一种含铝钢精炼渣熔态转移与多参数协同循环利用方法与流程

本发明涉及钢铁冶炼，尤其涉及一种含铝钢精炼渣熔态转移与多参数协同循环利用方法。

背景技术：

1、含铝钢（低碳铝镇静钢、低合金含铝钢）广泛用于汽车板、管线钢、家电板等高附加值产品，对钢水硫含量、夹杂物控制要求极高。lf精炼过程会产生大量含钙铝硅的精炼渣，具有较高脱硫能力。目前精炼渣利用主要分为冷态回用与热态回用两类。

2、冷态回用：渣体冷却后破碎、研磨、筛分再配入，存在以下严重缺陷：

3、能耗高、粉尘大、环保压力大；高温渣系结构被破坏，脱硫活性显著下降；无法回收铸余金属，金属收得率低；无法利用余热，能源浪费严重。

4、热态回用：虽保留高温特性，但现有技术存在以下核心痛点：

5、转移过程温降过快，每小时降温150–200℃，流动性变差、反应效率降低；无惰性气体保护，熔渣二次氧化，feo、mno升高，脱硫能力下降；循环过程al2o3持续积累，碱度波动大，自由cao减少，脱硫衰减明显；采用固定碱度控制，无法适配al2o3动态变化，参数控制孤立、缺乏协同；缺乏在线快速检测与智能调控，质量波动大；无科学的循环寿命判据，易出现无效循环导致钢水质量下降；无闭环反馈，无法根据钢水硫含量、夹杂物反向优化工艺参数。

6、现有公开专利仅停留在简单热态转移、固定碱度或冷态配加层面，均未同时解决温降、氧化、al2o3积累、参数协同、闭环调控五大关键问题，技术效果有限，循环次数低、质量稳定性差、资源利用率低。

7、因此，行业亟需一种可实现热态无预处理、惰性保护、在线检测、动态调碱、多参数协同、寿命精准判定、闭环智能优化的含铝钢精炼渣循环利用技术，从根本上解决现有技术瓶颈。

技术实现思路

1、本发明旨在克服现有技术温降快、二次氧化、脱硫衰减、参数孤立、缺乏闭环反馈等缺陷，提供一种含铝钢精炼渣熔态转移与多参数协同循环利用方法，实现精炼渣与铸余高效回收、脱硫能力稳定、钢水洁净度高、循环次数大幅提升、能耗与固废排放显著降低。

2、为了实现上述目的，本发明采用了如下技术方案：一种含铝钢精炼渣熔态转移与多参数协同循环利用方法，所述方法为：

3、1）熔态渣热态直接转移：钢水浇注结束后，对钢包内剩余的精炼渣及铸余进行预处理，全程不进行破碎、研磨或冷却处理，在熔态精炼渣及铸余未凝固、温度保持在1450-1550℃的状态下，于10–30min直接转移至转炉出钢后的空钢包，转移过程采用惰性气体保护，避免熔渣二次氧化，确保铸余完全融入钢包，提高钢水收得率；预处理仅去除夹杂的大块废钢、耐火材料碎屑杂质，无需对精炼渣进行破碎、研磨处理，简化操作流程，降低处理成本，同时为铸余回收创造条件，步骤1的方法针对性解决现有热态回收中温降过快（每小时温降150-200℃) 、渣系结构破坏导致的脱硫能力衰减核心难题，明确区别于现有冷态回收（需破碎研磨）、传统热态转移（无防氧化措施）的方法。

