860 工程科学学报，第42卷，第7期 表2几种模型终点碳含量预测命中率 Table 2 Hit ratios of the different models Model Hit ratio of end-point carbon prediction/(ACs+0.02%) Notes Integral model 72.50 Fig.7(a) Cubic model 85.00 Fig.7(b) 85.00 Fig.7(c),fixed Co,without updated curve Exponential model 87.50 Fig.7(d),fitted Co,without updated curve 88.75 Fig.7(e),fixed Co,with updated curve Modified exponential model proposed in current study 90.00 Fig.7f),fitted Co,with updated curve 达到了90% 25(2):59 (左康林，邹俊苏，孙晓辉，等.转炉副枪测量与成分预报技术 4结论 炼钢，2009,25(2)：59) (1)综合分析了转炉碳含量预测常用的碳积 [6]Wu M,Li Y J.Practical analysis of dynamic control steelmaking technique of off gas analysis and assistant lance.Iron Steel,2009, 分模型、指数模型和三次方模型的特点，指数模型 44(4):28 更适合用于表征转炉吹炼后期熔池碳含量变化的 (吴明，李应江.烟气分析与副枪动态控制炼钢技术的实践分析 共性规律，采用实际生产数据对各模型算法进行 钢铁，2009,44(4)：28) 了验证，结果表明指数模型具有更好的适应性和 [7]Fukumi J,Taki C.Hatanaka T,et al.Development of refining 准确性. control system in combined blowing converter based on exhaust (2)考虑实际工况的影响，将熔池极限碳含量 gas information.Tetsu-to-Hagane,1990,76(11):192 C也作为指数模型的拟合参数之一，而非直接设 (福味純一，滝千尋，细中骖男，等.排力又情報左利用L力酝炉 定为经验值或由热力学平衡计算得到的固定值， 吹鍊)計算機制御技術)開凳.铁上侧，1990.76(11)：192) 可以获得更贴近实际的“历史脱碳曲线”及对应的 [8]Hu Z G,He P,Tan M X,et al.Continuous determination of bath carbon content on 150 t BOF by off-gas analyzer.J Univ Sci 指数模型特征参数. (3)采用“参考脱碳曲线”与“计算脱碳曲线” Technol Beijing,2003,10(6):22 [9] Sun S,Liao D S,Pyke N,et al.Development of an offgas/model 同步更新的改进算法，既有效发挥了历史炉次脱 technology to replace sublance operation for KOBM endpoint 碳曲线的参考价值，又充分利用了当前炉次实际 carbon control at ArcelorMittal Dofasco.Iron Steel Technol,2008 脱碳曲线的特征，从而获得更高的计算准确度，本 5(11):36 文提出的改进指数模型终点碳预测误差在0.02% [10]Bruckner C,Rodhammer H,Wohlfart K,et al.Implementation of 范围内的命中率达到90%. BOF level 2 with DYNACON model and LOMAS offgas analysis at Tangshan ISCO I Proceedings of Asia Steel International 参考文献 Conference (Asia Steel 2012).Beijing,2012:130 [1]Gutte H,Schulz T.Neuhof G.et al.Process control in the oxygen [11]Wang X H,Li J Z,Liu F G.Technological progress of BOF steel production.Acta Metall Sin Engl Lett,2000,13(6):1101 steelmaking in period of development mode transition. [2]Li G H,Liu Q.Present status and prospect of BOF steelmaking Steelmaking,2017,33(1):1 process control.J Iron Steel Res,2013,25(1):1 (王新华，李金柱，刘凤刚转型发展形势下的转炉炼钢科技进 (李光辉，刘青.转炉炼钢过程工艺控制的发展与展望.钢铁研 步.炼钢，2017,33(1)：1) 究学报，2013,25(1)：1) [12]Ceriani A,Aprile G.Dynamic modeling of the BOF for endpoint [3]Klingelhofer H,Schramm R,Lohndorf W,et al.Improving the prediction using EFSOP technology results and implementation converter process by use of a sublance.Steel Times,1994,222(4): at Riva Taranto /A/STech Proceedings.Pittsburg,2010:997 138 [13]Liao D S,Sun S,Waterfall S,et al.Integrated KOBM steelmaking [4] Apeldoor G J,Hubbeling P D,Gootjes P.Performance of Daniel process control /Proceeding of the 6th International Congress on Corus sublance systems.Iron Sreel,2004,39(11):29 the Science and Technology of Steelmaking.Beijing,2015:107 (Apeldoorn G J,Hubbeling P D,Gootjes P.达涅利康力斯刷枪系 [14]Wang X,Zhou H,Li P.Application of automatic steelmaking 统的应用.钢铁，2004,39(11)：29) system based on LOMAS flue gas analysis in 100 t converter. [5]Zuo K L,Zou J S,Sun X H,et al.Sub-lance measuration and Hebei Metall,2018(9):58 composition prediction in BOF steelmaking.Steelmaking,2009, (王肖，周航，李朋.基于LOMAS烟气分析的自动化炼钢系统在达到了 90%. 