智能技术在钢包精炼炉中的应用案例

为提高我国钢包精炼炉自动化的技术水平，取得节能降耗、提高生产率的效果，我们进行了智能钢包精炼炉控制系统（ILF）的开发。此系统基于复合人工智能技术进行钢水温度预报和钢水成分预报、能量输入动态优化、合金补加计算和智能电极升降控制，克服了传统钢包精炼炉控制系统的缺点，得到了满意的应用结果。

智能钢包炉控制系统采用基于工业计算机(IPC)的硬件结构,智能钢包精炼炉自动控制系统主要有两台IPC（调节器IPC1和服务器IPC2）构成。两台IPC通过以太网连接。IPC1内插有模拟量输入输出模板和数字量输入输出模板，用于信号的输入输出。

两台工业计算机各配置了一套液晶显示器、鼠标和键盘，一套放置在主控室的操作台上供炼钢工操作用，另一套装在电气室的控制柜中用于系统调试和检修。系统还配置了必要的电量变送器、信号调理模块、直流电源，集中放置在电气室的控制柜中。此外，控制柜中配置了一套现场信号模拟装置和电量显示表，用于调试和设备检修。

智能钢包炉控制系统包括以下主要功能:•数据I/O、钢水温度预报、能量输入设定点动态优化、合金补加计算、电极升降控制、数据库管理和统计过程分析、MMI、网络通讯。

为提高系统性能，我们应用了人工神经元网络、专家系统和模糊控制等复合智能技术，并与常规控制和优化算法相结合，完成了上述功能。

智能技术在钢包精炼炉中的应用案例

一、热平衡计算和钢水温度预报

热平衡计算和钢水温度预报就是根据钢水初始温度、能量输入、能量损耗和有用能量的平衡关系，预报整个冶炼过程中的钢水温度的变化。目前有机理分析和统计计算两种方法。

机理分析方法基于机理模型，按冶炼阶段分别建立钢包、吹氩搅拌、冷却水、烟尘、电弧、加料、钢水各单元的能量平衡关系，再进一步进行综合计算。这种方法的优点是物理意义清楚，计算结果对改进操作制度和冶炼工艺有指导意义，但这种机理分析需要大量的前提假设，且需现场提供大量的工艺数据，而这些数据在正常生产时是得不到的， 因而制约了机理模型的在线运行。

统计计算方法是基于统计分析方法，如线性回归分析，通过大量数据找到预报量与各种过程变量间关系。其优点是算法简单，且很容易在线实现；但由于这些模型只能反映线性关系，而钢水温度与电量、合金料、时间等因素间的关系错综复杂，统计模型的精度通常不高。

本系统采用人工神经元网络和专家系统有机结合的钢水温度动态预报模型。首先用人工神经元网络模型预报钢水温度预报初值，主要考虑钢水初始温度、电耗、有功功率、弧流、通电时间、热停时间、合金加入量、造渣剂加入量；对于新旧包、钢水烘烤程度等对钢水温度有影响又不好定量表达的因素，用专家系统组成升温、降温规则，根据现场情况对人工神经元网络模型钢水温度预报初值进行修正，两者综合后给出准确的钢水温度预报值。

克服了机理分析和统计计算两种方法的缺点，适应能力强，预报精度高。钢水温度计算从每炉__次钢水测温开始，以此测温值为基础，每一分钟计算一次，进行钢水温度的动态预报。

智能技术在钢包精炼炉中的应用案例

二、能量输入设定点动态优化

能量输入设定点动态优化功能可归结为选择合理的决策变量(弧压和弧流), 在满足一定约束条件下，使得输入到钢包炉内的电弧功率满足工艺要求。

以往功率设定点仅根据静态的电气圆图，制订出各种电压档下的功率曲线，由操作工根据自己的经验选取。这种静态分析假设电气线路电阻、电抗不变和三相独立，由于冶炼工艺过程的复杂性，随机干扰因素多，三相电气变量间耦合严重，这种假设并不成立。近年来，国外利用人工智能技术于功率设定点的优化，取得了一定进展。一般说来，有专家系统和人工神经元网络两种方案。专家系统方案采用基于经验的方法，即将从生产实践总结出来的功率设定点的经验，以专家系统的规则形式存储在计算机中，根据冶炼目标、冶炼实绩和检测到的电气变量等因素进行逻辑推理，得到一个比较合理的功率设定点，但是，由于这些专家系统只是基于检测或预测的电流、电压等外在电气变量，未能充分利用反映电气系统内在规律的电阻、电抗等电气特性参数的动态变化，也就得不到精确的优化设定点。人工神经元网络方案是用人工神经元网络建立功率和阻抗间的对应函数关系，通过对阻抗求偏导以优化出最大功率时的阻抗值，作为电极升降控制的设定点。这种算法的优化目标是寻求最大二次功率，比较适合作为初炼炉的电弧炉，对于钢包精炼炉，功率最大并不意味着功率最优，还必须考虑生产节奏、钢水温度和冶炼工艺的要求，在满足这些非线性、时变的约束条件下，寻求最优功率设定点。

