5#RH智能煉鋼系統(tǒng)開發(fā)與應(yīng)用

王 允,何水珍,楊紅海

(本鋼板材股份有限公司煉鋼廠,遼寧 本溪 117000)

隨著RH真空精煉爐在國(guó)內(nèi)的廣泛使用[1],其智能無(wú)干預(yù)模型煉鋼成為亟待解決的問(wèn)題。目前國(guó)內(nèi)行業(yè)內(nèi)部普遍存在模型命中率不理想、合金下料精度不足,真空系統(tǒng)老化[2]等問(wèn)題,限制了智能無(wú)干預(yù)煉鋼技術(shù)的推廣。

在RH的冶煉過(guò)程中,隨著設(shè)備的老化,原設(shè)計(jì)二級(jí)模型功能無(wú)法使用,出現(xiàn)了困擾生產(chǎn)的問(wèn)題如下:

(1)一級(jí)操作畫面設(shè)計(jì)繁瑣,需要頻繁切換畫面,容易誤操作,不利于監(jiān)護(hù)生產(chǎn)過(guò)程。

(2)終點(diǎn)溫度控制偏差較大。

(3)氧槍需要靠人工進(jìn)行控制,鋁氧配比控制不良,升溫鋁加入不均勻。

(4)原設(shè)計(jì)爐氣分析系統(tǒng)故障率高,無(wú)配套算法,無(wú)法直接預(yù)報(bào)脫碳結(jié)束時(shí)刻。

(5)現(xiàn)場(chǎng)雷達(dá)料位計(jì)受高溫粉塵環(huán)境影響[3],故障率高,且裝機(jī)量大,損壞嚴(yán)重,無(wú)法及時(shí)修復(fù)。

本文主要研究RH真空精煉爐的智能無(wú)干預(yù)煉鋼系統(tǒng)的開發(fā)與應(yīng)用。著重解決上述困擾生產(chǎn)的問(wèn)題。

1 一級(jí)系統(tǒng)實(shí)現(xiàn)二級(jí)全部功能的整合

目前國(guó)內(nèi)的RH爐二級(jí)模型應(yīng)用普遍不佳。傳統(tǒng)的二級(jí)模型一般為高級(jí)語(yǔ)言開發(fā),一級(jí)與二級(jí)直接通訊周期普遍在1 s及以上。不適合毫秒級(jí)別的實(shí)時(shí)模型控制。

傳統(tǒng)的L1-L2-L3,三級(jí)控制模式中,L2不但要同時(shí)與一級(jí)和三級(jí)網(wǎng)絡(luò)通信,還要封裝工藝模型,數(shù)據(jù)處理負(fù)擔(dān)過(guò)重,丟包、延遲情況時(shí)有發(fā)生,其系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 改進(jìn)前模型控制系統(tǒng)界面

改進(jìn)結(jié)構(gòu)后,系統(tǒng)控制的核心是一級(jí)組態(tài)軟件,二級(jí)系統(tǒng)通信壓力大幅減少。其機(jī)構(gòu)如圖2所示。

圖2 改進(jìn)后模型控制系統(tǒng)界面

本設(shè)計(jì)由于采用了BP與GA結(jié)合的人工神經(jīng)網(wǎng)絡(luò)算法、Dahllin算法、Smith預(yù)估補(bǔ)償算法、卡爾曼濾波(kalman filtering)算法等多種復(fù)雜算法,根據(jù)實(shí)時(shí)響應(yīng)的需求,將工藝模型分別封裝在PLC程序、組態(tài)軟件intouch的腳本語(yǔ)言QuickScript、C語(yǔ)言開發(fā)的ActiveX控件中。

根據(jù)模型實(shí)時(shí)性和精度的要求,對(duì)模型進(jìn)行分級(jí),合理有效地利用系統(tǒng)資源?？蓪?shí)現(xiàn)200 ms內(nèi)的快速工藝操作,顛覆了傳統(tǒng)的二級(jí)控制模式。可以實(shí)現(xiàn)免二級(jí)運(yùn)行,降低二級(jí)系統(tǒng)的電耗和運(yùn)維成本。一級(jí)系統(tǒng)實(shí)現(xiàn)二級(jí)功能,滿足不同模型對(duì)通訊速度的要求。

2 免切換全過(guò)程可視人機(jī)界面

智能系統(tǒng)的運(yùn)行離不開人員的監(jiān)護(hù),傳統(tǒng)的原設(shè)計(jì)是14個(gè)窗口通過(guò)鼠標(biāo)進(jìn)行操作,人員監(jiān)護(hù)和操作都存在一定困難。同一時(shí)刻只能顯示一個(gè)窗口,全過(guò)程可視界面可實(shí)現(xiàn)一個(gè)畫面下監(jiān)控所有的重點(diǎn)工藝設(shè)備運(yùn)行,結(jié)合語(yǔ)音提醒的自診斷系統(tǒng)為操作者提供增強(qiáng)安全型的解決方案。其監(jiān)控畫面如圖3所示。