4    结论 （1）综合分析了转炉碳含量预测常用的碳积 分模型、指数模型和三次方模型的特点，指数模型 更适合用于表征转炉吹炼后期熔池碳含量变化的 共性规律，采用实际生产数据对各模型算法进行 了验证，结果表明指数模型具有更好的适应性和 准确性. C0 （2）考虑实际工况的影响，将熔池极限碳含量 也作为指数模型的拟合参数之一，而非直接设 定为经验值或由热力学平衡计算得到的固定值， 可以获得更贴近实际的“历史脱碳曲线”及对应的 指数模型特征参数. （3）采用“参考脱碳曲线”与“计算脱碳曲线” 同步更新的改进算法，既有效发挥了历史炉次脱 碳曲线的参考价值，又充分利用了当前炉次实际 脱碳曲线的特征，从而获得更高的计算准确度，本 文提出的改进指数模型终点碳预测误差在±0.02% 范围内的命中率达到 90%. 参    考    文    献 Gutte H, Schulz T, Neuhof G, et al. Process control in the oxygen steel production. Acta Metall Sin Engl Lett, 2000, 13（6）: 1101 [1] Li  G  H,  Liu  Q.  Present  status  and  prospect  of  BOF  steelmaking process control. J Iron Steel Res, 2013, 25（1）: 1 （李光辉, 刘青. 转炉炼钢过程工艺控制的发展与展望. 钢铁研 究学报, 2013, 25（1）：1） [2] Klingelhofer  H,  Schramm  R,  Lohndorf  W,  et  al.  Improving  the converter process by use of a sublance. Steel Times, 1994, 222（4）: 138 [3] Apeldoorn G J, Hubbeling P D, Gootjes P. Performance of Danieli Corus sublance systems. Iron Steel, 2004, 39（11）: 29 （Apeldoorn G J, Hubbeling P D, Gootjes P. 达涅利康力斯副枪系 统的应用. 钢铁, 2004, 39（11）：29） [4] Zuo  K  L,  Zou  J  S,  Sun  X  H,  et  al.  Sub-lance  measuration  and composition  prediction  in  BOF  steelmaking. Steelmaking,  2009, [5] 25（2）: 59 （左康林, 邹俊苏, 孙晓辉, 等. 转炉副枪测量与成分预报技术. 炼钢, 2009, 25（2）：59） Wu M, Li Y J. Practical analysis of dynamic control steelmaking technique of off gas analysis and assistant lance. Iron Steel, 2009, 44（4）: 28 （吴明, 李应江. 烟气分析与副枪动态控制炼钢技术的实践分析. 钢铁, 2009, 44（4）：28） [6] Fukumi  J,  Taki  C,  Hatanaka  T,  et  al.  Development  of  refining control  system  in  combined  blowing  converter  based  on  exhaust gas information. Tetsu-to-Hagane, 1990, 76（11）: 192 （福味純一, 滝千尋, 畑中聡男, 等. 排ガス情報を利用した転炉 吹錬の計算機制御技術の開発. 鉄と鋼, 1990, 76（11）：192） [7] Hu Z G, He P, Tan M X, et al. Continuous determination of bath carbon  content  on  150  t  BOF  by  off-gas  analyzer. J Univ Sci Technol Beijing, 2003, 10（6）: 22 [8] Sun S, Liao D S, Pyke N, et al. Development of an offgas/model technology  to  replace  sublance  operation  for  KOBM  endpoint carbon control at ArcelorMittal Dofasco. Iron Steel Technol, 2008, 5（11）: 36 [9] Bruckner C, Rodhammer H, Wohlfart K, et al. Implementation of BOF level 2 with DYNACON model and LOMAS offgas analysis at  Tangshan  ISCO  // Proceedings of Asia Steel International Conference (Asia Steel 2012). Beijing, 2012: 130 [10] Wang  X  H,  Li  J  Z,  Liu  F  G.  Technological  progress  of  BOF steelmaking  in  period  of  development  mode  transition. Steelmaking, 2017, 33（1）: 1 （王新华, 李金柱, 刘凤刚. 转型发展形势下的转炉炼钢科技进 步. 炼钢, 2017, 33（1）：1） [11] Ceriani A, Aprile G. Dynamic modeling of the BOF for endpoint prediction using EFSOP® technology results and implementation at Riva Taranto // AISTech Proceedings. Pittsburg, 2010: 997 [12] Liao D S, Sun S, Waterfall S, et al. Integrated KOBM steelmaking process control // Proceeding of the 6th International Congress on the Science and Technology of Steelmaking. Beijing, 2015: 107 [13] Wang  X,  Zhou  H,  Li  P.  Application  of  automatic  steelmaking system  based  on  LOMAS  flue  gas  analysis  in  100  t  converter. Hebei Metall, 2018（9）: 58 （王肖, 周航, 李朋. 基于LOMAS烟气分析的自动化炼钢系统在 [14] 表 2 几种模型终点碳含量预测命中率 Table 2 Hit ratios of the different models Model Hit ratio of end-point carbon prediction/%(ΔC≤±0.02%) Notes Integral model 72.50 Fig.7（a） Cubic model 85.00 Fig.7（b） Exponential model 85.00 Fig.7（c）, fixed C0, without updated curve 87.50 Fig.7（d）, fitted C0, without updated curve Modified exponential model proposed in current study 88.75 Fig.7（e）, fixed C0, with updated curve 90.00 Fig.7（f）, fitted C0, with updated curve · 860 · 工程科学学报，第 42 卷，第 7 期