重量法布料在1350m3高炉中的应用

介绍高炉重量法布料在串罐式高炉无料钟炉顶中的应用,使得高炉无料钟布料系统能够稳定、均匀、精确地控制布料流量,显著提高高炉炼铁的冶炼水平.     

Citect7.1在莱钢3200m~3高炉炉顶布料自控系统的研究与应用

介绍了一种下位机采用法国施耐德(Schneider)Quantum系列可编程控制器(PLC);上位机使用Citect 7.1工业控制组态软件组成的高炉炉顶布料SCADA系统。该系统主要应用在高炉炉顶布料自动控制系统中,通过生产实践证明用Ci-tect 7.1所开发的监控系统能使炉顶正常布料,保证高炉顺产、稳产。     

高炉炉顶布料的自学习控制

传统的炉顶料流调节阀开度控制是由生产操作人员凭自身经验进行人工操作,难以达到最为合理的布料效果。采用自学习控制算法使料流调节阀能根据不同的原料特性及炉况条件,自动的、适时的调节布料速度,以达到理想的布料效果。笔者在本钢3、4高炉开发成型,红钢3高炉成功稳定运用,效果良好,程序模型稳定。     

高炉布料设定值优化控制

高炉炼铁是钢铁生产中的重要能耗因素.为了实现生产的节能降耗,布料策略显得极为重要.本文针对某钢铁厂高炉的无料钟布料系统,基于现场采集的数据,建立了以铁水质量和经济效益为变量的指标效益评价函数,给出了最优设定料面的推理机制.针对不同运行环境,建立不同的料面优化设定值,构成多模型集合.当工况环境发生大的变化时,采用切换机制,对比多模型集合,选择最优料面设定值,并在此基础上对布料进行自适应控制,计算布料矩阵,提高布料过程的快速性和准确性.最后对整个高炉动态优化控制系统做了总体分析,基于现场数据,对高炉布料模型进行了仿真和验证.     

基于OpenGL的多雷达虚拟安装系统的设计

针对高炉炼铁生产现场所面临的问题,利用三维可视化技术,建立了一个基于OpenGL的雷达虚拟安装及成像系统.系统依据数据采集卡采集的现场数据,在虚拟系统中直观地显示雷达波束在高炉内部传播的途径,可以模拟调整多个雷达在高炉炉顶的安装位置和角度,并显示出料面高程,生成料面形状趋势图.该虚拟安装系统可以真实地再现工业现场的场景,为使用雷达技术进行高炉料位、液位测量提供了很好的参考手段.     

高炉料面特征提取与聚类分析

布料是高炉上部调节的主要方式,料面形状特征是指导高炉工长做出下一次布料决策的重要依据.本文通过分析高炉雷达实测料面数据,结合专家经验,提出了一种料面特征定义和提取的方法,提取出了能够表征料面形状的6个特征;然后将谱聚类算法引入到料面特征数据的聚类中,建立了料面特征模型库;最后将新的料面特征与模型库数据匹配,为后续高炉布料控制奠定研究基础.在仿真结果中采用真实高炉生产数据,验证了料面特征提取方法的有效性.仿真结果表明谱聚类算法相比传统的K-mean和模糊C均值聚类算法,具有收敛速度快,聚类性能高等特点,能够准确有效地建立料面特征模型库.     

高炉布料溜槽倾动无抱闸电机的精确控制

本文主要介绍了高炉炉顶布料溜槽倾动电机无抱闸控制在自动化控制程序中的研究与应用,实现了通过软件对炉顶布料溜槽倾动电机的精确控制。     

串罐无料钟炉顶的料罐称重差压模糊补偿系统

精确的料罐称量是决定高炉能否平顺运行的重要因素之一,目前已有的称量方法存在着不能持续保证料罐称重值的准确性和稳定性的缺点。该文提出一种串罐无料钟炉顶的料罐称重差压模糊补偿系统,它能提高差压补偿方法的鲁棒性能,改善高炉布料的控制水平。     

高炉多周期装料过程炉喉料面形状混杂控制北大核心CSCD

为了解决高炉多周期装料过程中料面形状变化的问题,设计出一套高炉料面形状控制系统。对于该控制系统,首先,以单容水箱为对象,研究以间歇进水和连续出水为特征的混杂控制问题。然后,在液位位式控制的基础上,将液位混杂系统扩展至用泛函描述的高炉炉料料面形状控制。由于炉料在炉喉径向方向上的实际下降速度存在差异,借鉴非均匀炉料下降模型,并通过仿真实验准确建立出该模型。以多环布料模型、非均匀炉料下降模型和布料矩阵逆计算模型为基础,提出了高炉多周期装料过程中料面形状控制方案,将间歇装料过程与连续下料过程相结合。最终,通过仿真实验实现了料面形状混杂控制,为高炉实际装料过程提供了理论依据。     

高炉料面形状双驱动模型研究

高炉料面形状是指导高炉布料决策的重要依据.本文在已开发的新型雷达检测手段的基础上将雷达检测数据和布料机理进行融合.首先根据牛顿运动规律计算炉料颗粒从料流调节阀至料面的运动过程,然后根据体积约束原则建立料面形状模型,最后通过高斯过程回归模型将机理模型和摆动雷达测量得到的料面信息融合,建立了基于雷达数据和机理模型双驱动的高炉料面形状模型.仿真结果表明,本文提出的数据融合的方法在结合雷达检测数据和机理模型的基础上能够更好的拟合出高炉料面形状,可以为高炉稳定运行,节能减排提供可靠指导.     

