Анализ данных и моделирование конвертерного процесса с учетом текущих значений энергетических параметров излучения

Размещено на http://www.allbest.ru/

Анализ данных и моделирование конвертерного процесса с учетом текущих значений энергетических параметров излучения

Ю.Н. Антипов

Аннотация

Проведен анализ и моделирование конвертерного процесса с учетом измерений текущих значений его энергетических параметров излучения дистанционными прецизионными датчиками специальной конструкции. Показано, что качество моделей, построенных с учетом энергетических параметров излучения, улучшилось.

конвертерный процесс, корреляционный анализ, кластерный анализ, критерий регулярности, приемники излучения

Кислородно-конвертерный процесс производства стали (двушлаковый процесс) делится на два периода [1]. В первом периоде происходит удаление главных вредных примесей (сера, фосфор, марганец и т.п.), в основном содержащихся в чугуне. В конце второго периода должна получиться сталь с заданными параметрами. Однако фактически всегда по окончании этого периода используются специальные присадки для доведения химического состава стали до необходимых параметров. Поэтому резерв повышения эффективности кислородно-конвертерного процесса заключается прежде всего в увеличении вероятности получения требуемой марки стали и в уменьшении времени плавки. сталь конвертерный моделирование

Повышение эффективности конвертерного процесса предполагает построение специальной автоматизированной системы экспериментальных исследований (АСЭИ). На выходе АСЭИ должны строиться модели протекания конвертерного процесса максимально возможной адекватности, использующие всю доступную информацию (физико-химические механизмы отдельных явлений, экспериментальные данные, неформальное знание) [2].

Ранее нами был приведен статистический анализ данных, сосредоточенных в паспортах плавок (выборка - 88 паспортов плавок) [3]. Некоторые из построенных при этом моделей могут быть проинтерпретированы с позиции физико-химических процессов, протекающих в конвертере; другая часть моделей такими свойствами не обладает. Значение критерия регулярности (0,61-0,83) указывает только на их удовлетворительное качество. Это может объясняться тем, что не все существенные для моделируемого процесса признаки были включены в используемые данные.

Повышение размерности экспериментального описания изучаемого процесса с последующим конструированием подсистемы наиболее информативных признаков - стандартный прием повышения качества разрабатываемых моделей. Настоящая работа посвящена статистическому анализу данных, сосредоточенных в паспортах плавок (выборка - 53 паспорта плавок), когда к информации, фигурирующей в них, добавляется информация, полученная в результате измерения текущих значений температуры и облученности в процессе плавки (всего шесть измерений на одну плавку).

Измерения температуры и облученности проводились с помощью дистанционных прецизионных датчиков специальной конструкции: радиационных пирометров и тепловых приемников излучения [4]. Каждое измерение характеризовалось значениями трех признаков: временем, прошедшим от момента начала первого периода до момента измерения; температурой металла в конвертере и облученностью приемника от выбранной точки на поверхности металла. Первое измерение проводилось через 20 мин после начала первого периода; второе - непосредственно перед промежуточным скачиванием шлака; третье - в середине второго периода; четвертое - в последней четверти второго периода; пятое - при завершении второго периода; шестое - перед розливом стали. Таким образом, процесс выплавки стали характеризуется 89 признаками: 71 признак, отмеченный в паспорте каждой плавки, и 18 признаков, связанных с измерением температуры и излучения стали.

В результате корреляционного анализа данных второй выборки (53 паспорта плавки) новой информации о связях между признаками, входящими в паспорт плавки, не обнаружено, т. е. связи между этими признаками остались те же, что и для первой выборки (88 паспортов плавки), описанной нами в работе [3].

Поэтому рассмотрим лишь корреляционные связи, индуцированные результатами дистанционных прецизионных измерений температуры и облученности.

Очевидно, что физический смысл для первого измерения могут иметь лишь связи с результатами химического анализа стали после первого периода. Здесь были найдены две заслуживающие внимания отрицательные связи - температуры и облученности с содержанием С (коэффициенты корреляции равны - 0,495 и -0,481 соответственно). Это подтверждает тот факт, что с ростом температуры, т.е. с повышением интенсивности конвертерного процесса, уменьшается содержание углерода в стали.

Результаты третьего и четвертого измерения могут быть связаны с результатами химического состава стали после второго периода. Положительная корреляционная связь (коэффициент корреляции близок к 0,35) между температурой и облученностью в обоих измерениях и содержанием Mn в стали свидетельствует о том, что скорость окисления данного элемента падает с ростом температуры стали.

Заслуживают внимания положительные связи между температурой и облученностью при третьем измерении с содержанием Р в стали после второго периода. Это говорит о повышении с ростом температуры равновесных концентраций фосфора в конвертере во время продувки.

Наличие связи между температурой и облученностью при третьем измерении с содержанием Cr и отсутствием ее при четвертом измерении говорит о том, что равновесия распределения хрома между металлом и шлаком в конце плавки нет.

Значения остальных коэффициентов корреляции оказались несущественными.

