Navegando por Autor "Viana Júnior, Marcos Antônio"

Agora exibindo 1 - 2 de 2

Hybrid model associating thermodynamic calculations and artificial neural network in order to predict molten steel temperature evolution from blowing end of a BOF for secondary metallurgy.
(2018) Viana Júnior, Marcos Antônio; Silva, Carlos Antônio da; Silva, Itavahn Alves da
The developed model is an association of thermodynamic calculations for dissolution of alloys, slag formers and the deoxidation reaction in the molten steel with two artificial neural network (ANN) models trained with industrial data, to predict the molten steel temperature drop from the blowing end of the BOF until the first measurement at secondary metallurgy. To calculate the associated energy for deoxidation, an experiment was designed to set up the parameters for oxygen partitioning among deoxidants, with timed aluminum addition during teeming being the main parameter. The temperature control in the teeming stage presented a standard deviation for the error of prediction of 5.46 oC, for transportation from the rinsing station to the secondary metallurgy of 2.79 oC. The association of all calculations presented an error standard deviation of 7.49 oC. The operational validation presented superior accuracy compared with the current method for controlling the temperature, resulting in a reduction in the aluminum consumption for heating at secondary metallurgy with a potential economy of U$ 4.07 million per year for a steel shop producing 5 million tons of steel yearly. The artificial neural network model confirmed its capacity for modeling a complex multivariable process and the separation of thermodynamic calculation provides a better adaptability to different steel grades with different teeming strategies.
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.
(2018) Viana Júnior, Marcos Antônio; Silva, Carlos Antônio da; Silva, Guilherme Liziero Ruggio da; Silva, Itavahn Alves da; Silva, Carlos Antônio da
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.