真空脱气过程中的氢和氮预测

数字技术正在改变工业的各个层面。作为特定数字技术的早期采用者，钢铁有机会引领所有重工业，以提高我们的可持续性和竞争力。本专栏是AIST成为钢铁数字化转型中心战略的一部分，通过提供各种平台来展示和传播钢铁制造特定的工业4.0知识，从大局概念到具体流程。

引言

在特殊钢的生产中，钢中的氢和氮含量（H， N）对最终产品质量起着重要的作用。氢对钢的性能影响几乎都是负面的。根据钢的牌号等级，氮可以被认为是有害元素或者是合金元素。这两种气体元素都以H和N原子的形式在钢液中，溶解浓度较高。

钢中的氢有很多来源：它可以直接从空气中的水分、耐火材料或造渣材料中吸收。水分可以以水或氢氧化物的形式存在。考虑到氢在液态钢中比在固态钢中更容易溶解，在凝固过程中，氢原子结合成H₂分子，成核形成气囊，形成“氢白点”。这种现象对于大型连铸坯和铸锭是很关键的，因为它们是特殊钢典型的半成品。[1]

氮，特别是用于电炉冶炼生产钢水，有许多来源：废钢、空气（例如，电弧炉出钢过程或钢包精炼炉LF加热期间）或直接来自N₂搅拌气体。根据钢种等级，如果钢的成形性和延展性是非常重要（例如，超低碳无间隙原子钢），则应将氮保持在最低限度，或者使用N通过间隙固溶体强化来提高钢的机械性能（例如，硬度）。[2]

在二次冶金中，从钢液中除去H和N可以用真空处理工艺来实现。通常，钢水的真空脱气采用真空罐脱气（VTD/VD）工艺或rhurhstahl - heraeus （RH）工艺。[3]由于采用电弧炉（EAF）路线生产的钢所占比例越来越大，而高炉-转炉（BF-BOF）长流程生产的钢所占比例越来越小,因此脱气工艺越来越受到人们的重视。[4]众所周知，长流程钢水在进入二次冶金处理之前已达到较低的溶解H和N含量。[3]因此，溶解较高H和N的电炉钢对脱气过程的精确控制就更加必要了。

钢液、固态钢中H含量的高精度测量是一个难点。然而，使用基于热导率探测器的设备（TCD，例如HydrisR）直接在钢包钢水中进行在线测量已成为特殊钢冶炼钢厂的标准。[5]这一检测措施通常是在真空处理结束时，在常压状态下，用将定氢仪探头浸入钢液直接读取氢含量，定氢的目的是检查该炉钢是否准备好送去浇铸，或者如果脱气不合格，是否需要再次进行真空处理。就处理时间和消耗来说，检测气体含量的操作成本是不可忽略的，应该尽可能将其最小化。

N含量的测量通常是通过基于光谱的技术（例如，光学发射光谱，OES）或惰性气体融合分析，对从钢液中提取的凝固试样进行分析。分析并非实时，因为试样通常被送到实验室，在那里需要几分钟得到结果。一般来说，在常压下LF处理和VTD处理的二次冶金过程中，要进行多次取样分析。

真空条件下的钢液取样装置虽然在市场上可以买到，但由于其更高的维护要求（强调密封防止空气泄漏进入），机械结构较为复杂和额外的工厂成本，所以很少安装在钢厂的真空设备上。因此，真空处理在去除H和N方面的有效性通常是在处理完成后通过测量来检查的。如果脱气效果不理想且有足够的时间，则需要重复进入真空状态下处理，这种两次真空的做法是没有办法的办法，应该尽可能避免。因此，深真空时间、钢包气体搅拌流量、造渣等工艺参数通常都于保守，以充分满足H、N脱气指标，避免脱气不足。

在这些前提下，在线动态脱气监测器可以帮助确定脱气过程何时达到H和N设定的目标，在可能的情况下延长深真空阶段，以避免第二次抽气处理；或者另一方面，缩短深真空阶段，加速冶炼过程，避免过度脱气。可以降低钢中H和N气体含量的过大波动，从长远来看，可以根据所需的脱气时间来优化VTD前的钢水过热度。

