简介概要

铝热还原生产钒铁合金的工艺优化

来源期刊：稀有金属2006年增刊第2期

论文作者：宋宝平王若宾铁军李幼军薛济来

关键词：铝热还原; 钒铁; 决策树分析; 工艺优化;

摘要：钒铁是生产工具钢、耐热钢的一种重要中间合金,目前主要采用铝热法生产.本文应用决策树分类方法来分析铝热还原生产铁合金的工艺和技术参数,主要考查了原料品位、发热量、配铝系数、反应时间、喷吹时间、喷吹量等主要工艺参数对产品回收率、铝含量含量的影响,给出各工艺参数对它们的影响模式.由于处理的数据是实际生产数据,数据分析结果可直接用于指导改进生产工艺.

稀有金属 2006,(S1),114-116 DOI:10.13373/j.cnki.cjrm.2006.s1.028

铝热还原生产钒铁合金的工艺优化

薛济来铁军李幼军王若宾

北京科技大学冶金与生态工程学院冶金与生物工程学院,北京科技大学冶金与生态工程学院冶金与生物工程学院,北方工业大学计算机中心,北方工业大学计算机中心,北方工业大学计算机中心北京100083,北京100083,北京100041,北京100041,北京100041

摘要：

钒铁是生产工具钢、耐热钢的一种重要中间合金, 目前主要采用铝热法生产。本文应用决策树分类方法来分析铝热还原生产铁合金的工艺和技术参数, 主要考查了原料品位、发热量、配铝系数、反应时间、喷吹时间、喷吹量等主要工艺参数对产品回收率、铝含量含量的影响, 给出各工艺参数对它们的影响模式。由于处理的数据是实际生产数据, 数据分析结果可直接用于指导改进生产工艺。

关键词：

铝热还原;钒铁;决策树分析;工艺优化;

中图分类号： TF646

收稿日期：2006-08-03

Optimized Technics of Ferrovanadium by Aluminothermic Reduction

Abstract：

Ferrovanadium is a kind of important transitional metal alloy for the tool steel, refractory steel.The mainly preparation of ferrovanadium is aluminothermic reduction currently.The technics and technical parameter of aluminothermic reduction ferroalloy by decision trees of data mining were introduced.And the effects as the product recovery, the content of aluminum and the vanadium content of slag because of grade of material, calorific value, modulus of aluminum content, reaction time and blowing time, etc were examined, and the effect mode of flow parameter is given out.Because of the data to deal being the production data, the results of data analysis may guide to improve the manufacturing technique.

Keyword：

aluminothermic reduction;ferrovanadium;decision trees;optimize technics;

Received： 2006-08-03

目前世界上生产的钒主要用于钢铁冶金及相关领域, 绝大部分以钒铁形式应用于钢铁工业 ^[1,2] 。铝热法 ^[3] 由于具有流程短、产品质量高、杂质含量低、可生产高品位钒铁的优点, 是当前生产高钒铁的主要方法 ^[4] 。但是, 由于铝热还原是一个多相的反应过程, 温度高、速度快、时间短 ^[5] , 还原过程一旦开始进行就难以控制。长期以来, 对生产过程进行优化以提高合金元素回收率、降低杂质含量一直是生产企业追求的目标, 同时也是困扰生产企业的难题。在计算机控制和管理技术应用到生产过程后, 由于实时记录并在数据库中存储大量的生产工艺实际数据, 为利用数据挖掘等数据分析方法来优化生产工艺参数提供了条件。

数据挖掘 ^[6] (DM, Data Mining) , 又称数据库中的知识发现 (KDD, Knowledge Discovery in Database) , 是一门新兴的边缘交叉学科, 它利用计算机对巨大的数据集进行分析处理以发现数据中潜在的模式和规律, 现在已经成功应用于商业、金融业、生物制药和基因分析等领域 ^[7] 。本文利用Microsoft SQL Server 2005软件提供的挖掘模型 ^[8,9,10] , 对铝热法冶炼高钒铁过程中产生的大量数据进行分析, 试图找出数据的规律性, 以达到优化工艺的目的。

1 数据准备

需要处理的数据来自某企业的ERP系统, 其中包括了2003～2006年期间每天每炉的原料质量 (如V₂O₅加料量、铝粉加料量) , 反应过程的控制参数 (如反应时间) , 以及产品质量 (如成品中钒含量、铝含量) 等项目数据。我们对数据进行清理, 然后进行数据分析。

2 数据挖掘

铝热法生产高钒铁冶炼过程中关注的主要经济技术指标是合金元素钒的回收率 ^[11] , 其次是合金产品中作为杂质元素的铝的含量, 我们主要研究各工艺参数对回收率和铝含量的影响。

