关于高炉炉体破损调查情况介绍

1、序 号破损现象原因分析对策1炉身砖衬全部脱落或 磨损，起砖衬保护作用的 是支梁式水箱和镶砖冷 却壁支梁式水箱对炉身部的砖 衬支撑不牢；炉内机械磨损 较大，还存在高温熔蚀改进冷却器的结构 和形式，改善操作2支梁式水箱与镶砖冷 却壁交界处形成一个环 形大炉瘤操作不稳、波动大，造成 软融带位置上下移动，因凉 热交替而形成炉瘤。从炉瘤 显微结构 （ 反光下放大 100 倍） 可见，该炉瘤为初渣与金 属铁的混合物稳定操作3镶砖冷却壁比其所镶 的砖侵蚀更严重， 说明炉 身中下部存在高温熔蚀 现象炉身部温度偏高，冷却强 度不够调整冷却制度4炉身中下部在圆周方 向上侵蚀明显不均衡。 炉 子轴线发生偏移煤气流分

2、布不均匀，风口 直径和长度变化过于频繁稳定操作，维持合 理煤气流分布；不轻 易改变风口大小5炉底存有大量石墨化 沉积碳，沉积碳下是渣 皮，再下是炉底衬砖强化冶炼，提高热风压力， 有利于析出石墨碳，形成渣 皮保护层合理强化，综合考 虑强化、顺行和长寿 的关系6炉底砖缝过大， 有的甚 至达到 80 mm宽，从而造 成铁水深渗，石墨化严 重，极大影响了炉底寿命炉底砌筑质量不好加强砌炉检查，提 高砌炉质量7炉缸炉底处存在“异 常侵蚀”，沿圆周方向， 炉底侵蚀不均匀， 个别处 已侵蚀到光面冷却壁， 炉 子仅以石墨碳维持工作出铁环流的冲刷和碱金属 的脆化作用改变材质，提高抗 冲刷能力；设法使炉 缸炉底的碳

3、砖避开 800900 的温度区 域，可采用陶瓷杯8镶砖冷却壁和光面冷却壁断裂现象严重冷却水在冷却壁中结垢， 最后被堵死，造成冷却壁冷 却不均，产生应力而断裂改善水质，最好采 用软水（费用较高 ）1.2 改善措施根据以上分析，为改善高炉衬砖的工作状况，使该 300 m3 高炉通过 中修达到内衬更能适应高炉强化冶炼条件下长寿的要求，在炉型及炉体 结构不变的前提下，炉底、炉缸采用“低气孔率自焙碳砖复合棕刚玉 陶瓷砌体”复合炉衬，并加强砌炉质量的监督检查工作；在炉身部位 改用能较好支撑衬砖的扁水箱取代支梁式水箱，以加强对炉身部位砖衬 的保护；增设温度检测元件，开发、应用炉体状态模型。中修时，对 该高炉

4、的检测元件做了必要的增设，其中用于检测炉衬状态的测温元件 为配合炉体状态模型的建立，相对增设较多。在整个高炉的衬砖部埋设 了 52 点热电偶：炉身 2×4点、炉腰 2× 2×4点、炉缸 2× 2×4点、炉 底 2×5点、炉底底层 1 点、炉基 1 点。2 炉体状态模型的建立2.1 模型结构基于以上对高炉砖衬破损状况的调查分析，炉衬破损较严重的部位 主要是炉身中下部和炉缸炉底。为此，本炉体状态模型设有两个判断子 模型，分别用于炉墙结厚与侵蚀的判断以及炉底侵蚀曲线的推定，其中 炉墙状态采用神经网络的方法进行推断，炉底状态采用有限元法进行计

5、 算推理。本模型还设有标准化操作知识库以用于对高炉操作进行指导。 模型结构如图 1 所示。图 1 炉体状态模型的结构Fig.1 Structure of furnace lining condition model2.2 侵蚀判断（1） 炉墙结厚与侵蚀的判断 高炉过程控制模型，无论是数学模型还是知识模型，其运行的前提 是必须有可供处理的信息 （数据） ，而这些信息多是由检测传感器提供的， 为此，高炉过程控制在很大程度上受检测条件的限制。对于安钢 2 号高 炉而言，由于检测元件的限制， 炉墙的侵蚀 （或结厚 ） 状态不能直接测出、 不能简单通过计算热流强度而推知，因此，本模型在计算热流强度的基

6、础上，综合考虑其它有关操作参数，如顺行状况、下料情况、风压与风 量关系等，采用神经网络专家系统的方式对炉墙侵蚀 （ 或结厚） 趋势作出 预报或判断。基于推理网络与连接网络的可转换性、可信度与权值的等价性 2， 本研究首先在高炉冶炼原理与操作实践的基础上，根据各影响参数，建 立炉墙结厚与侵蚀的推理网络 （图 2） ，然后将推理网络转换成等效的连 接网络，从而构造成误差反向转播网络 （BP网络）（ 图 3） ，再采用 BP网的 学习算法得到连接网络的权值矩阵，它等价于推理网络的可信度矩阵， 这样用大量的神经元及连接权值表达了用于炉墙侵蚀推断的经验和知 识。系统运行前，必须用已存的模式对神经网络进行

