1 計算模型
智能煉鋼計算模型發展歷程如下圖所示：
Ø 第一階段：智能煉鋼模型第一階段主要通過純理論靜態計算模型實現，主要是四大平衡計算，包括熱平衡、氧平衡、鐵平衡和渣平衡，通過復雜的純理論公式計算出達到冶煉鋼種工藝目標（主要是目標出鋼溫度和目標出鋼碳）所需的總氧、化渣劑、冷卻劑、溶劑、合金等輔料消耗，根據冶煉模式規劃氧步和料步，然后進行加料和槍位控制。根據四大平衡純靜態計算進行過程和終點碳溫的預測。該計算主要依賴于輸入數據的準確性，同時計算極為復雜，對于國內煉鋼廠的現狀適應性較差。
Ø 第二階段：智能煉鋼模型第二階段在純理論靜態計算的基礎上，建立歷史爐次數據庫，以歷史爐次為參考，對當前爐次計算進行修正，實現總氧、輔料計算以及過程和終點碳溫的計算，即所謂“增量模型”，通過增量計算，可以有效降低靜態計算的復雜度，增強模型的適應性，減少對于輸入數據準確性的以來，但是對于歷史參考爐次的選擇極為關鍵，選擇不合理極大影響計算的準確性。
Ø 第三階段：智能煉鋼模型第三階段在增量模型的基礎上，增加自學習模型，建立參考爐次庫，設立邊界條件，對參考爐次賦予規則進行選擇，選擇最優爐次對當前冶煉爐次進行計算和修正，實現總氧、輔料計算以及過程和終點碳溫的計算。通過邊界條件的設立和自學習模型訓練，可以有效避免增量模型的缺陷，杜絕了參考錯誤爐次的影響，提高了計算準確性。
Ø 第四階段：前面三個階段智能煉鋼的模型都要基于理論計算實現，主要依賴于輸出數據的準確性，轉爐冶煉過程中沒有直接檢測方式對計算進行動態矯正，因此，智能煉鋼模型的第四階段就是在前面三個階段的基礎上，結合副槍或者煙氣分析之類的動態檢測手段對過程進行監測，建立動態計算模型，對冶煉終點進行精準預測和控制。
2.2 過程爐渣檢測技術
智能煉鋼過程爐渣檢測技術發展歷程如下圖所示：
圖2.2-1 智能煉鋼過程爐渣檢測技術發展歷程
Ø 第一階段：通過煙氣分析儀，對CO2和CO曲線進行分析，預判渣活躍、噴濺、爆發性噴濺及返干等爐渣狀態，據此進行槍位和加料的動態調整，實現動態控制。最早的煙氣分析儀為質譜儀，價格高、環境適應性差、維護極為復雜導致沒法推廣使用，后續發展到取樣式紅外光譜煙氣分析儀，但是準確性較差，延時較大，也沒有得到推廣應用，目前應用最多的就是原位式和取樣式激光煙氣分析儀，其結構簡單、環境適應性強、便于維護。煙氣分析主要對于爆發性噴濺預測較為準確，對于噴濺、預噴濺和返干預測準確性相對較差。
Ø 第二階段：聲納化渣是最直接有效檢測爐渣狀態的系統，通過該系統，實時預測渣厚趨勢，實時進行噴濺和返干狀態監測和預報，特別是最新的多音頻譜分析算法，能夠有效 提高返干預測準確率，進行槍位和加料的動態調整，實現動態控制。聲納化渣對于返干和預噴濺預測較為準確，但是對于已經發生噴濺的預測準確率較低。
Ø 第三階段：最開始人們想利用火焰分析進行冶煉過程中溫度和碳的檢測，但是效果并不理想，達不到工業應用的水平，后面火焰分析通過對轉爐火焰輪廓、亮度、形態、甩渣片等特征進行識別，用來判斷噴濺、預噴濺和返干的情況，效果較好，噴濺和預噴濺準確率可以達到95%以上，達到控制過程槍位和加料的條件。
Ø 第四階段：以上三種過程爐渣檢測手段都存在各自的優缺點，如下圖所示：
圖2.2-2 三種過程爐渣檢測手段的不足點
依靠單一系統實現過程控槍和加料都不可靠，因此，根據上述三種檢測手段的優缺點，第四階段聯合三種檢測方式，依據一定的邏輯規則整合信號，可以有效實現過程爐渣狀況的準確檢測以及噴濺、預噴濺和返干精準預報。