无料钟高炉布料模型的研究与应用

针对高炉炉内料面的分布特征．通过分析和考虑无料钟高炉布料的影响因素及其特点，结合数学知识和计算机技术，建立了无料钟高炉布料模型。该模型在某钢铁企业的450m^3小型高炉中得到了实际应用，实现了无料钟高炉布料过程的实时监视，指导操作工对炉料分布进行合理调整，从而提高了料柱的透气性指数．降低了焦比，改善了高炉冶炼状况。这对实时了解高炉炉内料面的分布情况，指导高炉的优化操作具有十分重要的意义。     

基于雷达观测数据的高炉料面多模型控制

炉料在高炉内部的布局直接影响着高炉的运行,好的布料策略能极大地提高生产力,并带来巨大的经济效益.本文利用模糊c均值聚类算法对大量雷达扫描得到的料面数据进行分类,建立多模型料面模型集;设定期望料面,并根据料面模型集中的多种料面,设计多种布料控制策略,求出相应的布料矩阵.每一个布料周期,采用模糊识别的方法把获得的实时料面数据与模型集相匹配,进而采取相应的布料矩阵进行布料,直至达到期望料面.由于雷达扫描数据的存在,形成了反馈机制,使得高炉布料能够实现闭环控制.本控制策略在某钢铁厂2500m3高炉上得到实施,取得很好的控制效果,达到节能降耗的要求.     

宣钢2000m3高炉炉顶控制系统要料、上料的优化设计

宣钢2000m3高炉炉顶控制系统要料方案的重新设计,成功的实践了一种新要料方式,优化了大型高炉的要料系统.单罐赶料提高要料速度方案的设计,对高炉生产起到了立竿见影的作用,并可在其他高炉应用.     

莱钢3#750m3高炉综合自动化系统

莱钢3#750m3高炉综合自动化系统是在吸取1#、2#750m3高炉设计及运行维护经验的基础上,博采国内同类型高炉之所长,综合集成高炉炼铁工艺技术、计算机辅助设计、计算机技术、电气自动化技术、智能仪表技术、人工智能技术、网络通信技术、软件工程学等多个前沿学科而开发的,具有高效、可靠、适用等特点。 1 系统简介 (1) 工艺流程 莱钢3#高炉工艺流程如图1所示。 高炉槽下配料系统槽上备料系统卷扬系统炉顶装料和布料系统热风炉图拉法冲渣重力除尘系统TRT 图1 莱钢3#高炉工艺流程框图 (2) 系统配置 3#高炉综合控制系统控制层采用Quantum…     

ABB IndustrialIT AC800F系统在宣钢大型高炉的生产实践

宣钢共有四座1800M3以上的大型高炉,除4#高炉之外,其它三座高炉的自动控制系统均采用ABB公司的AC800F系统。高炉配置为皮带上料,并罐无料钟炉顶,很大程度上提高了高炉的利用率。本文将对采用AC800F控制系统的高炉自控系统的组成,高炉槽下装配料、无料钟炉顶控制系统进行了系统的阐述,供广大技术人员共同学习和探讨。     

混合型拓扑结构在高炉炉顶监控系统PROFIBUS-DP总线技术中的改造与实现

针对高炉布料装置的炉顶监控系统PROFIBUS-DP总线中编码器网络拓扑结构星型的局限性,提出混合型拓扑结构的改造方法.改造后生产运行结果表明,该方法提高系统的稳定性,有效解决了炉顶上料系统故障频繁的问题.     

红外温度计的应用(续)

五、红外温度计应用实例 1.鼓风炉炉顶测温高炉炼铁的质量与它的成份和温度密切相关。现代鼓风炉都工作在传统热电偶不能胜任的温度压力条件下,其原因是:     

基于WinCC的高炉监控系统

本论文以重庆钢铁集团公司1350m3高炉工程为背景,结合炼铁生产工艺及高炉过程控制的要求,阐述了重钢1350m3高炉过程监控系统的总体设计及组成。主要完成对高炉本体、炉顶和槽下配料过程监控系统的设计。组态软件采用SIEMENS公司WinCC V6.0,设计了系统的监控画面,具备了对现场过程数据监视、历史数据归档、异常信号报警、现场操作功能和生产过程控制功能等。     

液压伺服比例系统在大型高炉布料控制过程中的应用

本文通过对现代化大型高炉精确布料的讨论，揭示了料流调节阀精度控制的重要性，并对大型高炉的料流调节阀控制现状、利用液压伺服比例系统控制料流调节阀的可行性和控制原理进行了详细的阐述，简单介绍了在大型高炉的实际应用的效果。     

基于数据驱动的高炉料面优化决策模型研究

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行.