4、2）智能化动态组分调控：对转移后的熔态精炼渣进行在线成分及碱度检测，检测数据实时传输至调控系统；基于含铝钢精炼渣中al2o3积累与脱硫衰减机理（al2o3 与 cao结合形成高熔点化合物，减少自由cao 含量）计算石灰补加量，使熔态精炼渣在循环过程中碱度r与al2o3含量满足：r = k1·[ω（al2o3）] + b，平衡 al2o3 、mgo组分变化，补偿钢包侵蚀导致的 mgo 含量上升，其中，k1为碱度-氧化铝关联系数，取值0.25–0.35，b为修正值，取值2.5–4.5；k1、b随钢中铝含量ω(al) 动态适配，ω（al2o3）为al2o3在熔态精炼渣中的百分比含量，确保循环中的熔态精炼渣硫容量不低于初始熔态精炼渣的85%；步骤2的方法突破传统固定碱度控制的局限，形成含铝钢专属调控优势，解决现有技术组分调控滞后、脱硫稳定性差的问题。

5、3）多参数协同智能控制：在lf精炼过程中，基于多参数协同关联模型：η= 0.92×m+ 0.08×(1450 - t)/100，协同控制炉渣指数m、钢包透气指数η、渣层厚度h，实现参数动态匹配，t为熔态精炼渣温度，

6、其中：m∈[0.18，0.32]，优选范围[0.22,0.28]，

7、η≥η0，η0为基于钢包容量确定的透气性阈值，η0∈[0.85，1.25]m³/(h・mpa)，随钢包吨位线性调整；

8、h≤hmax，hmax∈[120,180] mm，hmax根据精炼功率动态修正。

9、钢包透气指数η通过实时采集装置获取底吹氩气流量-压力曲线特征值（峰值压力、稳定流量区间）计算获得，每30秒更新一次，实现渣-钢反应效率最大化；该步骤明确三者协同的创新原理，解决传统工艺参数孤立控制、协同性差的技术痛点，构建专属多参数协同控制模型。

10、4）基于渣系演变的循环寿命判定：结合含铝钢精炼渣脱硫能力衰减机理，建立脱硫分配系数衰减模型：ls = ls0×e(-0.12n)，其中，ls0为初始脱硫分配系数，n为循环次数；建立基于脱硫分配系数ls衰减率的循环终止判据：dls/dn≥δls_set时终止循环，δls_set= ( ls0- ls_min)/nmax，ls0通过初始熔态渣脱硫实验确定，ls_min为最低允许脱硫分配系数，不低于初始值的75％，不同钢种略微有差别，根据含铝钢产品标准确定；构建三层结构：包含输入层、隐含层和输出层，输入层输入钢水硫含量、夹杂物评级，隐含层采用sigmoid激活函数，输出层输出k1、b和m、η0、hmax的调整范围，连续3炉钢水硫含量＞0.005%或者夹杂物评级＞1.0级时，自动触发参数优化，实现自适应闭环调控，解决现有技术缺乏动态反馈调控、钢水质量稳定性不足的问题。通过严格管控精炼渣组分（al2o3含量≤35%、碱度r维持11-15）、钢水脱硫分配系数ls≥93及脱硫率≥74.2%，保障钢水洁净度，确保后续轧材质量达标；若出现脱硫率低于74% 、钢包透气性异常，或精炼渣al2o3含量超标、钢水硫含量连续2炉及以上超标（＞0.005%）情况，立即停止该批次精炼渣循环使用。后续轧材夹杂物检测结果作为闭环反馈依据，进一步优化调控参数，提升循环过程的稳定性与可靠性。

11、优选的，所述步骤2采用x射线荧光光谱或激光诱导击穿光谱对转移后的熔态含铝精炼渣进行在线成分检测，检测时间≤5分钟。

12、优选的，所述步骤2中，k1、b参数的初始值根据含铝钢铝含量适配：铝含量为[0.02%,0.08%]时，k1=[0.25,0.3]、b=[2.5,3.5]；铝含量为（0.08%，0.15%]时，k1=（0.30,0.35]、b=(3.5,4.5]；且k1、b与含铝钢铝含量ω(al)满足关联方程：k1= 0.25 + 0.67×ω(al)，b = 2.5 + 13.33×ω(al)，实现参数精准适配。

