一、转炉炼钢—连铸流程的模式优化研究(论文文献综述)
刘青,邵鑫,杨建平,张江山[1](2021)在《炼钢厂多尺度建模与协同制造》文中研究表明在阐述炼钢厂多尺度建模与协同制造技术架构的基础上,分别从单体工序尺度、车间区段尺度与炼钢厂运行尺度开展了炼钢厂协同制造的研究.从工序/装置过程控制系统(PCS)到炼钢厂制造执行系统(MES)进行了较为系统的建模研发,构建了包括转炉工序、精炼工序与连铸工序在内的工序工艺控制模型以及以生产计划与调度模型为核心的物质流运行优化模型,并通过工序工艺控制和生产计划与调度的动态协同,实现了炼钢厂多工序/装置的高效运行.研发了炼钢-连铸过程工序工艺控制模型、生产计划与调度模型同MES之间的数据接口,实现了MES与生产工艺控制、流程运行控制、生产计划与调度系统的有机融合,形成了以机理模型与数据模型协同驱动的工艺精准控制、多工序协同运行、基于"规则+算法"的生产计划与调度为支撑的炼钢-连铸过程集成制造技术,通过多层级的纵向协同与多工序的横向协同,实现了炼钢厂的协同运行与控制.研究成果是炼钢-连铸过程智能制造的有益探索与实践,对流程工业智能制造企业具有很强的参考价值,对冶金工业绿色化、智能化发展具有示范与借鉴作用.应用后,明显提升了炼钢厂的协同制造水平,取得了显着的经济与社会效益.
李小明,席浩栋,缪德军,刘俊宝,吕明[2](2021)在《炼钢流程钢中氮的溶解及控制技术》文中研究指明氮作为钢中典型的常存元素,其含量对钢产品性能有重要影响。炼钢生产过程中,由于钢液裸露容易导致增氮,或者钢液成分不同、操作不当等使含氮合金中氮的收得率不稳定等,这些因素都会使钢液中的氮含量产生明显波动,导致成品钢材性能不稳定。因此,氮的精准控制已成为控氮钢种或含氮钢种生产中的关键问题,分析了钢中氮的来源,阐释了钢液氮溶解热力学和动力学,综述了炼钢生产流程中钢液氮变化、控氮研究现状及技术措施等,提出炼钢流程中钢液氮精准控制发展方向。
梁青艳[3](2021)在《基于流程网络仿真的钢铁企业炼钢调度和能源优化》文中进行了进一步梳理绿色化和智能化是钢铁行业智能制造转型升级的两大基本要素,研究生产系统以及能源系统的优化问题具有非常重要的现实意义。近几年随着企业自动化、信息化水平的普遍提高,智能制造提升工程也逐渐着手实施,急需利用智能模型去解决复杂生产流程中的生产优化调度问题以及钢铁企业能源多介质优化调配问题。本文针对当前炼钢调度以及能源优化问题研究中的不足和局限性,提出基于流程网络仿真进行优化建模的新的解决方案,进行了关键技术研究和应用验证,主要研究内容如下:(1)充分考虑钢铁企业炼钢调度的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化基础模型,并分别结合普钢和特钢不同实际生产场景进行了应用验证。应用结果表明该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。(2)充分考虑钢铁企业能源和生产耦合紧密的特点,从能量流的角度出发,构建了能量流网络基本描述模型包括主工序能量流模型、分介质能量流网络模型、能量流网络集成模型,对物质流、能量流之间相互影响、相互耦合的关系进行了信息表征;提出了从钢铁流程生产工艺出发,基于静态因素、动态因素及能源本身波动规律建立主工序能量流节点模型的建模方案,并分别以煤气和电力介质为例进行了主工序能量流具体分析、模型描述及预测验证。预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。煤气预测模型,模型误差基本在10%以内;电力96点负荷预测模型,模型误差在5%以内的达到96%,均获得了较好的预测效果。(3)以能量流网络模型为基础,针对以满足需求,放散最小为目标的能源计划的智能生成问题构建了基于规则的能源仿真调配模型,针对以放散和成本最小为目标的能源动态调度问题构建了基于优化算法的能源优化调配模型,并分别通过仿真分析,验证了模型的适用性和有效性。这两部分的研究分别针对不同的具体应用问题,不同优化目标进行了建模,而且和能量流网络模型结合,形成了完整的模型体系,为能源的多工况场景计划制订、优化协调提供了新方法。
杨建平,张江山,刘青[4](2020)在《炼钢–连铸区段3种典型工序界面技术研究进展》文中提出面对钢厂智能化发展的时代要求,炼钢–连铸区段工序界面技术受到越来越多冶金学者的关注,其不仅是解决工序关系集合协同–优化问题的重要手段,也影响着工序功能集合解析–优化和流程工序集合重构–优化的效果.本文对炼钢–连铸区段3种典型工序界面技术,即钢包运行控制、天车运行控制和生产运行模式优化的研究进展进行阐述,其中,钢包运行控制包括钢包热状态监测、钢包选配以及钢包调度,天车运行控制包括吊运任务的分配和同跨/异跨天车的协同调度,生产运行模式优化包括工序/设备产能、时间节奏与炉–机对应模式的匹配设计.此外,针对炼钢–连铸区段多工序协同运行的制约因素,指出工序界面技术协同的必要性,并对上述工序界面技术的协同机制与协同方案进行了阐述.