这样的工具应该能够实时估计钢液中溶解的H和N的含量，使用当前的工艺数据，以及预测该炉钢水处理中的未来行为，以建议何时完成脱气处理，从而优化时间和能耗。该技术包（Q-DEGAS）经过原型设计、工业化，并成功安装在意大利Cargnacco的Acciaierie Bertoli Safau （ABS）的VD2脱气站。该钢厂冶炼车间有一个双罐双盖的VTD钢水脱气站，使用机械真空泵能够处理大约100吨的钢包钢水。每次处理使用一个真空罐，钢包底部配备了双透气芯搅拌系统。

讨论

溶解态氢-氮的跟踪与预测

一个精确的模型来实时跟踪溶解气体是开发一个强大的预测系统的必要条件。文献中有几个典型的例子。

Bannenberg等人[6]开发了一个模型，可以同时应用于脱氢和脱氮两种模型均进行了在线测试，结果与现场测试结果吻合较好。作者考虑了工厂设计数据（例如，钢包几何形状，钢水质量）以及工艺数据（例如，高真空压力，搅拌气体体积）作为模型输入的参数。Stouvenot等人[12]和D. Huin等人[13]考虑了动态脱气模型，其中真空压力、搅拌气体流量和钢液成分被用作模型输入特征。[8]钢水和炉渣的成分可能有关，特别是对于非常低的氮含量目标钢种。氧和硫是影响脱气动力学的表面活性元素，因此，氧和硫在原则上是阻碍延迟脱氢和脱氮。[1]脱气模型的很多文献也可以在一系列欧洲煤炭和钢铁共同体项目中找到。[7,8,14]所有这些公式都使用具有可调参数（即灰色模型）的耦合冶金脱气模型的解决方案。

ECON Tech和Frisa 钢厂采用了一种完全不同的方法，他们使用机器学习模型来实时预测钢中的氢含量。[9]

无论采用何种建模方法，准确的灰色模型或机器学习模型都可以用作预测器和钢包炉号分类器。一个好的模型应该考虑所有与预测某个目标变量相关的输入特征。该模型经过训练，在统计上最小化估计变量与变量（H和N试样）的实际测量之间的差异。

脱气过程是一个动态现象，虽然一些输入特征与时间相关，但其他输入特征与工艺或设计相关。动态和静态输入是输入空间。输入空间相似点可以用作识别具有共同行为的过去钢包炉号的特征参数。因此，如果过去生产的钢包炉号在模型输入特征方面经历了共同的模式，则认为它们是相似的。因此，模型输入空间中任意小的L2 -norm范数应该导致输出空间中任意小的L2 -norm范数，或者换句话说，类似的脱气模式或区别性特征。

相似炉号可用于重建当前工艺条件下未来最可能的输入空间情景，从而预测溶解气体的未来趋势，并评估试样（例如Hydris或OES）的可靠性，因为这些采样测量值用于训练模型，但并非没有误差。

选择最相关的模型输入特征是系统开发的重要步骤。达涅利Danieli对VTDs的调查表明，在深真空阶段，脱气过程中的氢气对排除的烟气成分有显著的影响，特别是，真空泵排气侧的烟气气体成分成为脱气建模的重要特征。

图1给出了典型气体组成和工艺参数的示例。

图1  真空罐脱气（VTD）的典型趋势、主要工艺变量和烟气成分

在文献中，真空脱气排出的烟气成分分析常常与真空吹氧脱碳（VOD）过程有关，其中烟气中的CO和CO₂与脱碳过程相关。[7]在吹氧阶段，烟气流量高于标准VTD工艺，在这些条件下，与脱气有关的氢和氮被脱碳过程中产生的大量CO和CO₂所掩盖了。