2.3 智能煉鋼系統
根據上述計算模型和檢測技術的發展歷程，智能煉鋼系統也經歷了幾個發展歷程和階段革新，如下圖所示：
圖2.3 智能化煉鋼系統技術革新
對于不具備條件上副槍系統的轉爐來說，基于增量自學習模型和煙氣分析、聲納化渣、火焰分析三種動態檢測手段的轉爐智能化煉鋼系統是最適合和最新發展趨勢。龍鋼也是最先開展這方面研究和應用的單位，取得了卓有成效的效果。
3、智能化煉鋼系統設計
3.1 系統架構
基于聲納化渣、火焰分析、煙氣分析的轉爐智能煉鋼系統架構如圖3.1所示：
圖3.1 基于聲納化渣、火焰分析、煙氣分析的轉爐智能煉鋼系統架構
主要建設內容包括：
Ø 通過鐵水廢鋼外圍輔助系統實現鐵水廢鋼信息的自動采集和匹配；
Ø 通過增量+自學習模型實現總氧、各類輔料計算以及過程和終點碳溫的計算；
Ø 根據計算的總氧和輔料、爐長優秀的操作經驗和不同的鐵水廢鋼條件建立不同的吹煉模式，制定氧步和料步，打通一級和二級，實現氧槍和加料的自動控制；
Ø 通過火焰分析、聲納化渣、煙氣分析對爐渣成渣過程進行監控，實現噴濺、預噴濺和返干的準確預測；
Ø 根據火焰、聲納和煙氣檢測的爐渣狀態結果，動態調整槍位和加料，保證冶煉過程化渣平穩良好。
基于聲納化渣、火焰分析、煙氣分析的轉爐智能煉鋼系統流程設計如圖3.2所示：
圖3.2 智能煉鋼系統流程
Ø 計算和自學習模型
1） 目標溫度和目標碳計算
2） 主原料計算
3） 熔劑計算
4） 氧平衡和冷卻劑計算
5） 過程和終點碳溫預報
6） 定義自學習規則，對歷史冶煉爐次進行選擇，選取的爐次能夠更好的反應當前冶煉環境，整個計算進行閉環學習，更好更指導當前爐次的冶煉。
Ø 成渣路線設計和過程控制
1）對爐渣實時監測并根據輸出信號對氧槍和加料動態調整，在實踐中實現爐渣狀態和氧槍加料閉環控制。
2）基于不同鐵水廢鋼信息下的靜態模式+根據爐渣狀態信號動態模式
3.3火焰分析設計
利用智能視覺識別技術將爐口結渣、火焰燃燒信號轉換為數字信號，識別爐口結渣、冶煉噴濺、脫碳燃燒情況、實現過程動態控制和終點輔助判斷。
火焰特征分析：火焰光強、火焰輪廓
轉爐爐渣信號輸出：起渣點、活躍、預噴濺、噴濺、返干
火焰分析系統的火焰信息采集裝置安裝在轉爐爐前，直對爐口，采集爐口火焰信息，火焰信息采集裝置采用立式安裝機構，該采集裝置可以上下左右旋轉，調整采集范圍，機構上還帶有冷卻吹掃裝置，防止相機因溫度過高出現故障。現場為混泥土地面，可打膨脹螺絲固定安裝底板，廠方提供冷卻氣源至安裝位置附近2m以內。火焰分析裝置如圖3.3所示。
圖3.3 火焰分析系統
3.4 煙氣分析設計
通過實時采集煙氣中CO、CO2濃度信息，監控轉爐內的脫碳反應，實現冶煉過程成分、溫度預報以及噴濺、爆發性噴濺的預報，優化槍位和加料操作。煙氣分析曲線如下圖3.4所示：
圖3.4 煙氣分析系統
數據計算和存儲：
Ø CO、CO2成分信號進入鋼廠PLC，PLC對其進行處理，轉換為所需的數據；
Ø 爐氣分析系統數據讀取數據周期性讀取PLC對應地址，把該數據存儲于數據庫中；
Ø 動態模型利用這些數據，結合鐵水與廢鋼數據，加料數據，生產計劃數據等計算出脫碳速率，鋼水溫度，成分等動態變量，實現對冶煉全過程的動態監控。
3.5 聲納化渣設計
利用聽覺、聲吶技術對爐渣狀態實時監控，將吹氧或者加料的噪聲信號轉換為數字信號，檢測吹氧情況和爐渣泡沫化程度，優化氧槍操作，避免化渣不良，提高脫磷水平。
聲納化渣特征分析：噪音強度
轉爐爐渣信號輸出：起渣點、預噴濺、噴濺、預返干、返干
