基于炉衬厚度的高炉炉温在线检测传感器

王月明，孙采鹰，董大明，贾 华

( 内蒙古科技大学，内蒙古包头 014010)



基于炉衬厚度的高炉炉温在线检测传感器

王月明，孙采鹰，董大明，贾 华

( 内蒙古科技大学，内蒙古包头 014010)

介绍了高炉测温的应用背景，分析现有高炉炉温测量研究情况，提出了两种基于炉衬厚度的高炉炉温在线检测传感器模型，为高炉炉内温度测量提供一种新的解决方案。基于炉衬厚度的高炉炉温在线检测传感器模型能够充实和丰富高炉专家系统数据库规则制定中的参数，可以指导高炉工长及时正确地调节高炉控制参数，把炉温保持在最佳状态，保证炉况平稳顺行，以延长高炉寿命。

高炉;炉温;传感器;炉衬;在线检测

0 引言

为了实现钢铁工业的信息化，我国在最近几年制定了“信息化带动工业化，实现跨越式发展”的战略方针，其中指出：高炉炼铁工艺应该与信息化、自动化、计算机等技术有机结合，实现高炉冶炼的自动化，从而达到提高高炉利用系数、降低焦比的目的。如何有效地获取高炉运行中的炉温情况，为高炉生产的合理操作提供决策依据，是目前高炉炼铁行业面临的一个较难解决同时又极具现实意义的重大课题。

由高炉冶炼流程可知，在高温、高压、封闭环境下的高炉炼铁过程，融化的铁水、炉渣、熔融状态的铁矿石及焦炭的混合物、热气流等构成了复杂的流体动力学问题。炉衬在这些强物理作用及化学反应下不断地被侵蚀，使得传统的直接检测手段无法得到应用。高炉炉温、炉衬厚度等数据往往是通过外部的、间接的、具有时滞性的测量方法得到的。高炉的运行机制往往具有非线性、时滞、高维、大噪声、分布参数等特性[1]，导致目前普遍应用的炉温预测控制模型也难以准确有效。没有可靠的炉温预测数学模型进行指导[2]，使操作带有一定的不确定性，影响了铁水质量和高炉寿命。鉴于高炉冶炼在工业生产中的重要地位，近几年高炉研究者们致力于完善高炉检测的方法，其中炉温的检测又是高炉检测中的热点问题。国内对于铁水、风口和炉顶的测温研究较充分，方法手段日趋完善，唯独对炉身和炉腹的测温鲜有报道。

文中分析了现有高炉炉温测量研究情况，提出两种基于炉衬厚度的高炉炉温在线检测模型，在炉身、炉腹部位埋设传感器，以结合炉腹的侵蚀情况，实时、在线地检测高炉炉温，以指导填料、送风等高炉生产的控制策略，把炉温保持在最佳状态，提高铁水质量和产量，增加高炉寿命。

1 国内外研究现状及分析

目前，多通过铁水的含硅量来间接预测炉温[3]，由于铁水含硅量的测量需要在出铁后才能进行，在时间上有滞后，而炉温的波动具有很强的随机性，另外此方法主要是预测炉缸温度的，反映炉身、炉腹的温度变化有局限性。另一种判断炉身、炉腹部位和炉内温度场变化的方法，是监测冷却壁的水温差和热负荷，并利用热电偶检测炉衬温度来实现。由于采用了热电偶，决定了测温方法造价高，在炉衬被侵蚀的情况下，不可能准确地预测炉温。

除了上述的几种炉温预测方法之外，其他可查的炉温检测方法有：第一，插入式光电温度传感器检测炉温[4]，是利用热辐射的原理进行温度测量，且只能用于炉顶温度的预测。关于这种检测方法的文献只见于前几年，近期大范围的推广未见报道。第二，新型十字测温传感器检测[5]，这种方法与传统的十字测温方法均用于炉顶测温，而无法解决炉身、炉腹的温度检测问题。第三，非接触式高炉温度检测方法，比较典型的是在此基础上发展起来的红外图像识别的检测方法[6]，该方法具有非接触、实时性的特点，主要应用于炉顶测温，需要与十字测温法相结合进行测温定标。另外，国外的一些炉温检测方法不适合国内的炉况，其预测模型通常价格高达几百万到上千万，与国内高炉的切入点也有很大区别，同时存在技术壁垒，不利于我国高炉检测技术的进一步发展。

