将实时循环计算流体动力学模拟结果与鲁尔钢铁（Ruhrstahl）- 赫劳斯（Heraeus）钢铁脱气过程的工厂数据相对照

《steel research international》：Aligning Real-Time Recurrence Computational Fluid Dynamics Simulations with Plant Data for the Ruhrstahl–Heraeus Degassing Process of Steel

氢气脱气预测与rCFD建模研究

　　在现代钢铁工业中，RH真空精炼工艺是一种关键的二次精炼技术，用于生产高质量的钢材。该工艺通过两个 snorkel（取样管）将熔融钢水在真空室和钢包之间持续循环，由注入下部 snorkel 的升气（通常是氩气）驱动。由于高温、液体不透明性和厚壁容器等工业条件的限制，获取详细的熔融钢水流动数据变得极为困难。因此，研究者通常依赖于工厂实验，包括有意添加合金元素和定期取样分析，以估算钢水循环速率，而该速率决定了精炼效率和合金混合效果。尽管已有一些半经验公式被提出，通常将循环速率与升气流量、snorkel 直径以及在某些情况下真空室内的压力相关联，但这些方法往往难以提供对流动行为的详细见解，也无法反映真实系统中空间物种分布的异质性。

为了解决这些问题，研究者提出了一种基于数据辅助、计算效率高的复发计算流体力学（rCFD）方法，用于预测 RH 工艺中的氢气逸出。rCFD 是一种基于短期全 CFD 模拟生成的流动特征数据库，随后通过时间外推来模拟长期工业过程的计算方法。该方法允许研究人员在保持等效空间分辨率的同时，将计算时间缩短三个数量级，从而实现近实时模拟。对于 RH 工艺中的氢气逸出预测，研究者首先通过全 CFD 模拟对钢水流动进行了详细分析，然后利用复发图（recurrence plots）和工厂视频分析评估了流动的动态特性。基于这些数据，研究者构建了代表 20 秒工艺时间的数据库，用于后续的 rCFD 模拟。在第一种情况下，rCFD 的预测结果与昂贵的 CFD 参考模拟相吻合，成功地验证了合金均匀化的效果。在第二种情况下，rCFD 模拟的氢气逸出与工厂的废气氢气测量进行了比较。尽管 rCFD 能够再现主要的逸出特性，但其总体逸出时间被高估，这可能是由于基础 CFD 模拟中低估了钢水的循环速率。为此，研究者引入了一种自适应的 rCFD 方法，以考虑循环速率的变化，从而实现与工厂数据的定量对齐。

在实际应用中，rCFD 通过时间外推来模拟长期工艺过程，这种方法能够利用短期 CFD 数据库中的流动特征，构建出时间跨度远超原始数据的流动模式。通过将这些流动特征连接起来，rCFD 可以模拟出连续的钢水流动，从而预测氢气逸出和合金均匀化等冶金过程。rCFD 的优势在于其显著的计算效率，可以在接近实时的条件下进行模拟，这使得它成为 RH 工艺数字孪生监控的有前途候选方案。通过这种高效计算方法，研究人员能够在工业条件下实时监控钢水的流动和冶金反应，从而优化精炼过程并减少生产时间。

此外，研究者还探讨了 rCFD 在不同冶金过程中的应用，例如钢水在底吹转炉中的多相流模拟和 RH 工艺中的合金均匀化。这些应用表明，rCFD 不仅能够有效模拟长期过程，还能通过数据驱动的方式提高计算效率。研究者还提出了一个基于数据库的 rCFD 方法，以实现与工厂数据的定量匹配。这种自适应方法允许研究人员通过调整 rCFD 的参数，来模拟不同循环速率下的氢气逸出，从而提高模型的准确性。

然而，研究者也指出了 rCFD 在某些方面的局限性。由于 CFD 模拟本身存在建模不确定性，这些不确定性会传递到 rCFD 的数据库中，从而影响其预测能力。特别是在模拟钢水在 up-leg snorkel 中的流动时，由于相间性质差异较大（如密度和表面张力），rCFD 可能无法准确再现真实的流动行为。因此，研究者提出了一种改进策略，通过调整 rCFD 的时间步长，以模拟不同循环速率下的氢气逸出，从而提高模型的适应性。

总的来说，这项研究为 RH 工艺的氢气逸出和合金均匀化提供了新的模拟方法。通过 rCFD，研究人员能够在保持高精度的同时，大幅提高计算效率，从而支持实时监控和优化。此外，研究者还探讨了 rCFD 在不同冶金过程中的潜在应用，例如铝脱氧和脱碳过程。这些研究结果表明，rCFD 作为一种高效、数据驱动的模拟方法，具有在工业环境中广泛应用的潜力。未来，研究者计划进一步优化 rCFD 模型，以提高其在多相流模拟中的准确性，并扩展其在其他冶金过程中的应用。同时，他们也希望通过减少工厂测量中的不确定性，提高 rCFD 模拟的预测能力，从而更好地支持 RH 工艺的数字化监控。