聲納化渣安裝、界面及示意圖如圖3.5所示：
圖3.5 聲納化渣系統
3.6火焰分析、聲納化渣、煙氣分析三種爐渣檢測信號耦合和應用
通過現場實踐，這三種動態檢測手段都存在某個信號分析的優勢和劣勢，如何對三種檢測手段得出的信號進行耦合，最大限度的發揮各自的優點，能更好輸出轉爐過程化渣的情況，系統對三種檢測信號進行算法整合，形成一個信號處理模塊，如圖3.6-1所示：
圖3.6-1 火焰、聲納和煙氣檢測信號耦合
通過爐渣信號：活躍、預噴濺、返干三個信號對成渣路線進行控制，讓爐渣一直處于液相區域并按照設計好的鐵質成渣路線進行加料和槍位控制。如圖3.6-2所示：
圖3.6-2 轉爐冶煉過程中爐渣成分的變化圖
龍鋼鐵水磷較高，選擇A-B’-C鐵質成渣為最佳路線，在程序通過氧槍槍位和加料種類數量上考慮讓轉爐渣前中期處于活躍，以便提高脫磷比。
3.7 鐵水廢鋼外圍輔助管控系統設計
鐵水廢鋼外圍輔助管控系統實現智能煉鋼模型所需數據的自動采集，確保輸入數據的準確性，避免人工錄入數據的可靠性，組成包括：
Ø 鐵水包定位系統
通過在鐵水包車端部增加激光測距儀實現， 將測距儀數據接入PLC，通過冗余切換，實現鐵水包車精準定位，鐵水包包號識別系統從PLC地址處獲取實時位置參數，智能煉鋼系統從鋼廠對應PLC地址處獲取鐵水重量數據。
Ø 鐵水包包號識別系統
每個鐵包有其唯一的身份編碼。在鐵水預處理吊包位，折罐位、混鐵爐出鐵位等位置，多數鋼鐵廠通過人工對此編號進行記錄，以實現鋼水（或鐵水）轉運情況的記錄。此類記錄多為紙質記錄，未能形成全過程快速記錄，如使用次數、烘烤時間、盛裝鋼水（鐵水）重量和時間、空罐時間、維修等信息，以及根據數據進行使用效率的衡量。
包號識別系統它采用RFID無線射頻技術，通過無線射頻方式進行非接觸雙向數據通信，利用無線射頻方式對電子標簽進行讀寫從而達到識別包號和數據交換的目的。
每個鐵水包安裝耐高溫電子標簽（應答器），在鐵水包運輸關鍵節點吊包位，折罐位、混鐵爐出鐵位等位置安裝遠距離RFID讀寫器，電子標簽進入天線磁場后，若接收到讀寫器發出的特殊射頻信號，就能憑借感應電流所獲得的能量發送出存儲在芯片中的產品信息，讀寫器讀取信息并解碼后傳送至存儲單元（數據庫）用于跟蹤和反饋所測鐵水信息與相應鐵水包正確對應與否。
Ø 廢鋼斗號識別系統
其原理和配置與鐵水包包號識別相似，實現廢鋼斗內廢鋼分類及總量信息與斗號匹配，且轉爐區域可通過斗號獲取斗內廢鋼信息。
Ø 行車定位系統
整個系統由數據采集系統、行車定位系統、數據處理中心等部分組成，系統總體框架如圖3.7所示。數據采集系統將采集到的相關鐵水包和廢鋼斗信息通過通信網絡傳輸到中心站數據服務器上，另外結合行車定位系統發送的數據確定鐵水包和廢鋼斗當前的重量和位置坐標，然后經過數據處理服務軟件，將信息展現在電腦客戶端上，實時更新數據，HMI顯示界面完成行車的位置和信息的查看，實現現場監控和管理。
圖3.7 行車定位總體框架圖
3.8 智能控制系統設計
為了實現一鍵式智能煉鋼，系統設計不僅對轉爐冶煉過程進行動態跟蹤計算，而且要參與控制，確保了槍位、吹氧量包括加料能夠按標準化進行優化操作，使得模型計算排除了這些因素的擾動，控制冶煉過程按照預設的冶煉方案進行，主要控制功能有以下幾項：
Ø 氧槍自動控制：當一級系統操作站畫面氧槍控制方式轉為“自動模式”，控制模式選擇“二級模式”，氧槍高度及流量完全由二級模型接管控制，由二級系統給定氧槍高度和流量，并把指令發送給一級自動化系統完成自動控制。氧槍高度檢測需要采用絕對型編碼器，確保檢測及控制更加準確。氧氣流量檢測需要有溫度壓力補償，檢測數據準確，流量調節閥控制靈敏、穩定完全由二級模型接管控制。