ABS钢厂开发并安装了一种测量烟气成分的新型传感器，并对传感器位置、气体调节系统和气体分析仪装置的选择进行了特别的研究。当前市场需要在精度、维护工作和成本之间取得良好平衡的设备。与VOD不同，VTD通常不配备气体分析仪，因此所选择的解决方案必须考虑传感器的投资和运营成本。最终的硬件配置显示出良好的鲁棒性，可接受的维护周期和相对较好的精度/成本比，与良好的模型运行所需的精度相兼容。分析仪的输出，以及现有工厂1级和2级系统的过程数据，可以像以前的项目一样提供给在线模型。[11]

建模活动产生了两个独立的氢气和氮气模型，根据脱气动力学制定并根据钢厂的数据进行调整。

软件功能

在生产中训练和部署H-N模型的工业化应用程序（Q-DEGAS）是使用客户机-服务器架构开发的。

这些服务执行不同的后台任务：

1. 数据收集：检索所有相关过程数据（来自工厂可编程逻辑控制器（PLC）的VTD基于时间的信号，来自2级系统的基于事件的过程数据）。

2. 区别性特征：对于当前的钢包炉号，计算关键工艺变量的预期行为（即真空压力，搅拌气体流量，工艺阶段的典型持续时间等）。

3. 模型训练：在收集到的历史数据上训练钢水H-N含量预测模型。

4. 当前H-N模型：从第一个试样开始预测当前钢液的H-N含量，考虑到钢厂当前处理的所有钢包炉号的所有相关数据。

5. 未来H-N模型：基于区别性特征炉号，预测未来钢的H-N趋势，直到深真空结束。

客户端应用程序将可用的功能分解为不同的部分：

1. 概述：它显示了两个VTD罐的当前钢包炉号状态，模型输入（H-N试样，真空压力，搅拌气体流量，气体分析等）以及预测的钢中溶解的H和N（图2）。在采集氢气试样样本后，系统根据历史数据的统计分析来评估其有效性或显著性，以突出试样样本是否在预期范围内，或者可能需要另取样样本来确定其数值。在图3中显示了两个炉号的钢包，一个是真实的最后H试样（绿框），一个是不真实的H试样（红框）。

图2  H-N监控应用：模型概述，显示两个VD罐的模型输入和输出

图3  H- N监控应用：不真实（红框）和真实（绿框）最后H试样样本示例

2. 未来H-N预测：在真空过程中，还使用工艺区别性特征来计算期望的H-N趋势，直到脱气步骤结束（图4）。在右侧的方框中显示了未来重要时间间隔的期望值，以便于评估深度真空步骤进行时预期的脱气水平。

图4  H-N监测应用：未来H值趋势（白色虚线趋势）和未来N值趋势（绿色虚线趋势）

3. 脱气目标的实现：在真空过程中，将当前估计的H-N值与当前钢种的脱气目标进行比较。一旦达到脱气目标（具有可定制的安全余量），目标字段将以绿色突出显示，表明可以停止深真空步骤（图5）。

图5  H-N监测应用：满足当前真空步骤的脱气目标（绿框）

4. 溶解态氮增加预测：溶解态氮模型预测由于真空抽提导致的氮减少和通过双透气芯引入的N₂气体搅拌导致的氮增加（图6）。这对于使用氮气N₂搅拌的实践特别有用，可以帮助操作人员评估当前/未来估计的N含量。

图6  H-N监测应用：(a)用N₂搅拌时估计未来H-N含量(b)通过搅拌后取的钢氮试样确认

5. 模型性能监测：该视图显示了所选时间间隔、站点、钢种或其他筛选标准的预测精度（图7）。对于H和N模型，可以将整个未筛选的表导出为电子表格文件，以供用户进一步分析。

图7  H-N监控应用：模型性能监控

6. 模型训练：通过一组专用页面对用于预测的模型进行管理，创建新模型，在历史数据上进行训练，在训练和测试数据集上验证其性能，并实时设置要使用的模型（图8）。

图8  H-N监控应用：模型训练管理

操作结果

生产中部署的预测H和N模型的性能如图9所示，并在表1中进行了总结。该工业化系统于2024年10月中旬部署在ABS VD2上：图中显示的数据是在冬季维护停止前的两个月运行期间收集的，相当于大约1000炉号的钢包真空脱气数据。跟踪器的准确性可与文献中提供的数据相媲美，并且在随后几个月的连续工厂运行中保持不变。