在高炉冶炼生产中，为了预测炉内温度，常检测与炉温相关的各项参数，之后再建模进行炉温预测。近几年发展起来的，与高炉炉温预报建模有关的研究方法有：回归模型[7]、时间序列模型[8]、神经网络模型和专家系统模型[9]。通过对上述预报方法的分析，发现单纯利用回归模型、时间序列模型、神经网络模型[10]、专家系统模型等中的任何一种方法来预测炉温，具有间接、迟滞的特点。近年来国内出现了通过包括铁水含硅量在内的4个参数来预测炉温的模型，该模型是基于样条变换的非线性PLS预测[11]，该模型同样不能在线预测炉温。

炉温预测模型所需的大量信息来源于检测设备，而系统推理结果也需检测数据来证实，如果在高炉上安装对炉体烧损状况、料面形状等参数行之有效的检测设备，则会极大地促进高炉炉温预测系统[12]的发展。

2 基于炉衬厚度的高炉炉温在线检测传感器

文中提出两种新型的高炉炉温在线检测模型，一种是基于测杆上一维埋设测温点的传感器方案，一种是炉衬中立体埋设测温点的传感器方案，其核心数据来源于炉温检测传感器，该传感器是基于在炉衬测厚的基础上，根据传热学理论，对高炉炉温进行检测。该方法能有效减少炉衬厚度变化对检测传感器测温数据的影响，实施过程中对高炉的不同关键测温点布设测温传感器，该传感器能够进行立体、多点测温。该测温模型是通过传热学理论和数学模型，根据测量点所测炉衬厚度和温度参数值，对炉温进行实时检测，进而解决高炉炉温预测迟滞、非实时的问题，是对高炉专家系统数据库中的参数的丰富和补充，并最终延长高炉寿命，稳定生产。

2.1 在测杆上一维埋设测温点的传感器

在测杆上一维埋设测温点的传感器的结构图如图1所示，该传感器是在炉腹或炉身的炉墙内埋入一根特制的金属测杆作为传播介质，位于测杆的冷端安装压电晶体(测距探头)，并借助超声波测距技术测出杆长，即炉衬厚度；在测杆内的一些特定点埋入铂电阻(测温探头)，测出测杆中所埋设测温点的温度。根据炉衬厚度和测温点的温度，依据传热学原理，利用系统导热的微分方程，计算出炉温。

图1 测杆上一维埋设测温点的在线检测传感器结构图

图1中，h为炉墙测厚探头距冷却壁里端的距离，x1、x2、x3为测温传感器距冷却壁里端的距离，具体埋设点的位置参数需要进一步研究。

由传热学原理可知，在三维的情况下，系统内非稳态导热的微分方程由下式确定：

(1)

式中：x、y、z为三维坐标位置；t为温度场函数；τ为热源瞬时发热后的任意时刻；q为热流强度；c为比热容；ρ为密度。

对式(1)中的一些边界条件进行分析简化，在检测时间内，在测杆上一维埋设测温点的传感器模型中，由于测杆的导热系数比炉衬的导热系数大2～3个数量级，因此将热量沿测杆的传播看作符合固体导热微分方程下的、无内热源的、稳态的一维导热问题。由此可以得出检测参数与炉温的关系，从而建立数学模型，在线检测炉温。

2.2 炉衬中立体埋设测温点的传感器

炉衬中立体埋设测温点的传感器结构图见图2，同样在炉腹、炉身的炉墙内埋入一根金属测杆作为传播介质，在测杆的冷端安装压电晶体(测距探头)，利用超声波测距技术测出杆长，即炉衬厚度。在以测杆为中心的Y、Z方向上，距测杆一定距离处的炉墙内，立体埋入铂电阻(测温探头)，测出炉衬中所埋设测温点的温度，进行炉温的预测。高炉炉衬在炉身、炉腹部位的受热问题，可以归结为无限大面热源的持续受热问题，通过检测炉衬厚度和对应埋设点的温度，可以实时计算出炉温。

1—炉衬厚度；2—测温控头2的位置；3—测温探头1的位置；4—炉衬；5—填料；6—炉壳；7—法兰；8—测距探头；9—测距信号；10—炉温；11—测距介质；12—测温探头3；13—测温探头4；14—测温探头3的信号；15—测温探头4的信号图2 炉衬中立体埋设测温点的在线检测传感器结构图