Ø 加料量控制：當一級系統操作站畫面加料控制方式轉為“自動模式”，控制模式選擇“二級模式”，由智能煉鋼系統給定各種輔原料的加料量和加料時機，并把指令發送給一級自動化系統完成自動控制，要求稱量準確，靈敏，加料電控系統控制精度高，可靠穩定。
為了實現一鍵式智能煉鋼需要對PLC編程和一級操作畫面進行修改。在一級系統操作畫面添加氧槍、加料的“自動模式”、“手動模式”模式轉換按鈕。在一級系統上增加“一級模式”和“二級模式”。
在選擇”自動模式”和“二級模式”時，即可按二級給定的氧槍槍位，自動跟蹤槍位，按二級給定氧氣流量自動調節氧氣流量，按二級給定輔原料自動配料，加料。
在選擇”自動模式”和“一級模式”時，PLC執行一級界面手動輸入的工藝參數，不會執行二級下發的工藝數據。
氧槍、加料選擇”手動”模式時，人工手動操作畫面按鈕或者操作臺按鈕執行氧槍和加料的控制。
氧槍和加料有單獨的模式選擇，一個在執行自動模式時，另外一個可以執行手動模式。氧槍在自動模式的過程中，人工可以手動干預槍位，不會退出自動模式。當氧槍和加料在自動模式過程中出現異常，可以隨時切換成手動操作，不影響生產過程。
3.9 智能煉鋼系統界面設計
智能煉鋼系統界面如圖3.9-1和3.9-2所示：
系統界面包括：鐵水實績、廢鋼實績、生產計劃、靜態計算、吹氧冶煉、爐次數據、歷史報表、鋼水成分、工程數據界面。
（1）鐵水實績界面：包含了出鐵類型、出鐵日期、鐵水重量、鐵水溫度、鐵水成分、操作人員等信息。可根據日期、鐵包號、轉爐號進行鐵水信息查詢。
圖3.9-1 智能煉鋼系統界面設計一
圖3.9-2 智能煉鋼系統界面設計二
（2）廢鋼實績界面：包含了廢鋼斗號、廢鋼重量、裝料時間、操作人員信息等。可根據日期、轉爐號進行廢鋼信息查詢。
（3）生產計劃界面：包含了計劃號、爐次號、目標鋼種、目標鋼水量、精煉路徑、連鑄機號等信息。可根據精煉路徑、連鑄機號、開始時間等條件進行查詢。
（4）靜態計算界面：包含了爐次基本信息、鐵水廢鋼信息、鋼種成分、冶煉終點目標、輔料計算結果、冶煉模式選擇等信息。
（5）吹氧冶煉界面：包含了冶煉信息、預報信息、鐵水廢鋼信息、輔料投料信息、聲納曲線、煙氣曲線、氧槍曲線等實時信息。
（6）爐次信息界面：包含了歷史冶煉爐次的鐵水廢鋼信息、輔料投料信息、冶煉歷史曲線等。可根據時間、爐次號進行歷史爐次信息查詢。
（7）歷史報表界面：是對生產過程中的所有數據進行保存，以便對生產過程進行追蹤，有利于生產工藝分析和物料消耗統計管理，生成的生產報表包括序號、爐次號、開吹時間、鋼種、鐵水、廢鋼、加料、吹氧、化驗等各種數據。
（8）鋼水成分界面：包含了爐次號、試樣類型、分析成分等信息。
（9）工程數據界面：是對系統中涉及到的工程數據進行管理，比如物料管理、鋼種管理、模型參數等進行管理。
基于聲納化渣、火焰分析和煙氣分析的轉爐智能煉鋼系統于2022年6月分成功穩定投用于5#轉爐，各項預報數據如圖4-1所示。目前系統終點碳預報準確率達到85%以上，終點溫度命中率達到90%以上，噴濺識別準確率達到100%，智能煉鋼投用三個月后，相比于人工操作，有效提高了轉爐一倒不點吹出鋼比率、提高了終點磷合格率、降低了轉爐冶煉噴濺比率，降低了渣料消耗，提高了各項經濟技術指標。圖4-2轉爐終點控制指標
圖4-1預報數據
圖4-2轉爐終點控制指標
5、結論