图9  (a) H模型和(b) N模型的模型精度与文献结果的比较

表1  H和N模型实现的模型精度与文献结果的比较

在验证了模型的性能后，系统在提示模式下使用，提示何时可以停止真空，表明在图5，进而如图10所示。

图10  脱气过程中两炉钢的变化趋势。根据系统的建议，橙色区域是深度真空时间可能减少的区域。(a)显示了平稳的脱气操作，(b)显示了由于泡沫渣优化不理想而需要继续深真空的钢包炉号。根据系统的建议，第二次真空顺序是可以避免的

该系统基于模型输入空间相似度（区别性特征），当估计的H含量低于给定目标时动态提示，并附带一个额外的安全系数。H指标根据所生产的钢材等级确定，由二级自动化系统提供。图10面板(a)和(b)中的橙色区域突出了生产过程中额外的深真空时间。图(a)显示了脱气过程顺利进行的一炉钢：真空罐压力始终保持在低值，该炉钢水脱氢没有困难。由于输入空间的L-2范数相对较小，动态估计的置信度较高。在这里，减少深度真空时间的余地更大。

另一方面，图10的面板(b)显示了由于泡沫渣不理想而导致脱气过程困难的炉号钢包。在第一次处理期间，真空罐很难保持在深真空压力下。该系统基于具有更宽输入空间的历史数据，检测并指出无效脱氢，随后通过第一次H测量进行确认。因此，该钢包炉号需要第二次真空处理：在第二次真空结束时，系统发出信号表明目标值已经达到，随后由第二次测量确认。这一过程可以通过增加第一次真空处理的时间来加速，避免第二次真空的抽吸处理时间和额外的测量。

系统在生产中的典型输出表明，ABS的标准深真空时间可以缩短。对建议的统计分析如图11所示，表2所示。考虑到运行两个月（约1000炉）的产量，系统建议平均缩短深真空时间14.3%。然而，相对缩短真空处理时间与钢的钢种等级有关，平均可能在2.5%到20%之间，如表2所示。

图11  ABS深真空时间分布。对于两个月生产最多的钢种，深灰色箱形图为实际深真空时间分布，浅灰色箱形图为建议深真空时间分布。根据该系统，根据钢种的不同，深真空时间可缩短3-20%

表2  系统对不同钢种的深真空缩短次数建议

在确认了深度真空时间缩短和VTD生产率提高的潜力后，该系统已准备好在生产过程中使用，以优化操作实践。显然，对生产率的实际影响必须考虑脱气装置的所有约束条件（即钢水H含量指标、N含量指标和温度指标）。因此，可能需要对LF实践（LF出口温度）进行相关修改，以最大限度地提高效益。

结论

建立了一种数据驱动的在线动态模型，用于预测真空脱气过程中溶解氢和溶解氮的含量。根据系统自动收集的工厂数据对考虑标准VTD过程数据和烟气分析的预测模型进行训练。该模型用于预测钢水H和N的当前含量以及它们在深真空阶段结束前的预测趋势。此外，系统根据当前的工艺条件、预测的置信度和可用的H-N测量值来评估脱气目标是否达到。

该系统安装在意大利Cargnacco的Acciaierie Bertoli Safau (ABS)，目前已经上线了几个月，为操作人员提供了有关真空过程中H和N去除的有用信息。已对气体分析仪和相关的气体调节系统进行了彻底的测试，以验证结果数据并确定合适的维护计划。在较长的时期内，系统的输出将包括在业务实践中，过程的可变性预计将因此减少。平均而言，预计工艺时间将减少，尽可能减少深真空持续时间，并避免与二次真空处理相关的低效率。由于深真空时间的缩短，预计LF出口温度也会降低，从而减少电能消耗。

（信息来源：唐杰民冶金40年 ）