2.1 钒回收率与其他参数之间的关系

首先考虑钒的回收率与其他参数之间可能存在的联系。

以钒回收率 (Vr) 作为预测值, 铝粉量 (Al_power) 、铝粉喷吹量 (blowquantity) 、石灰 (CaO) 等10余个工艺条件参数作为输入量, 利用决策树模型进行数据处理。

图1给出模型的相关性网络图, 直观表示各个输入列数据对预测列数据的影响程度。在所有链接情况下, 只有V₂O₅、石灰、铝豆、铝粉、单位炉料的发热量、配铝系数和钒的回收率有关联, 而铝粉喷吹量、反应时间和喷吹时间对钒的回收率无影响, 或者说在当前数据区间内它们的影响不显著。向下移动链接强度滑块, 逐渐增大链接强度, 如图1所示结果, 表明铝豆量对钒的回收率的影响最大, 而其他参数的影响较弱。上述分析表明, 可通过控制V₂O₅, 石灰、铝豆、铝粉、单位炉料热效应、配铝系数来控制钒的回收率, 其中铝豆是最重要的影响因素。

图2给出决策树挖掘模型浏览图。在图2中给出模型的所有节点, 颜色深浅表示事例发生的概率大小, 颜色越深概率越大。由图可见, 首先全部1500条事例分为两个节点, 当V₂O₅的量小于3998 kg的时候, 其事例数是725条, 在此条件下分为两个节点, 当铝粉加量小于180 kg的时候其事例数为294条, 反之事例数为431条; 然后当V₂O₅的加量大于等于3998 kg的时候其事例数为795条, 在此条件下又分为两个节点, 当铝粉加量小于300或大于等于540的时候其事例数为771条, 反之事例数为24条。

图3是预测挖掘模型准确性中的提升图, 以实际值为横坐标, 预测值为纵坐标, 图中的直线表示预测值与实际值重合的理想直线, 由图可知, 实际值和预测值大致分布在0.835～1.000之间。

2.2 成品中Al含量与其他属性之间的相关性

铝热法冶炼高钒铁中, 对成品中Al的含量有

图1 钒回收率与其他参数的相关性网络图 (增强链接)

Fig.1 Dependence network of vanadium recovery with others (in stronger links)

图2 决策树浏览图

Fig.2 View of decision tree

图3 挖掘准确性提升图

Fig.3 Mining accuracy lift chart

图4 成品中Al含量与其他参数的相关性网络图

Fig.4 Dependence network of content of aluminum in finished products with others

严格的要求, 因此严格控制成品中Al的含量是下一个要研究的对象。

研究结果如图4所示, 表明在众多的参数中, 喷吹铝粉的量对成品中Al含量影响最大, 其次是单位炉料的发热量。

3 讨论

本文用数据挖掘的方法对铝热法冶炼高钒铁的一系列生产数据进行分析, 所得出的结果与反映了热力学实验研究的趋势。例如数据挖掘发现钒的回收率与配铝系数和石灰加料量有关, 这与文献 [ 12] 的研究结果一致。数据挖掘出的成品中铝的含量与铝粉喷吹量和单位炉料热效应关联性最大, 这与文献 [ 13] 的试验结果相同。

但是, 由于数据挖掘处理的是工业条件下的生产实际数据, 它能反映出工艺条件、设备条件等其他实际因素的影响, 例如在适当的范围中, 当配铝系数和喷吹铝粉的量增加时, 相当于增加了反应物中铝熔体的浓度, 从而使反应充分进行, 得到较高的钒的回收率; 而当配铝系数和铝粉的喷吹量过量时, 多余的铝熔体则会进入钒熔体中形成钒铝合金, 造成钒的损失; 又如石灰的主要作用是降低炉渣的熔点和黏度, 提高炉渣的流动性, 这是因为石灰与高熔点的氧化铝结合形成低熔点的炉渣的缘故, 从而促进渣铁分离。

由此可以看出数据挖掘方法能够给出与热力学研究相同的趋势, 但是由于考虑了各种实际因素的影响, 能够得出直接指导生产过程的结论, 这是基于理想条件下的热力学研究难以达到的。另外, 数据挖掘方法的可以减少大量的实际实验, 节省大量的人力、物力, 对于一些难以实现的实验室研究如铝热还原过程等更为有效, 具有广泛的应用前景。

4 结论

利用决策树方法对铝热法冶炼高钒铁的生产数据进行处理, 发现对钒回收率影响较大的因素是配铝系数, 铝粉喷吹量, 石灰加料量等; 对成品中铝含量关联较大的因素是铝粉喷吹量和单位炉料发热量等。可以根据给出的决策树模型找到提高钒回收率、减少铝含量的有效途径, 从而获取优化的工艺参数, 达到降低成本、提高质量的目的。