13、优选的，所述步骤3中，炉渣指数m按公式（1）或者（2）计算：

14、m= (ω（cao）)/(ω（sio2）+ ω（al2o3）)（1）

15、m= (ω（cao）·ω（sio2）)/ω（al2o3）（2）

16、其中，ω（cao）为cao在熔态精炼渣中的百分比含量，ω（sio2）为sio2在熔态精炼渣中的百分比含量。

17、优选的，所述步骤3中，钢包透气指数η由底吹氩气流量–压力曲线实时计算，每30秒更新一次透气指数η，实现动态调控；同时控制钢水脱硫分配系数ls≥93，钢包透气性较好炉数所占比例不低于97.4%，入炉铁水s含量控制在0.032-0.038%，成品s含量控制在0.0073-0.0102%，脱硫率维持在74.2%以上。

18、优选的，所述步骤2，控制循环渣碱度r =11-15，循环渣的成分以及质量分数控制在cao：50-60%、sio2：4-6%、tfe≤0.25%、mgo≤3.9 %、al2o3 28-32%、mno≤1.0%。

19、优选的，所述改进bp神经网络包含输入层、隐含层和输出层，输入层为1个神经元，对应输入参数为精炼结束后钢水实际硫含量（检测精度≤0.0001%），隐含层设10-12个神经元，采用sigmoid激活函数，用于挖掘钢水硫含量与调控参数之间的非线性关联，输出层为5个神经元，输出k1、b和m、η0、hmax，收敛速度较传统bp神经网络算法提升30%以上，可根据钢水硫含量偏差实时输出精准的参数调整范围，实现闭环调控的自适应优化。

20、优选的，所述k1的调整幅值±0.01-±0.03，b的调整幅值±0.1-±0.3，炉渣指数m的调整区间±0.02，钢包透气指数η0的调整区间±0.05 m³/(h·mpa)，渣层厚度h_max的调整区间±10mm。

21、优选的，所述含铝钢为铝含量0.02%-0. 15%的低碳铝镇静钢或低合金含铝钢，单批次精炼渣循环使用次数根据al2o3积累量灵活调整，最大不超过8次。

22、与现有技术相比，本发明的优点和积极效果在于：

23、 1.提出“热态无预处理与惰性气体保护”的熔态渣转移方案，解决现有热态回收温降过快、渣系破坏、二次氧化的核心难点，同时实现铸余与精炼渣同步高效回收，每炉回收铸余2t，资源利用率较传统方法提升66.7%以上。

24、2.构建含铝钢精炼渣专属的智能化动态组分调控体系，建立碱度与al2o3的关联模型及参数适配方程，突破传统固定碱度控制的局限，实现组分调控的精准化、智能化，解决现有技术脱硫稳定性差的问题，循环渣硫容量保持在初始值的85%以上。

25、3.建立“炉渣指数-透气指数-渣层厚度”多参数协同智能控制模型，结合实时检测与动态更新，实现渣-钢反应效率最大化，同时明确各参数的控制逻辑与关联关系，解决传统工艺参数孤立控制、协同性差的技术痛点，钢水脱硫率稳定在74.2%以上。

26、4.基于渣系演变机理和脱硫能力衰减模型，建立专属循环寿命判据，结合改进型bp神经网络迭代优化算法，构建“成分-工艺-质量”闭环反馈调控体系，实现循环过程的自适应优化，循环次数提升至5-8次，较传统方法提升33%-100%，且钢水质量稳定性显著提升。

27、5.简化预处理流程，无需破碎、研磨，降低处理成本，同时减少渣料消耗、精炼电耗及耐材侵蚀，减少固态渣排放，吨钢能耗降低18.6kg标准煤，践行清洁生产理念，兼顾经济效益、社会效益与环境效益；且操作简单、实用性强，无需新增复杂设备，可配套应用于含铝钢规模化生产，易于推广应用。