杨治争[5](2020)在《基于BOF-RH-CC流程的中合金钢洁净度控制技术研究》文中认为基于BOF-RH-CC冶金流程生产10CrNi3MoV中合金钢,面临转炉冶炼效果、全程洁净度控制及质量和性能稳定性等系列技术、控制方面的难点,本论文以现有80t转炉为核心的工艺设备条件为基础,综合应用理论分析、物理模拟、工业化试验及全面的检测检验手段,研究了氧枪结构及复吹工艺、双渣法深脱磷、RH处理过程同时脱硫、脱气以及不同包芯线处理对夹杂物变性等方面的内容,基于中间包自动开浇等自动控制技术的集成应用,实现高质量连铸和轧制热处理,并探讨了夹杂物与成品钢板韧性之间的关系,得出的主要研究结果和结论如下:(1)为强化转炉冶炼过程,通过水模型研究实现了转炉氧枪喷头结构优化,将4孔氧枪的喷孔倾角从12°扩大至13°并相应调整了底吹透气砖的布置方式,有效提升了转炉冶炼总体效率和脱磷效果。在此基础上,采用双渣法深脱磷工艺,回归得到冶炼第一渣终点钢液中[C]和[P]的关系式:[P]=0.00267×[C]2.0172,脱磷率达到70%以上,在出钢温度1650℃~1680℃的条件下,结合合理的后搅拌操作,10Cr Ni3Mo V中合金钢冶炼终点磷、硫含量分别可控制在0.0072%、0.0050%以下。(2)在RH精炼环节,一方面通过提高处理开始温度减少KTB供氧量,另一方面提高KTB供氧强度、提高升温效率,为脱硫、脱气处理提供更好基础,同时通过扩大浸渍管内径、增加提升气体流量并向CaO+CaF2脱硫剂中加入10%MgO的,使RH脱氢容量系数从0.0048s-1提高至0.0056s-1,脱氮率达到15%以上,处理终点钢液中氮含量≤35ppm,脱硫率达到29~43%,单位料流密度的表观脱硫速率常数Ks≥0.0872kg·t-1,真空浸渍管寿命保持稳定。(3)RH精炼结束后,向钢液中喂入足量硅钙包芯线对夹杂物进行变性处理,Al2O3可演变为12CaO·7Al2O3的低熔点夹杂物,但此类夹杂物仍是造成成品钢板探伤不合的直接原因,喂入量达2kg/t时,10μm以上夹杂物平均达到37.4个/mm2。喂入钙镁复合包芯线,可形成CaO-Al2O3-MgO复合夹杂物,喂入适量时,夹杂物总量减少,尺寸更小,过量时,易出现尺寸大于8μm的夹杂物,但总体上,探伤合格率明显高于喂入硅钙包芯线的情况。喂入包芯线的量不同,夹杂物中Ca S含量有明显差异。(4)夹杂物的数量、类型和尺寸等对10CrNi3MoV的冲击韧性和延性有重要影响,随着温度降低,夹杂物对冲击功的影响减小,在常温和-40℃的条件下,喂入1kg/t钙镁复合包芯线的成品钢试样,冲击吸收能量KV2数值平均达到309.2J和295.2J,断后伸长率均在18%以上,均为最高值,这与钢板中夹杂物总量少、8μm以上大尺寸夹杂物含量较少等有关。通过对BOF-RH-CC生产中合金钢冶金流程的系统研究,形成了转炉高效复合超低磷、低硫冶炼,RH高效脱气、脱硫以及夹杂物合理变性处理等全流程洁净度控制的技术集成,实现了10Cr Ni3Mo V中合金钢高洁净度冶炼与精炼、持续性工业化生产、批量高性能供应,也为类似钢种的冶金过程洁净度及成品合格率控制提供了坚实的理论基础和实践范例。
杨建平,洪宇杰,刘倩,王柏琳,高山,郭伟达,刘青[6](2020)在《基于“炉-机匹配”的炼钢-连铸过程多工序运行仿真》文中认为为探究"炉-机匹配"模式对炼钢-连铸过程多工序运行的影响,以国内某无精炼跨中型炼钢厂为研究对象,首先,采用Plant Simulation软件构建考虑天车运行约束的炼钢-连铸过程多工序运行仿真模型,并阐述天车作业冲突的消解策略;其次,针对不同连铸机停机的"四炉对三机"生产组织模式,归纳4类"炉-机匹配"模式,并应用基于"炉-机匹配"模式(改进的和未改进的)启发式算法求解不同连铸机停机的4个实际生产计划的调度方案;最后,运用仿真模型对所得调度方案进行仿真,得到天车运行约束下的调度方案,并与实际人工调度方案进行对比。选取生产计划总作业时间、钢包总周转数量、工序间传搁时间以及浇次开浇时间最大偏离量作为调度方案的评价指标,并提出评价指标优劣的综合判定方法。研究结果表明:相比于未优化的调度方案和实际调度方案,基于"炉-机匹配"模式优化的调度方案中生产计划加权总作业时间分别减少13.6 min和4.5 min,炉次从转炉工序到LF精炼工序的加权平均传搁时间分别减少1.3 min和1.2 min,炉次从LF精炼工序到连铸工序的加权平均传搁时间分别减少1.5 min和0.4 min,所有炉次的工序间传搁时间处于合理范围内,此外,4个生产计划的开浇时间最大偏离量也处于可接受范围内,某一生产计划的钢包总周转数减少1个。