圖3 監(jiān)控操作畫面

3 人工神經(jīng)網(wǎng)絡(luò)溫度預(yù)報(bào)

RH冶煉過(guò)程中,溫度控制[4]是重點(diǎn),溫度模型對(duì)處理周期控制也有非常重要的影響。由于鑄機(jī)在線調(diào)寬,升降拉速,精煉工序的溫度控制不易實(shí)現(xiàn)建模,本設(shè)計(jì)采用人工神經(jīng)網(wǎng)絡(luò)算法,并結(jié)合反向遺傳算法[5],克服傳統(tǒng)的三層BP網(wǎng)絡(luò)容易陷入局部最優(yōu)的缺點(diǎn)。具體開發(fā)步驟如下:

(1)鋼水終點(diǎn)溫度是RH處理過(guò)程的重要指標(biāo),預(yù)報(bào)采用遺傳算法(GA)的全局搜索能力來(lái)確定反向遺傳(BP網(wǎng)絡(luò))的初始權(quán)值和閾值。

(2)網(wǎng)絡(luò)選擇常用的三層BP網(wǎng)絡(luò)。這種網(wǎng)絡(luò)應(yīng)用廣泛,在實(shí)際應(yīng)用中可以達(dá)到較好的效果。

(3)輸入層:建立網(wǎng)絡(luò)模型時(shí),輸入層信息主要是影響鋼水溫度的主要因素。由分析可知模型主要考慮吹氧、初始溫度、鋼包狀態(tài)、升溫、節(jié)奏溫降、自然溫降6個(gè)影響鋼水溫度的主要因素。

(4)隱含層:隱層神經(jīng)元數(shù)目的選擇目前還沒有一個(gè)通用的理論公式來(lái)確定,只有經(jīng)過(guò)多次驗(yàn)算,經(jīng)過(guò)反復(fù)試驗(yàn)最后確定為4個(gè)。

(5)輸出層:根據(jù)實(shí)際需要設(shè)置輸出層神經(jīng)元個(gè)數(shù)。本文輸出層結(jié)點(diǎn)僅有一個(gè)即RH終點(diǎn)溫度。

(6)激活函數(shù):輸入層與隱含層之間的激活函數(shù)為S型函數(shù),隱含層與輸出層之間的激活函數(shù)為線性函數(shù)。

分別用不同的參數(shù)訓(xùn)練網(wǎng)絡(luò)并檢驗(yàn)網(wǎng)絡(luò)的性能,經(jīng)過(guò)反復(fù)試驗(yàn)得到的GA-BP參數(shù)(見表1)。

表1 GA-BP參數(shù)

現(xiàn)場(chǎng)數(shù)據(jù)被送到數(shù)據(jù)庫(kù)中,數(shù)據(jù)在數(shù)據(jù)庫(kù)中經(jīng)過(guò)預(yù)處理并經(jīng)過(guò)歸一化后,傳送到GA-BP網(wǎng)絡(luò)預(yù)測(cè)程序,預(yù)測(cè)鋼水溫度。當(dāng)數(shù)據(jù)累積到一定量后,還可以通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練程序優(yōu)化網(wǎng)絡(luò)模型以獲得更好的預(yù)報(bào)結(jié)果,如圖4所示。

用同樣的數(shù)據(jù)分別對(duì)標(biāo)準(zhǔn)BP算法、GA-BP結(jié)合的算法進(jìn)行實(shí)驗(yàn),后者命中率明顯高于前者。具體數(shù)據(jù)參見表2。

表2 GA-BP改進(jìn)算法與BP算法精度對(duì)比

預(yù)報(bào)溫度與實(shí)際溫度的關(guān)系:橫坐標(biāo)為實(shí)際溫度,縱坐標(biāo)為預(yù)測(cè)溫度,從圖5中可以看到大部分樣本在對(duì)角線附近,說(shuō)明系統(tǒng)具有較好的性能。對(duì)誤差進(jìn)行統(tǒng)計(jì),預(yù)報(bào)誤差在±5 ℃之內(nèi)。爐次占總爐次在76%以上,完全可以滿足實(shí)際生產(chǎn)的需要。

