基于稳定烧结终点的配碳调节技术研究

在建立基于时间序列的烧结终点预报模型、以及采用主成分分析方法确定烧结过程配碳量表征因素的基础上,本文尝试建立了自适应的合理配碳量预报及调节操作指导模型,提前15min给出配碳调节的建议,以期稳定烧结终点。模型现场运行结果显示,其给出的配碳调节建议具有很好的可靠性和准确度。     

烧结终点双边界自动调节模型研究

烧结终点单边界调节法的调解过程存在准确性差、震荡性高等缺陷。文章以某钢铁公司烧结生产过程为研究对象,通过对200组实际烧结机温升数据的统计、对比、归纳,深入研究了烧结机温升曲线形状及曲线斜率分区规律,分析了单边界模型造成调节偏差的本质原因,建立了以燃烧带触底段两端点位置为控制目标的双边界调节模型。通过对大量样本数据的层次分析,获得了前后边界用于自动调节的数学条件,以及调节动力函数关联式。针对前后边界调节在生产中的响应速度,提出了基础调节与应急调节相结合的自动调节策略。研究结果对提高烧结与余热发电两过程的协调性具有一定的指导意义。     

基于改进的AdaBoost.RS算法的烧结终点预报分析

烧结终点的稳定控制是提高烧结机利用效率及烧结矿产量和质量的前提，因此获得准确的烧结终点位置是优化烧结过程的基础。通过分析烧结过程参数对烧结终点位置的影响，提出一种适用于烧结终点预测的集成算法。在AdaBoost.RS算法的基础上，自适应调整松弛变量的阈值，以极限学习机为弱学习器建立烧结终点位置预报集成算法模型。以宝钢烧结面积为495 m2的烧结机为例，利用实际生产数据进行模型检验。结果表明，当绝对误差小于1.6 m时，模型的预报结果命中率为97.4%，均方根误差为0.58，预报值序列与实际目标值序列的相关系数为0.78。对各影响因素定量分析结果表明，影响烧结终点位置的前三因素依次为料层厚度、台车速度与配水量。     

运用神经网络预报烧结终点

针对现场烧结终点控制复杂与难度大的实际,开发了神经网路预报系统。预报系统采用4层前向神经网络,进行多因素输入建模,输出采用具有极值特性的二次曲线计算的烧结终点与实际最高废气温度,预报烧结终点与最高废气温度,为现场终点控制的最新可行方法。网络结构设计先进合理、精度高、泛化能力强,训练方差为0000 018 14,用训练样本集测试输出,烧结终点绝对平均误差为0.04,终点废气温度绝对平均误差为4.57 ℃。采用训练后网络预报,烧结终点（风箱号）绝对误差最大仅为0.09,终点废气温度绝对误差最大为3.57 ℃,命中率100％。用预报结果有针对性调节烧结参数可收到明显效果。     

基于大数据技术的烧结终点优化控制

针对烧结终点优化控制问题,介绍了近年来关于烧结终点位置判断、烧结终点建模控制这两方面所取得的研究成果。基于大数据技术的兴起和国内外关于大数据技术的成功应用,提出了一种基于大数据技术的烧结终点优化控制策略,并给出了具体的实施方案。依据该实施方案,初步完成了烧结原始料层透气性预报模型的构建以及料层透气性核心操作参数最优控制范围的确定,用于指导现场操作人员改善透气性,保证烧结过程在稳定的原始料层透气性情况下运行生产,避免烧结过程后期因烧结终点偏差过大、对台车等操作参数异常调节而引起整个烧结过程发生更大的波动。     

烧结系统智能制造与大数据技术应用探讨

 为了提升烧结工序的智能制造水平,系统总结了近几十年来烧结系统模型的研究进展。针对当前烧结终点预报、烧结矿成分和质量预报以及烧结配料优化模型存在的问题,开展了基于大数据、集成学习和深度学习等技术的烧结系统参数预报与优化研究,并着重介绍了模型在预报精度及泛化能力提升方面取得的成效。基于上述烧结系统参数预报模型,提出了现场应用烧结过程参数预报与优化系统系统的硬件结构设计和软件结构设计方法。最后从钢铁行业需求出发,剖析了先进信息化技术与工业自动化装备深度融合是提升烧结系统智能制造水平的重要途径,并探讨了大数据及人工智能技术在铁前烧结领域的研究方向和应用前景。     

烧结终点位置的模糊控制

运用模糊控制理论研制出烧结终点位置模糊控制模型。提出了前馈－反馈控制方法。反馈控制采用二维参数自校正模糊控制器,前馈控制采用单输入单输出模糊控制器,最终用查表法求出控制参量,用于适时调节烧结机的速度,稳定烧结终点位置,提高烧结矿质量。     

烧结终点控制模型及试验分析

结合马钢300 m2烧结机的控制问题,分析了烧结质量与烧结终点的关系和烧结终点与风箱坐标的位置,提出了前馈-反馈控制方法,研制出适用本设备的烧结终点位置模糊控制模型,用于适时调节烧结机的速度,进行了大量的正常工况和异常工况中欠烧、过烧情形下的试验,证明实施模糊控制后,烧结终点位置精度得到明显改善,总体改善程度约为55%,提高了烧结矿质量.该方法可用于同类型设备的控制中.     