王雪亮[7](2018)在《300吨转炉喷吹CO2炼钢工艺技术研究》文中研究说明二氧化碳减排和碳交易因温室效应和全球变暖成为热点问题,二氧化碳的资源化应用近年来也引起广泛关注。大型转炉炼钢过程存在着粉尘大,脱磷困难,温度难控制等问题,将CO2喷入转炉中,使CO2作为弱氧化剂参与钢液脱碳反应为此提供了一条新的解决途径。CO2参与脱碳反应吸热,因此能够降低熔池温度,促进脱磷反应,调控钢液温度。本文首先分析转炉喷吹CO2的炼钢机理,然后从转炉底吹元件角度对底吹CO2的可行性进行了研究,利用中频感应炉进行实验。最后在300吨脱磷转炉和常规转炉,采用顶吹O2-CO2底吹CO2的冶炼工艺进行工业试验,研究转炉喷吹CO2的炼钢工艺技术。中频感应炉实验研究发现,钢液底吹CO2有脱碳效果,不会增加铁液中氧含量。C02与铁水中[C]反应吸收热量,对底吹砖有一定冷却效果。实验进行约20炉次后,底吹孔未堵塞,底吹孔周围略有侵蚀。喷吹C02气体有利于提高炼钢转炉底吹砖寿命,进而可加大转炉底吹流量增加底吹供气强度,熔池搅拌增强,进而带来一系列冶炼指标的改善。300吨转炉预脱磷喷吹CO2试验表明,转炉预脱磷采用复吹CO2工艺可行,转炉预脱磷底吹CO2不会造成底吹元件侵蚀和堵塞。顶吹部分CO2和底吹CO2复吹冶炼工艺可使半钢脱磷率提高,脱碳率下降,实现了脱磷保碳的目的,同时冶炼终点温度可以控制在允许范围之内。随着吨钢喷吹CO2量增加,终点磷含量降低,脱磷率提高,终点碳含量提高。300吨转炉常规炼钢采用顶吹O2-C02混合气和全程底吹C02冶炼工艺可以完成冶炼任务,保证终点温度和成分要求,CO2喷入转炉反应生成CO使转炉回收煤气量增加,反应吸热可调控转炉冶炼温度。CO2喷入转炉,与熔池中化学元素反应生成2倍的CO气泡,CO进入炉气,使转炉煤气CO含量大幅增加,煤气热值提高,有利于转炉煤气的后续应用;CO2试验炉次,转炉终渣全铁降低,降低渣中铁损;转炉喷吹CO2可以改善熔池反应动力学条件,终点碳氧积下降。本文的研究结果为大型转炉喷吹CO2气体的冶炼工艺提供了理论和实践依据,促进了炼钢技术的进步和发展。
范计鹏[8](2018)在《炼钢厂生产调度排程及转炉炉次能耗预测相关问题研究》文中进行了进一步梳理实施精准的生产运行调控和能源预测分析对钢铁企业节能降耗、降本增效和提高市场竞争力具有重要意义。转炉是炼钢厂生产的基础环节,与其相关的生产调度排程则为炼钢厂生产流程运行调控提供决策支持,因此如何将转炉单元的能源管控与炼钢厂生产调度排程进行有机结合是当前钢铁企业实现高效生产、节能减排等多目标优化需要解决的关键问题之一。围绕此目标,本文分别从生产调度优化和转炉能源预测、能耗分析等方面开展研究。在炼钢厂生产运行调控方面,针对炼钢厂生产调度排程优化问题提出了一种改进的混合蝙蝠算法。首先,考虑工艺约束以及工序作业时间和工序间运输时间的不确定性等调度约束,以连铸机开浇时间偏离和最小化工序设备加工前总等待时间最小化为目标,构建了钢厂生产调度优化模型。然后,运用基于最小位置值的工位选择规则、邻域搜索结构、倒推算法等多种策略设计了一种改进混合蝙蝠算法对调度模型进行求解。以某钢厂生产数据实例仿真检验模型及求解算法,结果表明模型及算法可提高实际生产效率。在转炉能源预测方面,由于氧气是转炉实现“负能炼钢”的关键能源介质,本文以氧气为代表,根据转炉耗氧量具有间歇性、影响因素复杂等难点,建立了一种基于机理分析与数据驱动相结合的耗氧量预测模型。通过转炉耗氧量的机理分析,进行影响因素的提取与计算描述;以LMBP神经网络方法为基础建立数据驱动预测模型;利用Pearson相关性分析方法进行属性约简,设计隐藏层宽度及深度对比实验进行网络拓扑结构优化。结合转炉生产调度计划,进行转炉氧气供需预测仿真,测试结果表明所建模型命中率达到了84.80%,氧气供需预测能较好满足现实需求。在转炉能耗分析方面,为了有效刻画炉次之间的能耗波动情况,本文进行了基于炉次综合能耗的转炉能耗分析,以促进生产调度排程技术与能源预测的有机结合。在转炉炉次氧气耗量预测的基础上,以转炉生产历史数据为依托,对转炉回收煤气、水蒸气、消耗电力、氮气等能源介质消耗进行统计分析,结合转炉生产调度计划为案例对炉次综合能耗进行分析计算,并指出了转炉单元的节能方向。综上所述,本文从钢铁企业实现高效生产、节能减排等多目标优化的实际需求出发,对炼钢厂生产调度排程优化、转炉耗氧量预测及能耗分析关键技术开展了相关研究。基于实际数据的离线仿真实验表明所建立的优化、预测和分析模型及方法是有效的,为钢厂流程运行优化与能源精准调控提供了新的研究思路。
黄凌远[9](2018)在《宝钢连铸机系统的流程优化和系统实现》文中提出连铸机是一种使高温钢水直接浇注成钢坯的钢铁生产设备,由于其生产效率和金属收得率高、节约能源、钢坯质量好等优点得到了快速广泛的应用,连铸机几乎成为现代钢铁企业的标配,连铸率也成为衡量一个钢铁企业先进与否的重要标准。宝钢作为国内钢铁龙头企业,自1989年第一台板坯连铸机投产以来,经过近30年的建设,现共有各种规格板坯连铸机6台12流。这些连铸机在不同时期分别投产,新旧不一,有些还经过了改造,状态和工艺水平参差不齐。在生产中这些连铸机分别暴露出一些大大小小的问题,其中很大部分是有共性的问题。针对普遍存在的人工操作耗费人力、自动流程需人工监控、操作场所不够集中、异常处理未流程化等问题,通过控制系统软硬件改造实现生产流程的优化和改进是很有必要的。本研究总结作者十余年专注于连铸机控制技术研发和近10个连铸机改造项目实践,提炼形成了连铸生产流程优化的一整套方法,包括:用最新的机电一体化设备、机器人等代替人工劳动和手工操作;在自动流程中使用专家系统来做监控分析,用工艺模型的计算结果来优化操作和设定;合并操作室,减少操作分散性;将异常的处理整理集成为标准自动/半自动流程。在此基础上又给出了对于不同状况连铸机系统进行改造的三种不同方案:对于老化系统彻底更新换代的整体更新方案;对于可部分保留系统升级重构的局部更新方案;对于主流系统增加功能的系统扩展方案。深入研究了连铸流程优化中的生产专家系统和工艺模型,并以漏钢预报系统为例说明了生产专家系统和工艺模型的结构、功能以及在流程优化中的应用方法。本文首先探讨了国内外连铸生产发展的现状,对宝钢连铸生产中存在的问题进行了分析、归纳和总结,提出了本文的技术路线。然后给出了连铸生产流程优化方法和系统实现方案。最后以连铸流程优化在宝钢一炼钢1930连铸机提高劳动效率项目中的具体实现进行了应用验证。