Таким образом, результаты корреляционного анализа подтвердили гипотезу о значимости связи температуры и облученности с признаками, характеризующими качество стали.

Одной из причин получения результатов, плохо поддающихся интерпретации, может служить неоднородность данных. Для уменьшения влияния неоднородности данных при анализе второй выборки был использован кластерный анализ. Кластеры строились тремя различными алгоритмами.

Первыми искались кластеры по методу "ближнего соседа". К сожалению, этот метод, формирующий кластеры шарообразной формы, не дал правдоподобных результатов. Почти все плавки были объединены в один кластер, а второй кластер (на последнем шаге алгоритма) содержал всего четыре точки. Это свидетельствует о том, что плавки, рассматриваемые как точки в многомерном признаковом пространстве, группируются вокруг некоторой усредненной плавки, что, возможно, характеризует, в среднем, исследуемый конвертерный процесс на данном предприятии.

Затем использовался метод "дальнего соседа", который строит кластеры вытянутой формы. Здесь также подавляющее большинство плавок было объединено в одну группу. Очевидно, такая группировка индуцирована вариабельностью одного из существенных признаков, характеризующих данный конвертерный процесс. Этот признак может быть как технологическим параметром, так и определяться химическим составом используемого сырья или являться некоторой интегральной характеристикой.

При использовании метода "средней связи" были получены два, примерно одинаковых по числу плавок, кластера. При их анализе было выяснено, что они отличаются друг от друга по ряду признаков. Во втором кластере по сравнению с первым в чугуне было больше содержание Mn и Si, больше расход кислорода, чаще использовалась присадка FeMn, на шлакообразование больше расходовалось извести и меньше кокса, практически не использовался доломит.

Таким образом, при формировании кластеров третьим методом были учтены и параметры технологического процесса (управляющие воздействия), и зависимость от химического состава сырья. Кластерный анализ подтвердил гипотезу о неоднородности выборки.

Для проверки предположения о том, что сведения о текущих энергетических параметрах излучения важны для получения моделей высокого качества, были построены модели двух типов с помощью метода группового учета аргументов (МГУА).

Модели первого типа строились только по данным, взятым из паспортов плавок, а второго - по расширенным данным, т. е. с учетом измерения энергетических параметров излучения конвертерного процесса. Для сравнения качества моделей использовался критерий регулярности, применяемый при построении МГУА - моделей [5]. Анализ результатов в основном подтвердил предположение о существенности текущих значений температуры и облученности при моделировании конвертерного процесса. При этом для ряда признаков значение критерия регулярности моделей второго типа было существенно меньше, чем у моделей первого типа. В среднем уменьшение критерия, а значит, и улучшение моделей, составило 24%.

Наиболее заметное уменьшение значения критерия регулярности произошло при построении зависимости содержания Р в стали после второго периода от результатов первого периода и присадок. Если для модели первого типа значение критерия равно 0,698, то при учете промежуточных измерений значений температуры оно стало 0,489. При этом вид зависимости существенно изменился. Если по данным только паспортов плавок зависимость имела вид

Х 1 = -0,297 Х 2 +0,419 Х 3 + 0,347 · Х 4 · Х 5 - 0,257 Х 2 · Х 6 +0,178 Х 2 · Х 7 + 0,262 ·Х 3 ·Х 8 + 0,193 Х 9 · Х 10 + 0,228 Х 5· Х 7,

где Х 1 - содержание Р в стали после второго периода; Х 2 - содержание Si в присадке SiMn; Х 3 - расход извести за второй период; Х 4 - вес присадки SiMn; Х 5 - расход доломита на шлакообразование; Х 6 - расход извести на шлакообразование; Х 7 - содержание S в стали после первого периода; Х 8 - расход Al; Х 9 - расход кокса на шлакообразование; Х 10 - расход доломита за второй период, то при учете температуры оказалось:

Х 1 = 0,184 Х 11 +0,587 Х 12 - 0,318 Х 13 · Х 14 + 0,221 Х 10 · Х 15 +0,490 Х 8 · Х 16-- 0,416 Х 14 ·Х 12 - 0,935 Х 14 · Х 12,

где Х 11 - содержание Si в присадке FeMn; Х 12 - температура стали в последней четверти второго периода; Х 13 - расход кокса за второй период; Х 14 - содержание Р в стали после первого периода; Х 15 - содержание С в стали после первого периода; Х 16 - содержание Mn в стали после первого периода; Х 17 - содержание Сr в стали после первого периода.

Изменение вида зависимости, т. е. структуры модели, говорит о том, что при учете характера изменения температуры во время продувки отражаются иные взаимосвязи признаков (синергизмы). Объяснение этому может быть дано только с общесистемных позиций - привлечение новых сведений об объекте ведет к пересмотру представлений о возможных механизмах его функционирования.

Следует отметить, что зависимость второго типа (учитывающая текущую температуру) содержит компоненты, которые лучше интерпретируются по сравнению с моделью первого типа. Это служит аргументом, подтверждающим большую адекватность синтезированной зависимости исследуемого процесса.

