转炉自动炼钢动态控制可以提高钢水质量，降低生产消耗，提高生产效率，改善工人劳动条件，是现代炼钢工艺发展的必然趋势。国内某厂在传统自动炼钢模型基础上结合自身特点进行的一系列技术开发工作，使自动炼钢技术成功应用于其“一罐到底”高效化生产组织模式中，模型投用率提高约70%，转炉双命中率也提高约15%，并取得了可观的经济效益和社会效益。

　　提高铁水和废钢信息的准确性和及时性

　　该厂铁钢界面采用“一罐到底”生产组织模式，这一模式可以减少铁水温降，缩短工艺流程和降低环境污染，但同时也造成入炉铁水成分、温度、重量等稳定性差，转炉装入制度不稳定等问题，无法满足传统自动炼钢技术的要求。为此，要强化模型功能，首先须提高自动炼钢模型采集铁水和废钢信息的准确性和及时性。

　　铁水信息的采集。从高炉冶炼的特点和生产实际情况看，同一罐铁水在高炉铁沟取的试样和兑入转炉前取的试样的化学分析结果往往存在一定差异。因此，需要选择合适的信息采集点。由于经KR脱硫处理后的铁水成分更均匀，且KR铁水脱硫站建在1号和2号高炉之间，铁水出站至兑入转炉至少还有23min的缓冲时间，故铁水成分信息的采集点最终确定在KR铁水脱硫结束后。铁水温度则在铁钢间过跨线与转炉加料跨交接处的吊装孔位进行人工测量，测量后就直接将铁水兑入转炉。这样可以确保入炉铁水温度信息更精准。铁水重量=铁水重罐-铁水空罐，这就要求铁水兑入转炉后要尽快称出空罐重量。实践证明，行车秤可以快速称量出空罐重量，但波动性大，准确性不高；地秤虽然精度高，但地秤设置在铁钢界面的过跨线前端，兑铁后须等待至少10min才出结果，这在实际大生产中不具备可操作性。故模型采集的铁水重量=当罐铁水重量-该罐号上炉空罐重量，这种模式得到的铁水重量相对较准确。

　　废钢信息的采集。在“一罐到底”生产组织模式下，废钢量只根据铁水计划量进行周期性调整，波动性不大。但废钢种类较多，成分差异大，且受公司物流情况和供求关系影响，现实生产不可能长期固定每种废钢的搭配比例。因此，对废钢进行分类计量以减少各种废钢不同配比对模型计算准确性的影响，主要分为重废、中废、轻废、渣钢和生铁块等。

　　增加终点磷、锰预测功能

　　为实现高效化生产，有必要缩短转炉冶炼周期，但在现实生产中，转炉停吹后，终点试样的分析还需一段时间，造成转炉停炉等样。故根据入炉原辅料条件和过程吹炼情况对终点磷、锰含量进行预测，实现不等样出钢，可节约这部分时间。

　　终点P预测。因为转炉的后步工序都不具备脱磷补救功能，所以脱磷在转炉操作中往往被视为最重要的任务。终点P预测主要是基于原材料条件、入炉辅料结构、转炉化渣情况、终点控制情况等理论计算，并经过大量试验数据的分析和验证所得。模型设定P偏差=TSO预测P-化验P，P偏差±0.005%的精度为命中。

　　终点Mn预测。为实现铁前系统降本，高炉逐步增加杂矿比例，造成铁水Mn成分波动很大。开发终点Mn预测功能可以在实现转炉短周期的基础上稳定Mn成分控制，避免钢种改判，同时也可以提高模型关于物料平衡和热平衡计算的精度。终点Mn预测同样是基于大量转炉过程数据理论计算所得，模型设定Mn偏差=TSO预测Mn-化验Mn。

　　建立以温度控制和化渣效果相结合的控制模式

　　传统的自动炼钢模型在静态模型计算结束后不再对静态过程控制进行干预，直到TSC测出钢水碳含量和温度后，模型才进行动态计算和控制，这不适应该厂铁水条件和生产计划波动大的特点。为此，研发组在转炉静态控制过程中建立了模拟的吹炼过程温度动态控制系统，并引入转炉声纳化渣系统监控过程化渣情况，建立了以温度控制和化渣效果相结合的转炉吹炼过程操作模式。