李婷[10](2018)在《基于扩展资源任务网的钢铁企业物流与能流协同调度方法》文中研究说明钢铁行业是实现工业节能降耗和绿色生产的重点行业,其生产过程中物流和能流是耦合伴生关系,研究钢铁生产物流和能源协同调度能够提高企业运行经济性和实现更佳的节能减排。本文提出扩展资源任务网(ERTN)方法实现钢铁企业物流和多种能流介质之间协同、耦合调度,并将该方法应用于钢铁生产典型工序的物流和能流耦合调度问题,探讨物流和能流协同运行机制。本文主要内容和创新点如下:(1)根据钢铁生产物流和能流耦合特点,在传统资源任务网(RTN)方法基础上,本文提出了适用于钢铁生产物流和能流协同调度的图形化表征及建模方法——扩展资源任务网(ERTN)。该方法对传统的RTN方法进行扩展,形成了可系统抽象与建模钢铁企业物流与能流耦合关系的一种通用建模方法。(2)针对铁前系统的副产煤气产、耗和铁水产出之间关系,提出了考虑煤气-电力转化和放散的ERTN模型,以实现最大化利润和最小化放散量。该模型首次探讨了高炉煤气和焦炉煤气的产耗规律,并从工业调度的角度探讨减少放散可能性。模型中引入可变电力价格对副产煤气发电进行优化,数据实验表明,对比只考虑物流的调度方案,考虑可变电价和煤电转化的物流和能流协同调度模型一天内总利润能够提高19.386%,主要因为副产煤气发电集中在中高电价区域。最后,算例探究了各种参数对利润和放散的影响,实现从产耗、能源和环境等方面探讨铁前系统物流和副产煤气之间协调运行规律。(3)建立了兼顾可变电力价格和煤气回收转换的转炉炼钢-连铸物流和能流协同调度ERTN模型。与传统转炉炼钢-连铸调度模型相比,该模型首次探讨了多种能源介质对生产调度结果的影响。结合该调度问题特征,提出了一种新的基于不同调度单元的两阶段优化方法,可用于实际工程规模的调度问题求解。数据算例表明,对比只考虑物流的以最小化完成时间为目标的传统调度方案,考虑多种能源因素的物流和能流耦合调度模型把副产煤气发电集中在中高电价区域,煤气-电力转化利润提高57.416%。最后探讨了生产负荷对制造过程总利润和电力成本的影响。(4)建立了炼铁-炼钢集成系统物流和能流耦合调度ERTN模型。与传统的单个或多个工序调度模型相比,该模型首次统一的考虑铁前系统和炼钢系统集成调度,并考虑三种副产煤气产、消与生产物流之间的关系,实现在多种约束和目标情况下的协同调度。并通过算例验证了模型可行性和有效性,从外部用户煤气消耗、设备维修和初始条件变化等方面探讨了物流和能流耦合运行机制。综上所述,本文根据钢铁企业物流和能流耦合特点,在传统RTN的基础上,提出一种新的图形化表征及系统抽象建模方法——扩展资源任务网方法,并将该方法应用于钢铁生产关键工序(铁前系统或炼钢系统)物流和能流耦合调度问题,实现钢铁企业物流和多种能流介质之间协同、耦合调度。通过算例验证了物流和能流协同调度的可行性和有效性,并从能耗、成本和环境等角度探讨了物流和能流协同运行机制,研究成果为钢铁企业物流和能源平衡优化提供理论指导。
二、转炉炼钢—连铸流程的模式优化研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、转炉炼钢—连铸流程的模式优化研究(论文提纲范文)
(1)炼钢厂多尺度建模与协同制造(论文提纲范文)
1 单体工序尺度的工艺控制模型 |
1.1 转炉工序工艺控制模型 |
1.2 精炼工序工艺控制模型 |
1.3 连铸工序工艺控制模型 |
2 车间区段尺度的物质流运行优化模型 |
2.1 系统产能决策与生产模式优化 |
2.2 生产计划与调度模型 |
2.3 多工序协同运行评价模型 |
3 炼钢厂运行优化与协同控制 |
3.1 精炼工序缓冲策略与钢包运行优化 |
3.2 工序控制与生产调度的动态协同 |
3.3 炼钢厂集成制造技术的应用 |
4 结论与展望 |
(2)炼钢流程钢中氮的溶解及控制技术(论文提纲范文)
1 钢中氮的来源 |
2 钢中氮的溶解 |
2.1 吸氮热力学 |
2.2 吸氮动力学 |
3 钢铁生产流程中增氮及控氮 |
3.1 转炉与电炉环节 |
3.1.1 增氮分析 |
3.1.2 控氮措施 |
3.2 LF精炼环节 |
3.2.1 增氮分析 |
3.2.2 控氮措施 |
3.3 连铸环节 |
3.3.1 增氮分析 |
3.2.2控氮措施 |
4 结语与展望 |
(3)基于流程网络仿真的钢铁企业炼钢调度和能源优化(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 炼钢生产优化调度问题研究现状 |
1.2.1 炼钢生产调度的特点及难点 |
1.2.2 炼钢生产调度问题的研究方向 |
1.2.3 生产调度问题主要研究方法 |
1.2.4 当前研究中的不足和局限性 |
1.3 能源优化调配问题研究现状 |
1.3.1 能源产耗模型的研究 |
1.3.2 单一能源介质的优化模型的研究 |
1.3.3 多能源介质的优化模型的研究 |
