Modelo híbrido associando cálculos termodinâmicos e redes neurais artificiais para a predição da temperatura do aço desde o fim de sopro até a metalurgia secundária.

Abstract

O modelo proposto é uma associação de cálculos termodinâmicos para dissolução de ligas, adição de formadores de escória e reação de desoxidação no aço líquido com dois modelos de redes neurais artificiais (RNA) treinados com dados industriais para prever a variação da temperatura do aço líquido do final do sopro no BOF até a primeira medição de temperatura na metalurgia secundária. Para calcular a energia associada à desoxidação, foi realizado um experimento para estabelecer os parâmetros para a partição de oxigênio entre os desoxidantes, sendo o momento de adição de alumínio durante a etapa de vazamento o principal parâmetro. O controle da temperatura na fase de vazamento apresentou um desvio padrão para o erro de predição de 5,46 oC, para a etapa de transporte da estação de borbulhamento de argônio (EBA) para a metalurgia secundária de 2,79 oC e a associação de todos os cálculos apresentou um desvio padrão do erro de predição de 7,49 oC. A validação operacional apresentou uma precisão superior em relação ao método atual de controle de temperatura, resultando na redução do consumo de alumínio para aquecimento na metalurgia secundária, com economia potencial de US $ 4,07 milhões por ano para uma planta siderúrgica com capacidade de produção de 5 milhões de toneladas de aço anualmente. O modelo de rede neural artificial confirmou sua capacidade de modelar um processo multivariado complexo e a separação do cálculo termodinâmico proporciona uma melhor adaptabilidade a diferentes classes de aços com diferentes estratégias de produção.