提高鐵水和廢鋼信息的準確性和及時性
  鐵鋼界面采用“一罐到底”生產組織模式，這一模式可以減少鐵水溫降，縮短工藝流程和降低環境污染，但同時也造成入爐鐵水成分、溫度、重量等穩定性差，轉爐裝入制度不穩定等問題，無法滿足傳統自動煉鋼技術的要求。為此，要強化模型功能，首先須提高自動煉鋼模型采集鐵水和廢鋼信息的準確性和及時性。

  鐵水信息的采集。從直縫焊管廠家高爐冶煉的特點和生產實際情況看，同一罐鐵水在高爐鐵溝取的試樣和兌入轉爐前取的試樣的化學分析結果往往存在一定差異。因此，需要選擇合適的信息采集點。由于經KR脫硫處理后的鐵水成分更均勻，且KR鐵水脫硫站建在1號和2號高爐之間，鐵水出站至兌入轉爐至少還有23min的緩沖時間，故鐵水成分信息的采集點最終確定在KR鐵水脫硫結束后。鐵水溫度則在鐵鋼間過跨線與轉爐加料跨交接處的吊裝孔位進行人工測量，測量后就直接將鐵水兌入轉爐。這樣可以確保入爐鐵水溫度信息更精準。鐵水重量=鐵水重罐-鐵水空罐，這就要求鐵水兌入轉爐后要盡快稱出空罐重量。實踐證明，行車秤可以快速稱量出空罐重量，但波動性大，準確性不高；地秤雖然精度高，但地秤設置在鐵鋼界面的過跨線前端，兌鐵后須等待至少10min才出結果，這在實際大生產中不具備可操作性。故模型采集的鐵水重量=當罐鐵水重量-該罐號上爐空罐重量，這種模式得到的鐵水重量相對較準確。

  廢鋼信息的采集。在“一罐到底”生產組織模式下，廢鋼量只根據鐵水計劃量進行周期性調整，波動性不大。但廢鋼種類較多，成分差異大，且受公司物流情況和供求關系影響，現實生產不可能長期固定每種廢鋼的搭配比例。因此，對廢鋼進行分類計量以減少各種廢鋼不同配比對模型計算準確性的影響，主要分為重廢、中廢、輕廢、渣鋼和生鐵塊等。

  增加終點磷、錳預測功能
  直縫焊管廠家為實現高效化生產，有必要縮短轉爐冶煉周期，但在現實生產中，轉爐停吹后，終點試樣的分析還需一段時間，造成轉爐停爐等樣。故根據入爐原輔料條件和過程吹煉情況對終點磷、錳含量進行預測，實現不等樣出鋼，可節約這部分時間。

  終點P預測。因為轉爐的后步工序都不具備脫磷補救功能，所以脫磷在轉爐操作中往往被視為最重要的任務。終點P預測主要是基于原材料條件、入爐輔料結構、轉爐化渣情況、終點控制情況等理論計算，并經過大量試驗數據的分析和驗證所得。模型設定P偏差=TSO預測P-化驗P，P偏差±0.005%的精度為命中。
  終點Mn預測。為實現鐵前系統降本，高爐逐步增加雜礦比例，造成鐵水Mn成分波動很大。開發終點Mn預測功能可以在實現轉爐短周期的基礎上穩定Mn成分控制，避免鋼種改判，同時也可以提高模型關于物料平衡和熱平衡計算的精度。終點Mn預測同樣是基于大量轉爐過程數據理論計算所得，模型設定Mn偏差=TSO預測Mn-化驗Mn。

  建立以溫度控制和化渣效果相結合的控制模式
  傳統的自動煉鋼模型在靜態模型計算結束后不再對靜態過程控制進行干預，直到TSC測出鋼水碳含量和溫度后，模型才進行動態計算和控制，這不適應該廠鐵水條件和生產計劃波動大的特點。為此，研發組在轉爐靜態控制過程中建立了模擬的吹煉過程溫度動態控制系統，并引入轉爐聲納化渣系統監控過程化渣情況，建立了以溫度控制和化渣效果相結合的轉爐吹煉過程操作模式。

  模擬的溫度動態控制系統。首先，根據各種入爐輔料的化學成分，理論分析這些材料在轉爐吹煉過程中從室溫升至出鋼溫度的物理熱和化學熱，得到不同輔料的冷卻效應。其次，結合大量吹煉過程測算的數據和轉爐噴濺情況，對各種入爐輔料的降溫系數進行修正，并在模型加料模式基礎上進行計算，最終形成模擬的溫度動態控制系統。