1.3.4 当前研究中的不足和局限性 |
1.4 研究思路及技术路线 |
1.5 本论文主要研究内容和创新点 |
1.5.1 研究内容 |
1.5.2 创新点 |
2 基于多智能体技术的炼钢流程仿真优化模型 |
2.1 建模方案 |
2.2 基于多智能体的仿真优化模型 |
2.2.1 多智能体基本概念 |
2.2.2 智能体体系结构 |
2.2.3 智能体基本结构 |
2.2.4 智能体状态划分 |
2.2.5 物料智能体 |
2.2.6 设备管理智能体 |
2.2.7 设备智能体 |
2.2.8 天车管理智能体 |
2.2.9 天车智能体 |
2.2.10 智能体任务协调流程 |
2.3 本章总结 |
3 炼钢-连铸流程仿真优化模型实现及仿真分析 |
3.1 炼钢-连铸生产工艺流程及阶段 |
3.2 生产工艺流程特点 |
3.3 技术方案 |
3.3.1 仿真优化流程 |
3.3.2 多智能体模型实例化 |
3.3.3 作业时间波动分析 |
3.4 案例分析 |
3.4.1 仿真优化分析 |
3.4.2 多场景下的生产调度 |
3.5 本章总结 |
4 高速工具钢炼钢流程仿真优化模型实现及仿真分析 |
4.1 高速工具钢生产工艺流程及阶段 |
4.2 生产工艺流程特点 |
4.3 技术方案 |
4.3.1 仿真优化流程 |
4.3.2 多智能体模型实例化 |
4.4 案例分析 |
4.4.1 案例描述 |
4.4.2 冶炼浇铸流程优化调整 |
4.4.3 电渣工序优化调整 |
4.4.4 设备故障调整 |
4.4.5 炉次优化调整 |
4.5 本章总结 |
5 能量流网络模型 |
5.1 能源系统分析 |
5.1.1 能源消耗分析 |
5.1.2 能源平衡分析 |
5.1.3 能源转换分析 |
5.1.4 能源系统特点总结 |
5.2 能量流网络模型 |
5.2.1 能量流网络结构描述 |
5.2.2 主工序能量流模型 |
5.2.3 分介质能量流网络模型 |
5.2.4 能量流网络集成模型 |
5.3 煤气能量流网络中主工序节点模型 |
5.3.1 煤气产耗波动特点 |
5.3.2 煤气主工序节点模型 |
5.3.3 模型验证 |
5.4 电力能量流网络中主工序节点模型 |
5.4.1 负荷波动特点 |
5.4.2 电力负荷主工序节点模型 |
5.4.3 模型验证 |
5.5 本章总结 |
6 基于能量流网络动态仿真的能源优化调配 |
6.1 基于调度规则的仿真优化模型 |
6.1.1 基于规则的整体调配流程 |
6.1.2 燃气调配计算逻辑 |
6.1.3 蒸汽调配计算逻辑 |
6.1.4 电力调配计算逻辑 |
6.2 基于优化算法的仿真优化模型 |
6.2.1 仿真优化调配流程 |
6.2.2 目标函数 |
6.2.3 约束条件 |
6.2.4 模型求解 |
6.3 能源仿真优化模型软件化 |
6.4 案例分析 |
6.4.1 案例说明 |
6.4.2 基于调度规则的能源仿真计算 |
6.4.3 基于优化算法的能源仿真分析 |
6.5 本章总结 |
7 结论和展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
在学科研工作及发表论文 |
致谢 |
(5)基于BOF-RH-CC流程的中合金钢洁净度控制技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 文献综述 |
1.1 引言 |
1.2 复吹转炉冶炼技术的发展 |
1.2.1 转炉复吹工艺的现状及发展 |
1.2.2 转炉冶炼脱磷工艺技术 |
1.2.3 转炉复吹工艺研究与优化 |
1.3 RH真空处理的研究 |
1.3.1 RH处理技术的发展 |
1.3.2 RH处理过程的特征参数 |
1.3.3 RH处理过程钢液的脱硫 |
1.3.4 RH处理过程钢液气体和夹杂物的控制 |
1.4 钢液中夹杂物的变性处理与控制 |
1.4.1 钢液的钙处理 |
1.4.2 钢液的钙镁复合处理 |
1.5 钢中夹杂物与成品韧性之间的关系 |
1.6 文献评述 |
1.7 本工作的总体研究思路及方案 |
1.7.1 项目来源 |
1.7.2 研究思路和研究内容 |
第2章 转炉工艺优化与强化脱磷研究 |
2.1 引言 |
2.2 工艺装备条件 |
2.3 研究方法及方案 |
2.3.1 复吹工艺特征的理论分析 |
2.3.2 物理模拟研究 |
2.3.3 双渣法深脱磷工艺研究 |
2.4 试验结果及讨论 |
2.4.1 顶底复吹工艺的描述及优化 |
2.4.2 双渣法深脱磷工艺的研究 |
2.5 本章小结 |
第3章 RH-KTB真空处理过程研究 |
3.1 引言 |
3.2 基于工业化生产的试验研究 |
3.2.1 基本条件 |
3.2.2 试验方案 |
3.3 试验结果及讨论 |
3.3.1 KTB供氧铝热升温效率与影响 |
3.3.2 RH过程深脱硫研究 |
3.3.3 脱气过程的研究 |
3.4 本章小结 |
第4章 夹杂物的去除与变性处理研究 |
4.1 夹杂物的表征方法 |
4.1.1 二维表征法 |
4.1.2 水溶液电解法 |
4.1.3 恒电位选择性腐蚀溶解法 |
4.1.4 冲击断口分析法 |
4.2 RH处理过程钢液中夹杂物的长大与去除 |
4.2.1 RH过程夹杂物的形核与长大 |
