论文部分内容阅读
钒钛磁铁矿是生产钒及含钒产品的主要矿物资源，将其经高炉冶炼得到含钒铁水后，再通过转炉氧化吹炼得到半钢和钒渣，半钢进入转炉继续炼钢，而钒渣经过钠化焙烧、浸取、沉淀等步骤制取V2O5等含钒产品。其中，转炉提钒是提钒工艺的关键步骤，其冶炼终点钒渣和半钢的质量直接影响后续工艺中钒的提取率和炼钢工艺的顺行。控制转炉冶炼温度和元素的氧化程度，提高钒的提取率，并保证半钢质量，是转炉提钒终点控制的主要目的。为此，本论文通过研究转炉提钒工艺中冷却剂的冷却效应、无烟煤对终点的影响以及提钒物料平衡、热平衡和钒平衡，建立转炉提钒静态控制模型，为攀钢转炉提钒过程控制提供理论指导并应用于实际生产。本文以攀钢提钒工艺为研究对象，通过理论计算和DSC实验，研究各冷却剂在不同温度下的冷却效应，研究表明，冷固球团的冷却能力分别是生铁块、钒渣及绝废渣的3.6、1.8、1.7倍，结合成本以及冷却能力进行综合考虑，建议转炉氧化吹炼过程中采用冷固球团作冷却剂。通过理论分析和现场数据分析，得出转炉提钒过程中，在1t铁水中加入1kg无烟煤的增碳量为0.02%，增温效应为2.4℃，加入无烟煤对减少渣中TFe含量基本无影响，但会增高半钢残V含量和回硫。通过现场实验，研究转炉提钒过程的物料平衡、热平衡及钒平衡。转炉提钒的钒收率大约为66.10%，改善冶炼工艺，减少半钢残钒和出半钢过程中钒渣的流失有利于提高钒的提取率。提钒过程吹炼损失约为5.24%，较转炉炼钢的吹炼损失小。炉子的热效率为93.90%，提钒过程中应尽量采取两炉或三炉出渣。本文采用MATLAB软件，结合提钒反应机理，运用BP神经网络技术建立了冷却剂加入量模型、供氧模型和终点预测模型，将冷却剂的冷却效应、无烟煤的热效应及物料平衡加入到模型的建立过程中，达到简化参数的目的，使模型的精度更高。就攀钢生产特点，对数据进行系统地分析，并运用聚类算法等方法对数据进行处理，然后对模型进行训练与检验。得到冷固球团模型检验样本的平均误差为13.7%，供氧量模型检验样本的误差为7.04%，所建立的吹氧量模型和冷却剂加入量模型具有易于控制、稳定性好的特点。预测模型的终点温度和终点C含量预测误差较小，分别为0.97%和2.61%，终点V含量的预测误差较大。通过分析训练结果及模型存在的问题，结合遗传算法，对模型参数进行了优化，达到网络权值全局寻优的效果。并且分别对三个模型网络的中间层神经元数目进行优化。冷却剂加入量模型和吹氧量模型的中间层神经元数目最终的优化结果分别为15和24个，预测模型的中间层神经元数目最优为25个。