【技术实现步骤摘要】
基于数字孪生运算炉外精炼CO2利用数字模型搭建方法
[0001]本专利技术涉及冶金工程
,尤其是涉及基于数字孪生运算炉外精炼CO2利用数字模型搭建方法。
技术介绍
[0002]炉外精炼(Ladle refining)是钢液处理过程中的一种重要工艺,它发生在钢液离开冶炼炉(如转炉或电弧炉)之后,进入到倒钢包或钢包中进行进一步处理和调整。炉外精炼的主要目的是改善钢液的成分、质量和纯净度,以满足最终产品的要求。在炉外精炼过程中,可以进行以下操作:1、调整成分:根据需要,可以进行脱氧、脱硫、脱氮等操作,以控制钢液中的氧含量、硫含量和氮含量,以及其他元素的含量和比例。
[0003]2、温度调节:通过加热或降温的方式,调整钢液的温度,以满足下一步工艺的要求。
[0004]3、去除杂质:采用物理或化学方法,去除钢液中的非金属夹杂物、气泡和其他杂质,以提高钢液的纯净度和均匀性。
[0005]4、搅拌和混合:通过机械搅拌或气体吹炼等方式,促进钢液的混合和均匀性,以保证成分的一致性和质量的稳定性。
[0006]5、可控降温:在炉外精炼过程中,可以采用适当的冷却方式,控制钢液的冷却速率,以优化组织和性能。
[0007]炉外精炼吹CO2是钢液到容器内进行吹气,其中气体为CO2,在生产高级别等钢种炉外精炼是不可或缺的,对方坯表面质量和钢液成分起到至关重要的作用。炉外精炼吹CO2的原理是通过引入CO2气体来促进钢液的搅拌和混合,并实现调整钢液成分和改善质量的目的。CO2气泡的形成和上升过程产生的动力 ...
【技术保护点】
【技术特征摘要】
1.基于数字孪生运算炉外精炼CO2利用数字模型搭建方法,其特征在于,该方法包括以下步骤:S1、设计人机交互UI,构建实现数据安全与数据存储的存储数据层;S2、利用智能优化算法进行数据处理,构建数字孪生模型的搭建层;S3、采集炉外精炼吹CO2工艺生产实时数据,构建技术工艺数据层;S4、利用计算机与5G网络构建炉外精炼吹CO2系统的数字孪生计算平台层,并结合液体CO2汽化恒压力装置数字孪生体构建数字管理平台;S5、依据平台运算结果调控液体汽化恒压力装置进行生产工艺冶炼。2.根据权利要求1所述的基于数字孪生运算炉外精炼CO2利用数字模型搭建方法,其特征在于:所述设计人机交互UI,构建实现数据安全与数据存储的存储数据层包括以下步骤:S11、设计人机交互UI操作界面,实现物化映射至虚拟表征的展现;S12、获取采集得到的炉外精炼底吹CO2工艺生产过程中的气体变化参数、设备使用参数及钢液变化参数,并进行数据定义与分类;S13、将不同类型参数数据合并放置于同一存储单元,并进行数据归约对合并后数据自身内容进行数据规模缩减,最大限度精简数据量;S14、调用智能优化算法对待存储参数进行数据处理,并将经过数据精简与数据处理后的数据存储至数据库,作为数字孪生模型的存储数据层。3.根据权利要求2所述的基于数字孪生运算炉外精炼CO2利用数字模型搭建方法,其特征在于:所述利用智能优化算法进行数据处理,构建数字孪生模型的搭建层包括以下步骤:S21、选取所述气体变化参数、所述设备使用参数及所述钢液变化参数中的部分参数作为初始数据源,进行数据安全处理与数据沉积处理;S22、以改进的循环神经网络模型作为智能优化算法,对所述气体变化参数与所述设备使用参数进行处理,实现模型算法与参数的分析与修正;S23、依据分析 修正结果与实际监测所述钢液变化参数之间的关系,判断数据处理结果的通过率,并对所述智能优化算法及参数进行完善;S24、将经过数据安全处理与数据沉积处理后的参数数据,与完善后的所述智能优化算法及其输出结果,形成数字孪生模型的搭建层。4.根据权利要求3所述的基于数字孪生运算炉外精炼CO2利用数字模型搭建方法,其特征在于:所述选取所述气体变化参数、所述设备使用参数及所述钢液变化参数中的部分参数作为初始数据源,进行数据安全处理与数据沉积处理包括以下步骤:S211、选取所述气体变化参数中的压力数据与流量数据,并将所述压力数据与所述流量数据中不处于安全范围内的数据进行删除处理;S212、选取所述设备使用参数中的钢包耐材透气砖侵蚀量、夹杂物尺寸及类型数据,并将所述钢包耐材透气砖侵蚀量、所述夹杂物尺寸及类型数据中不符合安全需求的数据进行删除处理;S213、选取所述钢液变化参数中钢液温度数据,并将所述钢液温度数据中不处于安全温度范围内的数据进行删除处理;S214、将所述压力数据与所述流量数据中存储时长超过预设时长的数据进行删除处理,实现数据的防沉积。
5.根据权利要求4所述的基于数字孪生运算炉外精炼CO2利用数字模型搭建方法,其特征在于:所述以改进的循环神经网络模型作为智能优化算法,对所述气体变化参数与所述设备使用参数进行处理,实现模型算法与参数的分析与修正包括以下步骤:S221、获取所述气体变化参数、所述设备使用参数及所述钢液变化参数的时间序列数据,并进行数据清洗及归一化处理作为模型数据集;S222、构建基于门控循环单元改进的循环神经网络模型,确定模型的输入层、隐藏层及输出层的节点数,并配置激活函数与优化器;S223、将所述模型数据集划分为训练集、验证集及测试集;S224、利用所述训练集对所述循环神经网络模型进行训练,并利用梯度下降算法调整模型参数,最小化损失函数,再...
【专利技术属性】
技术研发人员:陈立峰,马登,夏建刚,卢浩,郜亮,孙广,由栋家,夏万武,陈聪,姜延斌,
申请(专利权)人:江苏永钢集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。