　　模拟的温度动态控制系统。首先，根据各种入炉辅料的化学成分，理论分析这些材料在转炉吹炼过程中从室温升至出钢温度的物理热和化学热，得到不同辅料的冷却效应。其次，结合大量吹炼过程测算的数据和转炉喷溅情况，对各种入炉辅料的降温系数进行修正，并在模型加料模式基础上进行计算，最终形成模拟的温度动态控制系统。

　　音频化渣系统。转炉的声频来源主要是：超音速氧气流股的气体动力学音频及其冲击铁液、渣液和固相颗粒时的音频，一氧化碳气泡破裂和溢出的气流音频，金属熔池和渣液与炉壁摩擦的音频。音频化渣技术正是通过采用这些音频强度来测量化渣状况的一种方法。该系统对转炉吹炼过程的渣面音频信号进行处理后，形成二维动态曲线。曲线的变化情况可以实时反映出当前化渣状况及发展趋势。通过对大量曲线数据和转炉实际控制情况的统计分析，逐步形成可靠的音频控制区域。操作人员可以根据曲线在可靠区域的变化情况及时调整操作模式。

　　温度控制和化渣效果相结合后的效果。操作人员以熔池均衡升温和音频曲线正常波动为原则，对吹炼过程进行监控。由于模型静态和动态过程中的下料系统、氧枪控制系统等参数在模型自动控制过程中仍可调，即不会因人工的修正导致模型自动控制失效，因此，避免了转炉吹炼过程中因原材料条件变化、设备不稳定等突发状况对模型控制的影响，使模型自动控制系统的适应性更强。

　　开发独特的模型过程控制方式和自学习系统

　　以P分配比计算冶金石灰用量。随着高炉配矿方式的改变，铁水P含量已由先前0.100%左右逐步上升至目前平均0.160%，最高甚至达到0.180%，脱磷成为目前转炉工序最重要的任务。因此，为适应实际生产操作的需要，特将模型中原以终渣碱度计算冶金石灰用量的方式改为以P分配比为主要参考依据的计算方式。这一计算方式更为满足各种条件下的脱磷要求，相比碱度计算更合理。方式变更后，再配合模型的其他功能，入炉辅料消耗降低约10kg/t钢。

　　采用更精细化的多步骤转炉加料模式。传统的自动炼钢模型的加料模式一般在静态控制过程中分4批～6批料加入，动态控制过程则根据副枪测量结果一次性加入大量冷却剂。这种模式对生产条件的稳定性要求很高，且动态控制要加入大量含铁资源作为冷却剂，易增加炼钢成本，故该厂根据自身特点将矩阵式下料程序引入自动炼钢模型。在这种下料程序中，各料仓的下料过程相对独立；下料模式纵向排列，分步加料。这种下料系统比传统模型更具灵活性，与上面提到的温度控制和化渣效果相结合的督导系统相辅相成。

　　稳定转炉留渣量。为稳定转炉留渣量，除了对转炉终点倒炉的倾翻角度进行试验摸索，最主要就是投用转炉渣车秤和出钢过程的下渣检测系统。首先，将自动炼钢模型对转炉渣量的理论计算结果与转炉渣车秤的称量结果进行实时比对，并借助模型自学习功能，逐步优化转炉渣量的理论计算参数，使模型计算出理论转炉渣量与转炉渣车秤称出的实际渣量一致。这不仅使模型对转炉渣量的计算更精准，还可以准确指导在不同原辅料条件下或冶炼不同钢种时合适的留渣量。其次，充分发挥下渣检测系统的预警和计量功能，将每炉的下渣量纳入模型的留渣量计算中，提高计算精度。由于下渣系统本身不具备称量功能，故目前的下渣量主要是根据下渣系统的预警值理论计算出的结果。

　　递推式模型自学习系统。递推式模型自学习系统的主要特点就是将先前冶炼并符合条件的数十炉数据纳入学习组。每次静态计算运行后，系统将根据学习组数据的权重系数评估静态计算结果的可参照性。可参照性又分为多个等级，冶炼炉次只根据可参照性最强的几炉数据进行计算。对于可参照性差的炉次，模型会记录下它们的特异性，并及时进行更新。如此反复，模型静态计算的结果也就更接近于实际生产情况，模型的适应性也就更强。

　　通过上述一系列的技术开发和系统优化，主要的经济技术指标完成情况如附表所示。可见，自动炼钢技术的正常投用降低了入炉辅料、钢铁料和脱氧合金的消耗，取得了较好的经济效益，并提高了炼钢的技术水平。