4.2.2 夹杂物的上浮去除 |
4.3 复合钙镁处理对夹杂物变性的影响 |
4.3.1 复合钙镁处理的理论基础 |
4.3.2 复合钙镁处理的工业化试验 |
4.3.3 钢中非金属夹杂物演变 |
4.4 本章小结 |
第5章 连铸过程洁净度的控制 |
5.1 非稳态条件下的浇注控制 |
5.2 碱性中包覆盖剂的应用 |
5.3 本章小结 |
第6章 夹杂物对钢板力学性能的影响 |
6.1 引言 |
6.2 夹杂物的定量 |
6.3 性能测试 |
6.4 结果分析与讨论 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 主要结论 |
7.2 主要创新点 |
7.3 展望 |
参考文献 |
致谢 |
附录1 攻读博士学位期间取得的科研成果 |
附录2 攻读博士学位期间参加的科研项目 |
(6)基于“炉-机匹配”的炼钢-连铸过程多工序运行仿真(论文提纲范文)
1 仿真模型 |
1.1 建模思路 |
1.2 仿真模型构建 |
1.3 仿真模型假设 |
2“炉-机匹配”模式 |
3 仿真实验与结果讨论 |
3.1 仿真实验 |
3.2 实验对比 |
3.3 结果讨论 |
4 结论 |
(7)300吨转炉喷吹CO2炼钢工艺技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
2 文献综述 |
2.1 转炉及脱磷工艺 |
2.1.1 炼钢脱磷的意义 |
2.1.2 转炉双联工艺 |
2.1.3 转炉预脱磷工艺技术 |
2.1.4 转炉顶底复吹工艺简介 |
2.1.5 炼钢脱磷技术的发展 |
2.2 二氧化碳 |
2.2.1 物理和化学性质 |
2.2.2 排放与储存 |
2.2.3 发展前景 |
2.3 二氧化碳的应用 |
2.3.1 二氧化碳的物理应用 |
2.3.2 二氧化碳的化学应用 |
2.3.3 在烧结流程的应用 |
2.3.4 在高炉的应用 |
2.3.5 在转炉的应用 |
2.3.6 在精炼连铸流程应用 |
2.3.7 其他钢铁冶金流程应用 |
2.4 研究目的及内容 |
2.4.1 课题来源及意义 |
2.4.2 研究内容及方法 |
2.4.3 创新点 |
3 转炉喷吹CO_2炼钢理论分析 |
3.1 转炉预脱磷喷吹CO_2物料和热量分析 |
3.1.1 原辅料条件 |
3.1.2 假设条件 |
3.1.3 预脱磷物料平衡分析 |
3.1.4 预脱磷热量平衡分析 |
3.2 转炉炼钢喷吹CO_2物料和热量分析 |
3.2.1 原辅料条件 |
3.2.2 假设条件 |
3.2.3 炼钢物料平衡分析 |
3.2.4 炼钢热量平衡分析 |
3.3 氧化性分析 |
3.3.1 氧气氧化性分析 |
3.3.2 二氧化碳氧化性分析 |
3.4 CO_2对熔池富余热量影响计算 |
3.5 底吹CO_2对钢液脱氮的影响 |
3.5.1 底吹CO_2气泡对钢液影响 |
3.5.2 钢液脱氮分析 |
3.6 本章小结 |
4 底吹CO_2实验研究 |
4.1 实验方法和参数 |
4.2 实验准备 |
4.2.1 底吹砖 |
4.2.2 生铁成分 |
4.3 实验过程 |
4.4 感应炉实验结果分析 |
4.4.1 铁液元素含量变化 |
4.4.2 底吹砖分析 |
4.5 本章小结 |
5 转炉预脱磷喷吹CO_2工艺技术研究 |
5.1 脱磷热力学分析 |
5.2 底吹CO_2工艺研究 |
5.2.1 底吹方案 |
5.2.2 试验概况 |
5.2.3 结果分析 |
5.3 复吹CO_2工艺研究 |
5.3.1 复吹方案 |
5.3.2 复吹工艺技术分析 |
5.4 本章小结 |
6 转炉炼钢喷吹CO_2工艺技术研究 |
6.1 喷吹CO_2工艺技术初步研究 |
6.1.1 供气制度 |
6.1.2 工艺技术研究分析 |
6.1.3 本节小结 |
6.2 喷吹CO_2冶炼工艺研究 |
6.2.1 供气制度 |
6.2.2 底吹结果讨论分析 |
6.2.3 复吹结果分析 |
6.3 本章小结 |
7 结论 |
参考文献 |
附录A 转炉预脱磷工业试验部分原始数据 |
附录B 常规转炉工业试验部分原始数据 |
作者简历及在学研究成果 |
学位论文数据集 |
(8)炼钢厂生产调度排程及转炉炉次能耗预测相关问题研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 研究背景及意义 |
1.2 钢厂生产调度问题研究现状 |
1.2.1 钢厂生产调度建模方法 |
1.2.2 钢厂生产调度求解方法 |
1.3 转炉单元能耗问题研究现状 |
1.3.1 转炉单元能耗预测方法 |
1.3.2 转炉单元能耗分析方法 |
1.4 主要工作及技术路线 |
2 钢厂制造流程运行分析 |
2.1 钢厂生产制造流程解析 |
2.1.1 钢厂生产制造流程中的物质流和能量流 |
2.1.2 钢厂生产制造从单元到流程 |
2.2 钢厂生产调度问题分析 |
2.2.1 钢厂生产生产流程 |
2.2.2 钢厂生产调度问题特征 |
2.3 转炉单元能耗问题分析 |
2.3.1 转炉单元生产工艺 |
2.3.2 转炉单元能源分析 |
2.4 本章小结 |
3 钢厂生产调度建模及优化算法研究 |
3.1 引言 |
3.2 钢厂生产调度计划模型 |
3.2.1 问题描述 |
