SELF-LEARNING OF THE CONVERTER OPERATOR SUBSYSTEM IN THE STEEL SMELTING PROCESS AS PART OF THE METALLURGICAL PRODUCTION MANAGING DMSS

Authors

DOI:

https://doi.org/10.32782/IT/2022-2-4

Keywords:

metallurgy, information system, self-learning, management, technology, operator, scenario

Abstract

The decision-making support information system, which can provide the BOF operators with recommendations for conducting the technological process in real time at the metallurgical enterprise, can significantly help reduce production costs and increase the profitability. The development of the aforementioned information system, basing on self-learning and using the experience of some previous successful melts is considered to be relevant. The purpose of the work is to develop a learning algorithm for the smelting control subsystem of the intelligent decision-making support system in the BOF control circuit. The subsystem automates the operator’s actions, optimizes the process according to an economic criterion, and reduces the influence of the human factor on the result. The last one leads to the improvement of production economic indicators. The methodology of providing a solution consists of the recommendation formation for the BOF operator subsystem, based on the selection and averaging of the best precedents from memory, which are the closest according to the normalized metric. The metric includes both the desired characteristics of the finished steel and controlled disturbances, particularly the initial conditions of melting. The vectors of disturbances and controlled variables are divided into two groups. The first group is to determine the distance to precedents, and the second one is to form the criterion for the optimality of the solution. The scientific novelty of the results obtained in the work consists in the proposed self-learning algorithm. The algorithm, in contrast to previously known approaches, does not use the entire set of training examples from the previous melt database, but only the "best" ones according to a consolidated external criterion. Best examples are a limited subset of closest melts in history to the current melt according to a normalized metric condition. The external criterion form and the metric of the melt comparison in the normalized space are proposed. Conclusions. The application of the proposed self-learning algorithm of the converter operator’s subsystem of the integrated metallurgical production DMSS allows reducing the molten steel cost by 2.5–3.8 %. The result is possible if there are a sufficient number of examples in the database of some previous melts, covering the current order.

References

World Steel Association. Fact Sheet: Steel and Raw Materials. 2016. URL: https://www.worldsteel.org/publications/fact-sheets.html (accessed on 27/03/2019).

Демидов В.А. Производство конвертерной стали. Технологическая инструкция. ТИ-233-СТ. КК-02-2014. Днепропетровск: ПАО «Евраз – ДМЗ им. Петровского», 2014. 95 с.

Чернятевич А. Г. Выплавка конвертерной стали. Технологическая инструкция. ТИ-230-С320-12. Днепродзержинск: ПАО «Днепровский металлургический комбинат им. Дзержинского», 2012. – 53 с.

Чернега, Д.Ф. Основы металлургического производства металлов и сплавов / Д.Ф. Чернега, В.С. Богушевский, Ю.Я. Готвянский и др. Под ред. Д.Ф. Чернеги, Ю.Я. Готвянского. К:.Висшая школа., 2006 503 с.

Богушевський В.С. Виробництво низькосірчанистих марок сталі в конвертерах / В.С. Богушевський, Л.О. Бредун // Спеціальна металургія: вчора, сьогодні, завтра: Збірник праць «Фізико-хімічні основи технології металів». К.: ІВЦ „Видавництво «Політехніка»”. 2008. с. 84–91.

Васильев Д.Б. Исследование эффективности замены стального лома железорудными брикетами при выплавке / Д.Б. Васильев, С.В. Куберский, В.М. Кравченко. Сборник научных трудов Донбасского государственного технического университета. 2009. Вып. 28. С. 269–275.

Графов А. В. Металлоемкость продукции металлургического производства и оценка эффективности инновационных технологий переработки лома и отходов черных металлов: Монография. Воронеж: Изд-во «Наука–Юнипресс». 2011. 306 с.

Желдак Т.А. Математична модель матеріально-теплового балансу плавки в кисневому конвертері та критерій її оптимізації / Т.А. Желдак, Д.О. Воловенко. Інформаційні технології в освіті, науці й техніці (ІТОНТ-2012): матеріали міжнар. наук.-практ. конф.: Черкаси, 25-27 квітня 2012 р. Черкаси: ЧДТУ, 2012. т.1. С. 23–24.

Мокринский А.В Гидродинамические режимы взаимодействия кислородных струй с конвертерной ванной / А.В. Мокринский, Е.В. Протопов, А.Г. Чернятевич. К: Черная металлургия. 2005. №4. С. 11–17

Jalkanen, H. Experiences in physicochemical modelling of oxygen converter process (BOF). Adv. Process. Met. Mater. 2006, 2, 541–554.

Kattenbelt, C., Roffel, B. Dynamic Modeling of the Main Blow in Basic Oxygen Steelmaking Using Measured Step Responses. Metall Mater Trans B 39, 764–769 (2008). https://doi.org/10.1007/s11663-008-9184-0

Dogan, N.; Brooks, G.A.; Rhamdhani, M.A. Comprehensive model of oxygen steelmaking part 1: Model development and validation. ISIJ Int. 2011, 51, 1086–1092. https://doi.org/10.2355/isijinternational.51.1086

Lytvynyuk, Y.; Schenk, J.; Hiebler, M.; Sormann, A. Thermodynamic and Kinetic Model of the Converter Steelmaking Process. Part 1: The Description of the BOF Model. Steel Res. Int. 2014, 85, 537–543. https://doi.org/10.1002/srin.201300272

Sarkar, R., Gupta, P., Basu, S. et al. Dynamic Modeling of LD Converter Steelmaking: Reaction Modeling Using Gibbs’ Free Energy Minimization. Metall Mater Trans B 46, 961–976 (2015). https://doi.org/10.1007/s11663-014-0245-2

Rout, B.K., Brooks, G., Rhamdhani, M.A. et al. Dynamic Model of Basic Oxygen Steelmaking Process Based on Multi-zone Reaction Kinetics: Model Derivation and Validation. Metall Mater Trans B 49, 537–557 (2018). https://doi.org/10.1007/s11663-017-1166-7

Dering D. A dynamic optimization framework for basic oxygen furnace operation / D. Dering, C. Swartz, N. Dogan // Chemical Engineering Science, Volume 241, 2021, 116653, https://doi.org/10.1016/j.ces.2021.116653 .

Желдак Т.А. Подходы к построению интеллектуальной системы, управляющей кислородным конвертером / Т.А. Желдак, Д.А. Воловенко. Науковий вісник Національного гірничого університету. 2011. № 5. С. 133–136.

Богушевський В.С. Керування киснево-конвертерною плавкою в замкненому режимі / В.С. Богушевський, С.В. Жук, Є.К. Бондаренко, О.О.Капусняк. Наукові вісті НТУУ «КПІ». 2014. № 5. С. 76–83.

Бойко В.С. Оптимизация раскисления стали с использованием данных об активности растворенного кислорода / В.С. Бойко, М.Н. Якин, С.А. Коваль, А.В. Стефанец, И.Н. Фентисов, А.А. Годынский, Е.А. Чичкарев // Металл и литье Украины. 2012. № 2–3. С. 12–15.

Published

2022-12-29