·1636 工程科学学报，第43卷，第12期 阝-SC具备较强的共价键和晶体结构，有效降低声 在合理范围内.铜板与钢板的结合程度决定了铜 子散射现象，保障材料导热性能.目前已针对碳复 钢复合冷却壁质量的合格性，如图4(d)~(f)所 合材料建立了包括抗铁水溶蚀、抗氧化性、抗有害 示例，铜与钢的结合界面呈现典型的正弦波形状， 元素侵蚀等在内的高炉用耐火材料综合评价体系 两者结合紧密.在过度层位置铜原子与钢原子分 在典型高炉渣铁侵蚀实验后发现，与炉渣接 布均匀，且由于爆炸焊接作用晶粒得到细化，约在 触界面形成以镁铝尖晶石和石墨碳等高熔点物质 5~20m之间.如图4(g)所示，对界面层的显微 为主的保护层，与铁水接触面形成以刚玉相为主 硬度测试表明，界面层位置显微硬度高于铜和钢 的氧化物层，有效的阻隔熔融渣铁的侵蚀，如 的显微硬度，能够满足冷却壁在高炉上的安全正 图3所示，其中TA表示耐火材料热面温度，Tw表 常使用 示冷却水温度，与单一材质耐火材料相比，具备良 5高炉炼铁数据建模 好的抗熔融渣铁侵蚀性能.在水蒸气及CO,等氧 化性气氛侵蚀下，碳复合材料中的SiC能氧化生 高炉内发生的复杂物理化学反应、高温、高 成致密SO2保护膜，从而减少氧化气氛下的损蚀 压、腐蚀性环境以及高炉结构的封闭性，加大了对 与传统炭质材料相比，碳复合材料能保证与炭质 掌握和控制高炉内部及铁水质量的难度.随着传 材料导热性能基本持平的情况下，抗氧化性能远 感器、探测器质量的增强、冶炼数据的长期积累、 优于炭质材料，如图3所示2-)在有害元素侵蚀 机器学习算法的逐步完善及计算机计算能力的不 情况下，致密的碳复合材料能有效的阻碍有害元 断提高，基于数据驱动的高炉冶炼模式正不断发 素的侵入，同时碳复合材料良好的导热性能促进 展，对于高炉冶炼参数的预测建模研究不断完善， 热面保护层的生成.碳复合材料导热性能受石 这促使高炉炼铁的自动化、智能化水平不断提 墨碳、Al2O3和B-SiC综合作用，最终表现为随温 高50例如，采用大数据分析的手段，基于高炉的 度升高而降低的趋势，符合高炉炉缸温度场温度 历史生产数据，以炉况稳定性为依据优选出部分 分布要求 布料矩阵，对基于上述矩阵条件的料层分布进行 4.2高炉炉体铜钢复合冷却器研发及表征 图形可视化和特征参量定量化，进一步对比分析 随着高炉向大型化、长寿化及高强度冶炼方 优化高炉的布料制度5.采用最近邻算法和主成 向的不断发展，对高炉高热负荷区域冷却器的安 分分析方法，结合实验数据和高炉治炼过程积累 全长寿提出了更高的要求.传统铸铁冷却壁结构 的数据，对高炉炉渣黏度进行预测建模，模型的预 强度高但导热系数低、铜冷却壁导热系数高但热 测效果如图5所示.所构建的模型在测试集上的 强度低，均难以适应大型高炉的长寿需求5.高 表现结果表明，该模型可以对高炉炉渣黏度实现 炉冷却器长寿已成为高炉长效冶炼及深化节能减 较好的预测：基于支持向量回归方法对高炉煤 排的限制性环节.