3.2.2 符号和参数定义 |
3.2.3 模型假设 |
3.2.4 决策变量 |
3.2.5 优化目标 |
3.2.6 约束条件 |
3.3 混合蝙蝠算法设计 |
3.3.1 标准蝙蝠算法 |
3.3.2 混合蝙蝠算法 |
3.4 算法测试和算例分析 |
3.4.1 模型结果与生产实绩比较 |
3.4.2 混合蝙蝠算法与标准遗传算法的模型求解性能比较 |
3.5 本章小结 |
4 转炉单元氧气预测模型研究 |
4.1 引言 |
4.2 转炉单元氧气预测方法 |
4.2.1 转炉工序氧气消耗统计 |
4.2.2 转炉氧气供需特征分析 |
4.2.3 结合生产调度计划的转炉氧气供需预测方法 |
4.3 基于机理分析与数据驱动的转炉炉次耗氧量预测模型 |
4.3.1 基于反应机理的影响因素识别 |
4.3.2 基于LMBP神经网络的数据建模 |
4.4 转炉炉次耗氧量预测模型建立 |
4.4.1 神经网络模型理论 |
4.4.2 输入输出变量的选择 |
4.4.3 数据清洗及标准化 |
4.4.4 神经网络模型结构设计 |
4.5 转炉生产数据准备及预处理 |
4.5.1 转炉生产实绩数据分析 |
4.5.2 转炉炼钢数据特征分析 |
4.5.3 转炉炼钢数据预处理 |
4.6 结合生产调度计划的转炉氧气需求预测仿真分析 |
4.6.1 炉次耗氧量预测模型精度分析 |
4.6.2 转炉氧气供需平衡与仿真分析 |
4.7 本章小结 |
5 转炉单元能耗分析方法研究 |
5.1 引言 |
5.2 转炉综合炉次能耗 |
5.2.1 转炉炉次能耗构成分析 |
5.2.2 基于能源介质的转炉能耗机理分析 |
5.2.3 转炉炉次综合能耗定义 |
5.3 转炉炉次综合能耗计算 |
5.3.1 转炉回收能源分析与计算 |
5.3.2 转炉消耗能源的分析与计算 |
5.4 基于生产调度计划的转炉炉次能耗计算及分析 |
5.4.1 转炉生产调度案例条件 |
5.4.2 转炉炉次综合能耗计算 |
5.4.3 转炉炉次综合能耗分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 本文总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录 |
A1.作者攻读硕士学位期间已发表或录用的论文 |
A2.作者攻读硕士学位期间已完成的论文 |
B.攻读硕士学位期间参与的科研项目 |
(9)宝钢连铸机系统的流程优化和系统实现(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外连铸生产发展研究现状 |
1.2.1 新日铁的Q参数控制 |
1.2.2 浦项的浇铸监控软件包和结晶器液面模糊控制器 |
1.2.3 基于结晶器摩擦力监控技术的漏钢预报 |
1.3 本文研究工作 |
1.3.1 研究内容及取得成果 |
1.3.2 创新点 |
1.4 本章小结 |
2 连铸机系统的流程分析与存在的问题 |
2.1 连铸生产综述分析 |
2.1.1 连铸生产流程分析 |
2.1.2 国内外连铸生产的现状 |
2.2 宝钢连铸生产流程存在的问题 |
2.3 连铸生产流程优化的技术路线 |
2.3.1 连铸生产流程优化的思路 |
2.3.2 连铸生产流程优化的实现思路 |
2.4 本章小结 |
3 宝钢连铸机系统的流程优化与改造关键技术研究 |
3.1 连铸生产流程优化和再造 |
3.2 连铸控制系统的改造方案设计 |
3.2.1 整体更新方案 |
3.2.2 局部更新方案 |
3.2.3 系统扩展方案 |
3.3 生产流程优化中生产专家系统的运用 |
3.3.1 连铸生产中的生产专家系统 |
3.3.2 生产专家系统的运用 |
3.4 本章小结 |
4 连铸机流程优化的具体应用和实现 |
4.1 宝钢一炼钢1930 连铸机提高劳动效率项目简介 |
4.1.1 项目概述 |
4.1.2 技术目标 |
4.2 宝钢一炼钢1930 连铸机系统分析 |
4.2.1 宝钢一炼钢1930 连铸机系统构架分析 |
4.2.2 宝钢一炼钢1930 连铸机系统数据流程分析 |
4.2.3 宝钢一炼钢1930 连铸机系统功能 |
4.3 宝钢一炼钢1930 连铸机提高劳动效率项目中的流程优化 |
4.4 宝钢一炼钢1930 连铸机提高劳动效率项目中流程优化的实现 |
4.4.1 宝钢一炼钢1930 连铸机提高劳动效率项目中的控制系统改造 |
4.4.2 宝钢一炼钢1930 连铸机提高劳动效率项目中的功能实现 |
4.4.3 宝钢一炼钢1930 连铸机提高劳动效率项目系统测试 |
4.5 连铸生产流程优化产生的效益 |
4.5.1 改造后指标 |
4.5.2 人力资源的优化效果 |
4.5.3 产品质量的优化效果 |
4.5.4 结论 |
4.6 本章小结 |
5 总结与展望 |
5.1 主要结论 |
5.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(10)基于扩展资源任务网的钢铁企业物流与能流协同调度方法(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
2 文献综述 |
2.1 钢铁制造过程物流和能流特点 |
2.2 钢铁企业计划与调度问题研究现状 |