圖5 預(yù)報(bào)溫度與實(shí)際溫度對(duì)比分布圖

溫度的精準(zhǔn)控制不僅有利于降低升溫鋁球的消耗,避免浪費(fèi)合金。同時(shí)也顯著地縮短了冶煉周期。降低耐材的消耗。

由于包況的不確定性,以及鋼水質(zhì)量的差異,溫度預(yù)報(bào)模型還有很大的優(yōu)化空間。

隨著試驗(yàn)爐次的增多,精度仍有提升空間。預(yù)報(bào)誤差在±10 ℃之內(nèi)的爐次占總爐次在99%以上。

4 基于達(dá)林算法的氧槍控制模型

RH氧槍是重要工藝設(shè)備。原中冶京誠(chéng)瑞達(dá)設(shè)計(jì)的氧槍自動(dòng)升溫程序效果不好,投產(chǎn)后一直停用。

為了實(shí)現(xiàn)自動(dòng)控制氧槍,優(yōu)化鋁氧配比,本項(xiàng)目采用了達(dá)林算法設(shè)計(jì)數(shù)字控制器[6],并于2023年獲得國(guó)家發(fā)明專利授權(quán)[7]。專利實(shí)施后,鋁球多次分批均勻加入鋼水,對(duì)比人工手動(dòng)集中加入,鋁氧反應(yīng)更充分,鋁氧配比精度高。

本項(xiàng)目于2020年5月在本鋼板材煉鋼廠5#RH精煉爐投入后,使用效果良好,系統(tǒng)運(yùn)行穩(wěn)定。表3為在生產(chǎn)過(guò)程中隨機(jī)提取的過(guò)程數(shù)據(jù)。

表3 氧槍控制過(guò)程數(shù)據(jù)

數(shù)據(jù)表明,專利實(shí)施后能夠較好地克服下料系統(tǒng)滯后帶來(lái)的偏差,精準(zhǔn)控制溫度,鋁氧配比平均達(dá)到1∶1.008,溫度與目標(biāo)設(shè)定值的平均偏差為2.7 ℃,滿足工藝要求。

5 熱水井一氧化碳脫碳模型

在國(guó)內(nèi),大部分冶金企業(yè)采用爐氣分析的方法,輔助預(yù)報(bào)脫碳結(jié)束。由于尾氣分析儀的位置距離真空罐較遠(yuǎn),經(jīng)過(guò)多個(gè)水罐,普遍存在滯后現(xiàn)象明顯的問(wèn)題。此外,由于尾氣測(cè)量點(diǎn)含水及高溫蒸汽,造成激光反照率下降,影響測(cè)量精度。因此無(wú)法獨(dú)立進(jìn)行脫碳結(jié)束控制。

改造后在熱水井水罐內(nèi)部檢測(cè)一氧化碳?xì)怏w濃度。通過(guò)設(shè)計(jì)smith預(yù)估補(bǔ)償器[8],克服大時(shí)滯對(duì)測(cè)量值的影響。精準(zhǔn)預(yù)報(bào)脫碳結(jié)束,縮短RH處理周期,減少過(guò)程溫降。該技術(shù)于2023年取得國(guó)家發(fā)明專利授權(quán)[9],專利應(yīng)用后,運(yùn)行穩(wěn)定,可以自動(dòng)控制脫碳結(jié)束。圖6為脫碳預(yù)報(bào)自動(dòng)控制歷史曲線。

圖6 碳預(yù)報(bào)控制歷史曲線

6 虛擬物料檢測(cè)技術(shù)

目前料位計(jì)損壞較多,由于料位計(jì)的缺失,生產(chǎn)過(guò)程中缺少物料,待料,堆料情況時(shí)有發(fā)生,長(zhǎng)期困擾生產(chǎn)(見圖7)。加之備件費(fèi)用緊張,申報(bào)困難。

(a)改造前

采用軟件虛擬料位后,成功實(shí)現(xiàn)自動(dòng)上料。目前精煉工序新增虛擬料位計(jì)42個(gè),不但節(jié)約備件申報(bào)費(fèi)用123萬(wàn)元,還省去了現(xiàn)場(chǎng)維護(hù)的工作量,職工的職業(yè)健康得到保障。本技術(shù)于2020年取得國(guó)家發(fā)明專利授權(quán)[10]。

經(jīng)過(guò)改造后,實(shí)現(xiàn)了無(wú)人自動(dòng)上料,滿足了工藝要求。崗位操作人員無(wú)需在高溫、粉塵環(huán)境進(jìn)行作業(yè),職業(yè)健康得到了根本的保證。為了保證料位精度,每周人工進(jìn)行一次手動(dòng)標(biāo)定。

同時(shí)由于取消了物理雷達(dá)料位計(jì),現(xiàn)場(chǎng)兩個(gè)電子秤維護(hù)班組,調(diào)整為一個(gè)班組,電能得到節(jié)約。

圖7為改造前后操作畫面對(duì)比圖。

7 總 結(jié)

智能化綠色低成本煉鋼是冶金企業(yè)發(fā)展的新趨勢(shì),本鋼板材股份有限公司煉鋼廠技術(shù)人員深挖潛能、苦練內(nèi)功,踏上了一條以降本增效為契機(jī),以自主研發(fā)為依托的創(chuàng)新之路。