底吹氩搅拌是保证LF炉升温、脱硫以及合金化功能的一项重要工艺措施,对保证产品的质量具有关键作用。然而由于现场工况复杂、工作条件恶劣等原因,底吹氩气管路很容易产生一些故障,直接影响炼钢流程的生产节奏和钢水质量。及时准确地诊断出故障,及时采取措施,对于提高产品质量、提高经济效益具有重要的意义。本文在对LF炉炼钢过程底吹氩系统分析的基础上,针对底吹氩气系统在炼钢过程中经常出现的透气砖堵塞、钢包底部接口漏气故障,基于流体力学理论建立了LF炉底吹氩气系统故障诊断的机理模型。机理模型描述了透气砖透气面积与主要检测参数之间的数学关系。通过对模型的分析,得出了模型中主要参数的影响因素和确定方法。基于机理模型由于很多参数无法得到或很难准确得到而无法应用于底吹氩气系统的故障诊断。基于数据的神经网络故障诊断方法具有不需要精确的数学模型的特点而被广泛应用。为此本文在机理模型分析的基础上,选择氩气装置入口压力、出口压力,氩气流量以及调节阀开度四个特征量为模型的输入,以描述透气砖透气面积的七种故障状态为模型的输出,建立了基于BP神经网络的底吹氩气系统故障诊断模型,并选择了合适的网络结构及训练方法。基于数据的神经网络故障诊断模型解决了底吹氩气系统故障诊断机理模型无法实施的问题。仿真结果显示基于BP神经网络的故障诊断模型准确率较高,在底吹氩系统中取得了较好的效果。