2.2.1 传统的物流计划与调度 |
2.2.2 传统的能流计划与调度 |
2.2.3 考虑能耗的生产计划与调度 |
2.3 物流与能流集成调度 |
2.4 生产计划与调度集成建模方法 |
2.4.1 Petri网 |
2.4.2 状态任务网(STN) |
2.4.3 资源任务网(RTN) |
2.4.4 扩展的资源任务网(ERTN) |
2.5 生产计划与调度模型求解方法 |
2.5.1 数学规划方法 |
2.5.2 启发式方法 |
2.5.3 智能算法 |
2.5.4 约束规划方法 |
2.6 已有研究中的不足 |
2.7 本文研究内容及论文结构 |
2.8 本章小结 |
3 钢铁企业物流和能流耦合调度ERTN建模方法 |
3.1 状态任务网(STN) |
3.2 传统的资源任务网(RTN) |
3.2.1 基本元素 |
3.2.2 构建规则 |
3.2.3 数学建模 |
3.2.4 RTN方法特点及不足 |
3.3 面向钢铁行业物流和能流耦合调度的ERTN建模方法 |
3.3.1 面向钢铁流程的ERTN基本元素 |
3.3.2 构建规则 |
3.3.3 钢铁生产流程ERTN抽象表征 |
3.3.4 数学建模 |
3.3.5 参数设定 |
3.3.6 ERTN方法优势 |
3.4 本章小结 |
4 考虑可变电价和放散的铁前系统物流与能流耦合调度研究 |
4.1 问题描述 |
4.1.1 铁前系统生产过程 |
4.1.2 铁前系统煤气系统 |
4.1.3 问题假设 |
4.1.4 实验数据 |
4.2 铁前系统物流和能流耦合调度ERTN模型 |
4.2.1 铁前系统ERTN图形化表征 |
4.2.2 时间描述 |
4.2.3 变量及参数 |
4.2.4 模型约束 |
4.2.5 目标函数 |
4.3 数值实验 |
4.3.1 可变电力价格对利润的影响 |
4.3.2 不同目标函数结果对比 |
4.3.3 环境影响分析 |
4.3.4 物流和能流耦合关系探讨 |
4.4 本章小结 |
5 考虑多能源介质的转炉炼钢连铸调度模型及两阶段优化方法 |
5.1 问题描述 |
5.1.1 炼钢连铸生产过程 |
5.1.2 炼钢连铸过程能源系统 |
5.1.3 问题假设 |
5.1.4 模型数据 |
5.2 炼钢连铸物流和能流耦合调度ERTN建模 |
5.2.1 炼钢连铸ERTN图形化表征 |
5.2.2 时间描述 |
5.2.3 变量和参数 |
5.2.4 模型约束 |
5.2.5 目标函数 |
5.3 传统方法求解中炼钢连铸模型存在的问题分析 |
5.4 两阶段优化方法 |
5.4.1 第一阶段模型(M1) |
5.4.2 第二阶段模型(M2) |
5.5 数值实验 |
5.5.1 两阶段优化方法有效性验证 |
5.5.2 可变电力价格对不同目标函数影响 |
5.5.3 生产负荷对总利润影响 |
5.5.4 LF生产负荷对电力成本影响 |
5.6 本章小结 |
6 炼铁-炼钢集成系统物流和能流耦合调度ERTN模型研究 |
6.1 问题描述 |
6.1.1 炼铁-炼钢系统生产过程 |
6.1.2 炼铁-炼钢过程煤气系统 |
6.1.3 建模假设 |
6.1.4 模型数据 |
6.2 炼铁-炼钢系统物流和能流集成调度ERTN模型 |
6.2.1 炼铁-炼钢系统ERTN图形化表征 |
6.2.2 时间描述 |
6.2.3 变量及参数 |
6.2.4 模型约束 |
6.2.5 目标函数 |
6.3 求解方法 |
6.4 数值实验 |
6.4.1 不同目标函数优化结果对比 |
6.4.2 设备维修对生产调度的影响 |
6.4.3 外部用户煤气消耗可变对利润的影响 |
6.4.4 初始条件变化对调度结果影响 |
6.5 本章小结 |
7 结论 |
参考文献 |
附录A 第五章测试数据集 |
附录B 变量及参数汇总列表 |
附录C 缩写和符号清单 |
作者简历及在学研究成果 |
学位论文数据集 |
四、转炉炼钢—连铸流程的模式优化研究(论文参考文献)
- [1]炼钢厂多尺度建模与协同制造[J]. 刘青,邵鑫,杨建平,张江山. 工程科学学报, 2021
- [2]炼钢流程钢中氮的溶解及控制技术[J]. 李小明,席浩栋,缪德军,刘俊宝,吕明. 钢铁, 2021(10)
- [3]基于流程网络仿真的钢铁企业炼钢调度和能源优化[D]. 梁青艳. 钢铁研究总院, 2021(01)
- [4]炼钢–连铸区段3种典型工序界面技术研究进展[J]. 杨建平,张江山,刘青. 工程科学学报, 2020(12)
- [5]基于BOF-RH-CC流程的中合金钢洁净度控制技术研究[D]. 杨治争. 武汉科技大学, 2020(01)
- [6]基于“炉-机匹配”的炼钢-连铸过程多工序运行仿真[J]. 杨建平,洪宇杰,刘倩,王柏琳,高山,郭伟达,刘青. 中南大学学报(自然科学版), 2020(03)
- [7]300吨转炉喷吹CO2炼钢工艺技术研究[D]. 王雪亮. 北京科技大学, 2018(08)
- [8]炼钢厂生产调度排程及转炉炉次能耗预测相关问题研究[D]. 范计鹏. 重庆大学, 2018(04)
- [9]宝钢连铸机系统的流程优化和系统实现[D]. 黄凌远. 上海交通大学, 2018(01)
- [10]基于扩展资源任务网的钢铁企业物流与能流协同调度方法[D]. 李婷. 北京科技大学, 2018(02)