Самое большое влияние на содержание Р в стали после второго периода оказывает синергизм Х 14 ·Х 17. Здесь Сr выступает в роли катализатора процесса окисления Р. Еще один синергизм, учитывающий признак Х 14 и также влияющий на уменьшение Р в стали после второго периода, - это Х 13 ·Х 14. Кокс при образовании шлака вбирает в себя окислы Р и препятствует его восстановлению. Синергизм Х 14 ·Х 12 свидетельствует о том, что повышение температуры в конвертере к концу второго периода происходит не за счет обезуглероживания, а за счет выгорания Р.

Замедление дефосфорации стали отражает синергизм Х 8 ·Х 16, означающий, что при повышенном содержании Mn присадка Al препятствует окислению Р. При достаточно высоком содержании С использование доломита во втором периоде приводит к восстановлению Р, о чем свидетельствует синергизм Х 10 ·Х 15. А наличие признака Х 12 в зависимости говорит о повышении равновесных концентраций Р с ростом температуры. Признак Х 11 указывает на то, что первым выгорает Si, а лишь затем Р.

Другой пример представляет зависимость содержания Сr в стали после второго периода.

Зависимость первого типа:

Х 18 = 0,432 Х 19 +0,267 Х 20 · Х 9 - 0,250 Х 21 · Х 22 -0,346 Х 9 · Х 23-- 0,345 Х 24 ·Х 16 - 0,199 Х 24 · Х 17 +0,288 Х 16 · Х 14,

где Х 18 - содержание Сr в стали после второго периода; Х 19 - температура стали после первого периода; Х 20 - расход кислорода за первый период; Х 21 - расход извести за первый период; Х 22 - расход пыли за первый период; Х 23 - время, прошедшее от начала первого периода до момента измерения при завершении второго периода; Х 24 - расход пыли за второй период.

Зависимость второго типа:

Х 18 = 0,432 Х 19 +0,242 Х 25 · Х 9 - 0,244 Х 25 · Х 22 -0,328 Х 9 · Х 23 + 0,269 Х 13 ·Х 26 + +0,288 Х 27 · Х 28,

где Х 25 - расход извести за первый период; Х 26 - облученность в последней четверти второго периода; Х 27 - время, прошедшее от начала первого периода до момента измерения перед промежуточным скачиванием шлака; Х 28 - облученность при четвертом измерении.

Значение критерия регулярности здесь изменилось с 0,605 до 0,515. При этом во вторую зависимость вошли признаки Х 26 - облученность при втором измерении и Х 28 - облученность при четвертом измерении. Кроме того, в обеих зависимостях фигурирует признак Х 19 - температура в конце первого периода.

Для остальных элементов, определяющих марку стали, были получены примерно такие же результаты. Значение критерия регулярности для моделей, построенных по данным, включающим результаты промежуточных измерений энергетических параметров излучения, было лучше, чем для моделей, синтезированных только по паспортным данным.

Результаты кластерного анализа и МГУА-моделирования говорят о целесообразности предварительной классификации плавок как многомерных объектов признакового пространства. Если число плавок в полученных кластерах окажется достаточным для синтеза адекватных (по критерию регулярности) МГУА - моделей, то в АСЭИ должна быть предусмотрена реализация всего цикла исследования для множества плавок из каждого кластера.

Таким образом, впервые анализ и моделирование конвертерного процесса приведены с учетом измерений текущих значений энергетических параметров излучения дистанционными прецизионными датчиками специальной конструкции. Показана существенность промежуточных измерений температуры и облученности при построении паттернов, характеризующих взаимосвязи признаков. Качество моделей, построенных с учетом энергетических параметров излучения, возросло в среднем на 24% (оцениваемое по критерию регулярности).

Повышение эффективности конвертерного процесса путем уменьшения вероятности получения марки стали, отличной от требуемой, и сокращения времени процесса возможно при синтезе предложенной АСЭИ с АСУТП конвертерного производства.

Список использованных литературных источников

1. Квитко, М.П. Кислородно-конверторный процесс / М.П. Квитко, С.Г. Афанасьев. - М.: Металлургия, 1984. - 342 с.

2. Антипов, Ю.Н. Автоматизация экспериментальных исследований теплофизических процессов / Ю.Н. Антипов, М.К. Ахтанова // Известия КГТУ. - 2004. - №6. - С. 62-67.

3. Антипов, Ю.Н. Анализ данных при автоматизации исследования конвертерного процесса / Ю.Н. Антипов // Известия КГТУ. - 2011. - №20. - С.11-17.

4. Антипов, Ю.Н. Приборы для измерения энергетических параметров теплофизических процессов / Ю.Н. Антипов [и др.] // Известия КГТУ. - 2005. - №7. - С. 245-249.

5. Ивахненко, А.Г. Моделирование сложных систем по экспериментальным данным / А.Г. Ивахненко, Ю.П. Юрачковский. - М.: Радио и связь, 1987. - 150 с.

Размещено на Allbest.ru