为弥补铸铁冷却壁与铜冷却壁 气利用率和铁水温度进行预测建模，对铁水温度 的固有缺陷并发展其各自优势，研发了一种新型 和煤气利用率的预测效果分别如图5(a)和(d所 铜钢复合冷却壁 示，所构建的两种预测模型对高炉煤气利用率和 铜钢复合冷却壁主要采用爆炸焊接技术进行 铁水温度的预测准确率达到了较高的水准（图 制备，并在传统冷却壁的基础上在材质选择、制作 中的SVR为支持向量回归)：另外，神经网络和贝 工艺及结构设计上进行了优化，如图4(a)所示， 叶斯网络方法也被用于高炉铁水硅含量的预测， 铜钢复合冷却壁热面采用厚度为70mm的TU2无 结果表明，与神经网络等其他方法相比，贝叶斯网 氧铜，冷面采用厚度为20mm的Q345R不锈钢板 络更适合对高炉冶炼过程进行状态解析，贝叶斯 水通道贯穿钢板至铜板并采用焊接方式形成水通 网络透明的推理过程更对高炉操作者判断炉温变 道，冷却水直接与热面铜接触，能够很好地保证冷 化趋势具有指导意义 却水与铜的热交换能力48如图4(b)、(c)所示9， 基于数据驱动的高炉冶炼参数预测模型的开 在1200℃下铜钢复合冷却壁热面渣皮较铜冷却 发正逐渐助力传统的高炉操作由黑箱转为灰箱， 壁热面渣皮高出约2.2℃，壁体平均温度高出约 这为高炉炼铁的研究提供了区别于基于冶金机理 4.4℃，两者导热能力相差较小，而图4(c)显示在 建模和数字模拟仿真建模的另一模式.这些方法 厚度为Y=-0及Y=0.451m位置，铜钢复合冷却壁抗 将帮助高炉操作者及时调整高炉操作，防止高炉 变形能力约为铜冷却壁的1/2，且界面处等效应力 发生炉冷、炉热等一系列问题，从而提高冶炼质β-SiC 具备较强的共价键和晶体结构，有效降低声 子散射现象，保障材料导热性能. 目前已针对碳复 合材料建立了包括抗铁水溶蚀、抗氧化性、抗有害 元素侵蚀等在内的高炉用耐火材料综合评价体系. 在典型高炉渣铁侵蚀实验后发现，与炉渣接 触界面形成以镁铝尖晶石和石墨碳等高熔点物质 为主的保护层，与铁水接触面形成以刚玉相为主 的氧化物层 ，有效的阻隔熔融渣铁的侵蚀 ，如 图 3 所示，其中 TA 表示耐火材料热面温度，TW 表 示冷却水温度，与单一材质耐火材料相比，具备良 好的抗熔融渣铁侵蚀性能. 在水蒸气及 CO2 等氧 化性气氛侵蚀下，碳复合材料中的 SiC 能氧化生 成致密 SiO2 保护膜，从而减少氧化气氛下的损蚀. 与传统炭质材料相比，碳复合材料能保证与炭质 材料导热性能基本持平的情况下，抗氧化性能远 优于炭质材料，如图 3 所示[42−43] . 在有害元素侵蚀 情况下，致密的碳复合材料能有效的阻碍有害元 素的侵入，同时碳复合材料良好的导热性能促进 热面保护层的生成[44] . 碳复合材料导热性能受石 墨碳、Al2O3 和 β-SiC 综合作用，最终表现为随温 度升高而降低的趋势，符合高炉炉缸温度场温度 分布要求. 4.2    高炉炉体铜钢复合冷却器研发及表征 随着高炉向大型化、长寿化及高强度冶炼方 向的不断发展，对高炉高热负荷区域冷却器的安 全长寿提出了更高的要求. 传统铸铁冷却壁结构 强度高但导热系数低、铜冷却壁导热系数高但热 强度低，均难以适应大型高炉的长寿需求[45−46] . 高 炉冷却器长寿已成为高炉长效冶炼及深化节能减 排的限制性环节. 为弥补铸铁冷却壁与铜冷却壁 的固有缺陷并发展其各自优势，研发了一种新型 铜钢复合冷却壁. 