7、离线学习，把各专 家经验中判断炉墙侵蚀结厚的典型炉况实例存储起来，并且把相似模式 的炉况特征提取出来，分布到连接权上，通过这种训练使系统学习掌握 推理判断知识。运行时通过输入信息与已存储的各类别特征信息的相似 性比较而判断出高炉炉墙的侵蚀或结厚状况； 同时通过权值矩阵 （ 即等价 的可信度矩阵 ） 对系统的推理作出相应解释。图 2 炉墙状态的推理网络Fig.2 Inference network for furnace lining condition图 3 用于炉墙状态推断的神经网络结构Fig.3 Neural network for inferring furnace lining con

8、dition（2） 炉底侵蚀曲线的推定 炉底所受的破坏作用是非常复杂的，一般取炉底 1 150 等温线 作为炉底的准侵蚀曲线 （侵蚀参考线 ） 。对炉底侵蚀曲线的推断主要是基 于炉缸炉底处热电偶的检测数据。本模型针对陶瓷杯综合炉底采用有限 元法对炉缸炉底处热电偶所测数据进行计算处理，得出 1 150 等温 线的位置和形状，从而推定出炉缸炉底的侵蚀参考线 3。2.3 操作指导精心操作，维护合理的操作炉型。这不仅要求及时准确地判断出炉 体状况，而且要及时合理地调整操作。为此，本模型还设有操作指导模 块，因而具有操作指导功能。该操作指导模块根据对炉体状况推断的结 果，通过调用知识库中的操作知识和经验

9、，这些操作知识和经验是专家 们在长期的实践操作中提炼总结出的精华， 并被系统化和标准化。 因此， 该知识库又称为标准化操作知识库。该知识库的建立，一方面有利于操 作知识的不断积累和保存，另一方面又统一了操作，使操作更加稳定顺 行。3 炉体状态模型的应用炉体状态模型的运行，可以预测和判断炉墙的侵蚀或结厚状况；还 可以计算出炉缸炉底 1 150 等温线的位置和形状，从而了解炉缸炉 底的侵蚀情况。系统通过简明的图表和直观的画面将炉体状况显示在 CRT上，为操作者进行合理操作提供直观有益的信息。由于炉缸炉底的 侵蚀是一个较为缓慢的过程，所以，系统对炉体状态的计算和预报不定 期进行。但操作者可随时调用系

10、统中炉体状态模型来计算和观察炉体的 破损情况。3.1 炉墙侵蚀与结厚模型的实际运行结果 高炉炉墙结厚是安钢高炉近两年来发生较频繁的炉内失常现象，本 模型（ 神经网络专家系统 ） 的在线使用为炉墙结厚与侵蚀的准确预报与及 时处理提供了极大的帮助。 特别是 1996年 8 月份因一场大雨致使高炉突 然无计划休风，原燃料质量大幅度波动，加上高炉操作调整不及时等原 因，造成高炉炉身中部大面积结厚。 为此，本专家系统给予了及时推断， 并两次预报结厚。炼铁厂 1996年 9月3日通过休风降料面进行了观察， 发现炉身中部确实结厚，最厚部位在 500 mm左右，随后炼铁厂采取了轻 负荷、倒装、加莹石热洗等措施

11、。经过一段时间的处理，炉况基本恢复 正常。3.2 炉底侵蚀与结厚模型的实际运行结果 模型经过在线运行，其结果表明，模型预测的 1 150 等温线和 由经验得到的侵蚀线基本吻合。 特别是 1995 年底，对炉底侵蚀情况给予 准确预报与判断，为高炉护炉起到了较好的指导作用。 2 号高炉开炉后 就进行强化生产， 渣铁对炉底炉缸的冲刷比较严重， 到 1996年2 月，炉 底温度上升到 1 048 ，炉缸下层内衬温度上升到 961 ，该高炉 1996 年 34月份采取了每批料加 250 kg 钒钛矿的护炉措施，共用护炉料 150 t 。护炉后炉底温度降低到 1 011 ，炉缸下层温度降低到 925 ，保

12、 护了炉底炉缸，护炉前后系统预测的侵蚀情况见图 4（ 曲线 1 为护炉前， 曲线 2为护炉后 ） 。由此可以说明，根据此系统可以掌握炉缸炉底的侵蚀 状况，并可据此制定出保护炉图 4 护炉前后炉缸炉底的侵蚀情况Fig.4 Erosion line of BF bottom before and after maintenance缸炉底的对策，最终达到延长炉缸炉底寿命的目的。4 结语(1) 通过对安钢 2 号高炉炉衬破损的实际考察，发现该高炉炉衬破 损较为严重的部位是炉身中下部和炉缸炉底。其中炉身中下部主要是因 机械磨损和高温熔蚀而造成炉墙侵蚀与结瘤；炉缸炉底则主要是因热应 力、环流冲刷、高温熔蚀及脆化作用而造成的异常侵蚀，以及因砖缝过 大而引起的砖缝渗铁现象。为此，应稳定操作、改善冷却制度、选用新 材质耐火砖，并加强炉体的监控，以维护合理的操作炉型。(2) 采用神经网络模型和有限元计算法建立了炉体状态模型， 该模 型可对炉墙的侵蚀与结厚和炉缸炉底的侵蚀状况进行推断，并通过调用 标准化操作知识库给出操作指导。通过系统在线运行，该模型准确、方 便、可靠，为高炉操作者及时了解炉体状况、维护合理操作炉型提供了 极大帮助。参考文献1 杨尚宝 . 神经网络高炉专家系统研究 .( 博士学位论文 ). 北京：北京科 技大学， 1995.30 51.2 施鸿宝 . 神经网络及