本系统考虑以下约束条件:  视在功率小于变压器许用容量、工作电流不超过变压器的许用电流、电弧弧长控制、较高的用电效率和热效率、耐材指数、三相功率平衡 、冶炼工艺和生产节奏对温升的要求 。

系统采用人工神经元网络和专家系统有机结合的能量输入设定点动态优化方案。首先，建立人工神经元网络模型，动态计算钢包精炼炉有关的电气参数，如电阻、电抗等，然后，基于这些参数计算不同设定点下的工艺参数，如二次有功功率、弧功率、弧长、弧压和耐材指数，然后，调用专家系统规则，根据冶炼过程中各阶段的不同特性，将冶炼功率曲线分解成化渣、成分调整升温和出钢前升温三个阶段，在不同阶段，根据预报的钢水温度值、电气特性曲线、冶炼工艺和生产节奏对温升的要求进行弧压和弧流设定点的调整，实现电能输入的优化。

三、 合金补加计算

合金补加计算的目的是计算加入钢水中的各种辅料和合金料，使得在满足钢种成分和物料要求的前提下，加入的辅料和合金料的成本最低。

传统的做法是运用运筹学的线性规划模型，以辅料和合金料的成本最低为目标函数，将钢种成分范围和物流限定作为约束条件，用单纯形法求解，得到需加入钢水中的辅料和合金料的重量。受限于以下条件，使得合金计算模型的应用效果受到了很大影响：

（1）线性规划的线性约束条件只考虑了化学元素和加料料仓现有料的简单定量约束，不能反映炉内的物理化学反应变化，不能保证良好的造渣制度和高的合金收得率，从而达不到加料成本最佳的目的；

（2）有些订货，不仅对钢水成分提出了要求，而且对产品的机械性能，如淬透性等提出了要求，这些要求归结为一组高度非线性约束，往往导致单纯形法的求解无效；

（3）线性规划模型中各合金元素的收得率假设为常数，但冶炼实际中由于钢水温度的波动、炉况的变化和渣制度的不同，各合金元素的收得率变化较大，严重影响了线性规划模型计算的准确性。 基于以上分析，我们对传统线性规划模型进行了改进，建立了基于复合人工智能的合金计算模型，取得了满意的效果。

首先，基于冶金物化反应机理和冶金工艺专家的经验，建立了物理化学特性要求量化的专家系统（ES-1）和合金料的料种选择和加入次序的专家系统（ES-2），将各种定性的、启发式的知识信息，通过各种推理过程进行非结构化的问题求解，形成量化的控制成分约束，并进行显示料种选择，然后利用线性规划模型（LP）进行合金补加优化计算。其中，合金元素收得率利用神经元网络进行自适应学习，以反映钢水温度、炉况和渣制度的影响。

四、智能电极升降控制

电极升降控制的目的是通过液压站比例阀或伺服阀调节电极末端距钢包炉内钢水液面的距离来保证冶炼过程中电量的状态变量跟踪优化后的输入功率设定点。传统电极升降控制都是以阻抗控制为基础的PID控制，即根据电流和电压反馈信息控制电极升降，保持电压和电流之间的比例满足预先设定的阻抗值。近年来，人工智能技术的发展，给电极升降控制技术的发展提供了新的动力。美国神经应用公司推出了IAF，SMI公司推出了SmartArc。基于人工智能技术的控制系统与PID控制系统相比，具有显著的优越性。需要指出的是，上述智能电极升降控制器，都是以初炼电炉为背景开发的，对于LF不能完全照搬。由于钢包炉底吹氩会引起钢水渣液面的波动，LF的电极升降控制还要考虑由于这种波动而产生的强扰动等问题，特别是精炼化渣期。

本系统采用基于人工神经元网络和模糊控制的复合电极升降控制方案。首先利用炉子仿真模型进行三相电极弧流的预报，然后基于设定点和预报值的差调整控制器的输出，经信号放大板送到液压阀上进行三相电极的升降控制。