陜西龍門鋼鐵有限責任公司聯合湖南鐳目科技有限公司，采用最新的計算模型和過程動態檢測技術，在國內率先開發成功了基于聲納化渣、火焰分析、煙氣分析的轉爐智能煉鋼系統，實現全程無人工干預的“一鍵式”煉鋼，并且成功穩定投用于生產實踐，應用結果表明：
1.轉爐智能化煉鋼系統的有效運行基于選擇的相關檢測設備的性能及參數的調試，同時要結合各檢測參數進行系統性的有效分析，從算法和邏輯上滿足轉爐冶煉需求。
2.開發的轉爐智能化煉鋼系統，通過多種算法的綜合應用，實現轉爐冶煉過程中各種狀態的精準監測(溫度、煙氣濃度、火焰形態、渣狀態等)，生產過程關鍵參數的精準預測（包括噴濺、返干、過程碳含量、過程溫度等），實現全自動化槍位和加料控制動態調整，實現終點溫度和成分的精準預測，最終實現轉爐“一鍵式煉鋼”。
3.智能化煉鋼系統結合冶煉原料條件建立了多種冶煉模式（龍鋼建立了24種模式），按照鐵水溫度、鐵水成分、廢鋼料型、廢鋼比、造渣制度、爐役期綜合排布建立適用于龍鋼工況的冶煉靜態模型，在靜態模式的基礎上，系統選擇模式后，根據冶煉過程檢測參數動態調整槍位、渣料加入量和加入時機，通過動態計算預測過程鋼水溫度和碳含量，達到全程預報和檢測的目的。
4.在計算機煉鋼模式的選擇上，開發了擇優模式、標準模式、自學習模式、渣料選擇模式、終點目標設定模式，開發階段按照由易到難得層級進行工業化試驗，最終達到計算機煉鋼自學習模式，有效提高終點碳、溫預報準確率，經過大量的測試，龍鋼計算機煉鋼終點碳、溫度命中率達到90%以上，預噴濺識別準確率達到95%，噴濺識別準確率達到100%，有效提高了轉爐終點命中率，有利于轉爐關鍵技術指標的提升。
5.要實現智能化煉鋼，提高計算機煉鋼預報的命中率及準確性，對外圍原料的數據要實現自動采集，同時要提高采集數據的準確性，外圍原料及轉爐工況越穩定，越有利于智能化煉鋼系統的高效推進。
6、參考文獻
[1] 闞永梅.智能化煉鋼模型在轉爐煉鋼的開發與應用[J].天津冶金,2019(4):1-5.
[2] 馮捷,張紅文.轉爐煉鋼生產[M]. 北京:冶金工業出版社, 2006, 102-103.
[3] 孟祥寧,張海鷹等.轉爐煉鋼過程靜態控制模型的改進[J].材料與冶金學報,2004,3(4): 246-250.
[4] G.J.Apeldoorn,P.D.Hubbeling, et al.達涅利康力斯副槍系統的應用[J].鋼鐵,2004,39(11): 29-32.
[5] 吳明,吳發達.應用煙氣分析直接出鋼模式的冶金效果[J].中國冶金, 2008, 18(10): 33-36.
[6] 劉瀏. 轉爐全自動吹煉技術[J]. 冶金自動化, 1999, 4: 1-6.
[7] 劉輝,曾鵬飛.基于WGRA-FCM樣本相似度量的轉爐煉鋼終點碳溫軟測量方法[J].控制與決策. https://doi.org/10.13195/j.kzyjc.2020.0128.
[8] Shao YM, Zhou MC, Chen YR, Zhao Q. BOF endpoint prediction based on the flame radiation by hybrid SVC and SVR modeling[J]. Optik-International Journal for Light and Electron Optics,2014,125(11).
[9] 萬延林,吳學濤等.智慧煉鋼核心“一鍵煉鋼”技術應用優勢研究[J].中國金屬通報.2022:127-129.