该传感器检测炉温的理论依据是将热量沿炉衬的传播，看作符合固体热传导理论下的无限大面热源持续受热问题。高炉炉膛对于检测面来说，为持续无限大的面热源，炉衬相当于无限大导热介质，在检测时间内，认为测杆热端与炉膛接触面处的位置和温度没有变化。而位于空间任意点M(x，y，z)处，无限大面热源持续发热造成温升的公式为

(2)

式中：Qm为热强；λ为材料的导热系数；a为导热介质的扩散系数;τ为在热源瞬时发热后的任意时刻;x为测温点距热源的距离；Ψ为特定函数的积分式。

由式(2)可知，不管是高炉炉内温度，还是炉衬中的温度值，其大小均与Qm、λ、a、τ、x有关，根据这4个参数与距离和温度的关系，就可以通过检测炉厚和炉衬温度，利用公式，推导出炉温。该传感器的特点是可以实时采集炉温数据，多个测量点组成检测数据。

3 结束语

介绍了高炉测温的应用背景，分析了高炉炉内温度测量方法，并对高炉炉内温度测量方面现状进行讨论，提出基于炉衬厚度的高炉炉温在线检测传感器模型，为高炉炉内温度测量提供一种新的解决方案。该在线检测模型还可以在线测量炉衬厚度，根据炉衬厚度数据，建立高炉侵蚀模型，分析侵蚀形貌。基于炉衬厚度的高炉炉温在线检测传感器模型能够充实和丰富高炉专家系统数据库规则制定中的参数，可以指导高炉工长及时正确地调节高炉控制参数，保证炉况平稳顺行，可产生巨大的经济效益。

[1] 冯婷.基于非参数回归的高炉炉温预测控制模型研究：[学位论文].杭州：浙江大学，2008.

[2] CRNOMARKOVIC，NENAD，SIJERCIC.Influence of forward scattering on prediction of temperature and radiation fields inside the pulverized coal furnace.Energy，2012，45(1)，160-168.

[3] CAO C H，JIAN L，LUO S H.Modeling of the thermal state change of blast furnace hearth with support vector machines.IEEE Transactions on Industrial Electronics，2012，59(2)：1134-1145.

[4] 孙恭良，张建林.插入式光电温度传感器在炼铁炉上的应用.天津冶金，2001(3)：80-81.

[5] 吴加伦，陆庆忠.新型十字测温传感器在高炉中的应用.世界钢铁，2011(5)：61-63.

[6] GAO X D，YOU D Y，KATAYAMA S.Infrared image recognition for seam tracking monitoring during fiber laser welding.Mechatronics，2012，22(4)：370-380.

[7] OZDEN G A，KUBRA Y.Selecting rows and columns for training support vector regression models with large retail datasets.European Journal of Operation Research，2012，226(3)：471-480.

[8] 陈刚，曲宏巍.一种新的模糊时间序列模型的预测方法.决策与控制，2013，28(1)：105-108.

[9] SOLUN S，HASSANPOUR M R.A survey of current approaches and applications.Expert Systems With Applications，2012，39： 4609-4617.

[10] 片锦香，柴天佑，李界家.规则与数据驱动的层流冷却过程带钢卷取温度模型.自动化学报，2012(11)： 1861-1869.

[11] 石琳，汤佳佳.基于样条变换的非线性PLS的反应高炉炉温的参数预测.钢铁研究学报，2013，25(2)：20-25.

[12] 黄波，汪卫.基于高炉专家系统的多变量炉温智能控制系统.钢铁，2005，40(4)：21-23.

Study of Online Detection Blast Furnace Temperature Sensor Based on Lining Thickness

WANG Yue-ming ，SUN Cai-ying，DONG Da-ming，JI Hua

(Inner Mongolia University of Science and Technology，Baotou 014010，China)

This paper described the background of the blast furnace temperature online measurement applications and analyzed the study progress of existing blast furnace temperature measurements, then proposed two blast furnace temperature online measurement sensor models based on the thickness of lining, which provided a new solution for the blast furnace temperature measurements. The sensor model of blast furnace temperature online detection enriched blast furnace expert system database, correctly adjusted control parameters of blast furnace, maintained blast furnace temperature in the best condition, ensured anterograde smooth working of blast furnace conditions, and increased the life of the blast furnace.

blast furnace; furnace temperature; sensor; furnace lining; online measurement

国家自然科学基金资助项目(61364029，61463042)

2014-01-09 收修改稿日期：2014-11-20

TB94

A

1002-1841(2015)02-0014-02

王月明(1978—)，副教授，研究方向为智能信息处理技术。 E-mail：wym_20017@126.com