  音頻化渣系統。轉爐的聲頻來源主要是：超音速氧氣流股的氣體動力學音頻及其沖擊鐵液、渣液和固相顆粒時的音頻，一氧化碳氣泡破裂和溢出的氣流音頻，金屬熔池和渣液與爐壁摩擦的音頻。音頻化渣技術正是通過采用這些音頻強度來測量化渣狀況的一種方法。該系統對轉爐吹煉過程的渣面音頻信號進行處理后，形成二維動態曲線。曲線的變化情況可以實時反映出當前化渣狀況及發展趨勢。通過對大量曲線數據和轉爐實際控制情況的統計分析，逐步形成可靠的音頻控制區域。操作人員可以根據曲線在可靠區域的變化情況及時調整操作模式。

  溫度控制和化渣效果相結合后的效果。操作人員以熔池均衡升溫和音頻曲線正常波動為原則，對吹煉過程進行監控。由于模型靜態和動態過程中的下料系統、氧槍控制系統等參數在模型自動控制過程中仍可調，即不會因人工的修正導致模型自動控制失效，因此，避免了轉爐吹煉過程中因原材料條件變化、設備不穩定等突發狀況對模型控制的影響，使模型自動控制系統的適應性更強。
  開發獨特的模型過程控制方式和自學習系統

  以P分配比計算冶金石灰用量。隨著高爐配礦方式的改變，鐵水P含量已由先前0.100%左右逐步上升至目前平均0.160%，最高甚至達到0.180%，脫磷成為目前轉爐工序最重要的任務。因此，為適應實際生產操作的需要，特將模型中原以終渣堿度計算冶金石灰用量的方式改為以P分配比為主要參考依據的計算方式。這一計算方式更為滿足各種條件下的脫磷要求，相比堿度計算更合理。方式變更后，再配合模型的其他功能，入爐輔料消耗降低約10kg/t鋼。

  采用更精細化的多步驟轉爐加料模式。傳統的自動煉鋼模型的加料模式一般在靜態控制過程中分4批～6批料加入，動態控制過程則根據副槍測量結果一次性加入大量冷卻劑。這種模式對生產條件的穩定性要求很高，且動態控制要加入大量含鐵資源作為冷卻劑，易增加煉鋼成本，故該廠根據自身特點將矩陣式下料程序引入自動煉鋼模型。在這種下料程序中，各料倉的下料過程相對獨立；下料模式縱向排列，分步加料。這種下料系統比傳統模型更具靈活性，與上面提到的溫度控制和化渣效果相結合的督導系統相輔相成。
  穩定轉爐留渣量。為穩定轉爐留渣量，除了對轉爐終點倒爐的傾翻角度進行試驗摸索，最主要就是投用轉爐渣車秤和出鋼過程的下渣檢測系統。首先，將自動煉鋼模型對轉爐渣量的理論計算結果與轉爐渣車秤的稱量結果進行實時比對，并借助模型自學習功能，逐步優化轉爐渣量的理論計算參數，使模型計算出理論轉爐渣量與轉爐渣車秤稱出的實際渣量一致。這不僅使模型對轉爐渣量的計算更精準，還可以準確指導在不同原輔料條件下或冶煉不同鋼種時合適的留渣量。其次，充分發揮下渣檢測系統的預警和計量功能，將每爐的下渣量納入模型的留渣量計算中，提高計算精度。由于下渣系統本身不具備稱量功能，故目前的下渣量主要是根據下渣系統的預警值理論計算出的結果。

  遞推式模型自學習系統。遞推式模型自學習系統的主要特點就是將先前冶煉并符合條件的數十爐數據納入學習組。每次靜態計算運行后，系統將根據學習組數據的權重系數評估靜態計算結果的可參照性。可參照性又分為多個等級，冶煉爐次只根據可參照性最強的幾爐數據進行計算。對于可參照性差的爐次，模型會記錄下它們的特異性，并及時進行更新。如此反復，模型靜態計算的結果也就更接近于實際生產情況，模型的適應性也就更強。

  通過上述一系列的技術開發和系統優化，主要的經濟技術指標完成情況如附表所示。可見，的自動煉鋼技術的正常投用降低了入爐輔料、鋼鐵料和脫氧合金的消耗，取得了較好的經濟效益，并提高了煉鋼的技術水平。