铜钢复合冷却壁主要采用爆炸焊接技术进行 制备，并在传统冷却壁的基础上在材质选择、制作 工艺及结构设计上进行了优化，如图 4（a）所示[47] ， 铜钢复合冷却壁热面采用厚度为 70 mm 的 TU2 无 氧铜，冷面采用厚度为 20 mm 的 Q345R 不锈钢板. 水通道贯穿钢板至铜板并采用焊接方式形成水通 道，冷却水直接与热面铜接触，能够很好地保证冷 却水与铜的热交换能力[48] . 如图 4（b）、（c）所示[49] ， 在 1200 ℃ 下铜钢复合冷却壁热面渣皮较铜冷却 壁热面渣皮高出约 2.2 ℃，壁体平均温度高出约 4.4 ℃，两者导热能力相差较小，而图 4（c）显示在 厚度为 Y=0 及 Y=0.451 m 位置，铜钢复合冷却壁抗 变形能力约为铜冷却壁的 1/2，且界面处等效应力 在合理范围内. 铜板与钢板的结合程度决定了铜 钢复合冷却壁质量的合格性，如图 4（d）～（f）所 示[49] ，铜与钢的结合界面呈现典型的正弦波形状， 两者结合紧密. 在过度层位置铜原子与钢原子分 布均匀，且由于爆炸焊接作用晶粒得到细化，约在 5～20 μm 之间. 如图 4（g）所示，对界面层的显微 硬度测试表明，界面层位置显微硬度高于铜和钢 的显微硬度，能够满足冷却壁在高炉上的安全正 常使用. 5    高炉炼铁数据建模 高炉内发生的复杂物理化学反应、高温、高 压、腐蚀性环境以及高炉结构的封闭性，加大了对 掌握和控制高炉内部及铁水质量的难度. 随着传 感器、探测器质量的增强、冶炼数据的长期积累、 机器学习算法的逐步完善及计算机计算能力的不 断提高，基于数据驱动的高炉冶炼模式正不断发 展，对于高炉冶炼参数的预测建模研究不断完善， 这促使高炉炼铁的自动化、智能化水平不断提 高[50] . 例如，采用大数据分析的手段，基于高炉的 历史生产数据，以炉况稳定性为依据优选出部分 布料矩阵，对基于上述矩阵条件的料层分布进行 图形可视化和特征参量定量化，进一步对比分析 优化高炉的布料制度[51] . 采用最近邻算法和主成 分分析方法，结合实验数据和高炉冶炼过程积累 的数据，对高炉炉渣黏度进行预测建模，模型的预 测效果如图 5 所示. 所构建的模型在测试集上的 表现结果表明，该模型可以对高炉炉渣黏度实现 较好的预测[52] ；基于支持向量回归方法对高炉煤 气利用率和铁水温度进行预测建模，对铁水温度 和煤气利用率的预测效果分别如图 5(a) 和 (d) 所 示. 所构建的两种预测模型对高炉煤气利用率和 铁水温度的预测准确率达到了较高的水准[53] （图 中的 SVR 为支持向量回归）；另外，神经网络和贝 叶斯网络方法也被用于高炉铁水硅含量的预测， 结果表明，与神经网络等其他方法相比，贝叶斯网 络更适合对高炉冶炼过程进行状态解析，贝叶斯 网络透明的推理过程更对高炉操作者判断炉温变 化趋势具有指导意义[54] . 基于数据驱动的高炉冶炼参数预测模型的开 发正逐渐助力传统的高炉操作由黑箱转为灰箱， 这为高炉炼铁的研究提供了区别于基于冶金机理 建模和数字模拟仿真建模的另一模式. 这些方法 将帮助高炉操作者及时调整高炉操作，防止高炉 发生炉冷、炉热等一系列问题，从而提高冶炼质 · 1636 · 工程科学学报，第 43 卷，第 12 期