烧结终点的在线预报与模糊控制

根据最小二乘法理论,研制出一种基于废气温度上升点的烧结终点预报策略,利用模糊逻辑技术建立了烧结终点控制模型,对终点实施准确的在线预测预报和优化控制.模型投用后,一般在1、2个控制周期内即可使烧结终点控制在设定范围内,终点波动由7%降到3%,年创效益1 000多万元.     

基于大数据技术的烧结全产线质量智能控制系统

通过部署大数据采集平台,运用高效的分布式信息传输技术,完成海量烧结生产数据的采集和汇总,建立烧结全产线数据仓库;通过融合工艺知识和大数据挖掘技术,提取原料性能、配矿理论、过程工艺参数、产质量指标、生产成本等参数间的潜在规律;以数理统计和机器学习算法为核心,深入研究基于大数据技术的烧结全产线质量智能控制系统;通过决策树和最优化等方法,建立完善的决策体系。基于梯度提升树算法初步建立了烧结终点预报模型,模型预测命中率达99%以上,与以往建立的烧结终点预报模型相比,模型预报命中率和稳定性进一步提升。研究成果将促进烧结生产的创新、自动化和智能化发展,稳定控制烧结矿的产质量指标,降低生产成本,具有广泛的应用价值。     

烧结终点的模糊控制

根据烧结工艺过程的特点，利用最小二乘法理论和模糊逻辑技术相结合的方法来预估控制点位置，提出了一种基于废气温度上升点的烧结终点预报策略。     

基于二维区间自回归模型的烧结终点预测

炼铁烧结生产过程中,烧结终点位置难以确定,建立二维区间自回归模型对烧结终点进行预测。在阐述模型原理的基础上,设计基于运动模式的二维区间自回归预测建模流程,包括构建自回归预测模型得到计算空间的模式类别变量,利用K近邻算法分类得到模式运动空间中的模式类别变量。采用实际烧结终点废气温度数据验证模型,包括采用主成分分析法对多个废气温度时间序列得到进行降维并形成二维数据空间;利用四叉树粒子群优化算法划分废气温度时间序列二维模式运动空间;引入二维区间数来度量模式类别变量;建立二维带输入的区间自回归模型(IARX)实现炼铁烧结终点预测。结果表明,与传统的一维区间自回归模型相比,所建模型预测准确度更高。     

基于废气温度上升点的烧结终点预报系统

探讨了基于烧结废气温度上升点的终点预报策略,开发了烧结终点模糊逻辑控制模型,对终点实施准确的预测预报和在线优化控制。该系统在济钢实施后,使烧结机利用系数提高了0.2 t/（m^2·h）,终点波动由7%降到3%。     

基于热状态参数的烧结终点自适应预报

为解决过程时滞和时变特性给烧结终点控制带来的困难 ,在对烧结过程热状态分析的基础上 ,提出了用废气温度上升点和废气温度曲线面积来提前预报终点的策略 ,用系统辨识的方法建立了时间序列模型。采用自适应技术跟踪系统的时变特性 ,实现了对终点的提前预报。     

浅谈烧结终点控制模型

介绍了通过控制BRP位置间接控制烧结终点的方法。通过计算BRP位置,实时调整烧结机速度和烧结机台车压入率厚度,使烧结终点稳定在系统设定的范围之内,形成了基于专家知识的烧结终点模糊控制系统。该模型被应用后,可根据实际情况调整烧透点的位置,保证了烧结生产正常运行,改善了烧结矿各项技术指标,2009年节约成本2310万元。     

烧结过程气体流动数学模型

为准确判断烧结终点,本文依据Ergun方程建立一个烧结过程气体流动数学模型。根据该模型,对烧结过程的热传递,料层温度分布,反应带的形成、移动和消失以及烧结矿产质量进行了讨论。结果表明,在烧结过程中,反应带是非常重要的,通过控制点火温度,点火负压和生料层的透气性可以使反应带的透气性及其厚度达到最佳值,进而优化整个烧结工艺过程。     

莱钢265m^2烧结机综合自动化控制系统

莱钢在原2台265 m^2烧结机三电一体自动控制的基础上,通过数据处理及误差矫正技术、下料流量恒定控制策略、混合料水分自动控制、烧结透气率的检测及判断等,对基础自动化进行了完善优化,同时,在过程控制中,将图像判断烧结终点与在线模糊控制烧结终点有机结合,形成了烧结终点的过程控制模型,终点控制精确度高,预报性强。系统优化后,每吨烧结矿可节省固体燃料消耗1 kg以上,烧结机利用系数提高10%左右。     

基于机器视觉的烧结终点识别方法研究

烧结生产中,烧结终点的准确识别是控制烧结质量和降低成本的关键所在。因此,当采用基于机器视觉技术判断烧结终点时,烧结图像的阈值分割精度就显得尤为重要。本文针对一般预处理方法很难消除烧结机尾断面图像光晕现象这一缺陷,在图像预处理中增加色彩模型转换环节,从而达到减弱光晕的效果。由于烧结图像红火区和气孔区闽值极为接近,采用一般阈值分割方法很难达到良好的分割效果,因此笔者采用基于粒子对优化的C均值聚类分割的方法进行分割。此方法具有分割速度快、分割效果明显的特点。图像识别中采用改进BP网络对烧结终点进行识别,解决了传统BP算法容易陷入局部极小及学习速率慢的问题。通过实验验证,上述方法对烧结终点的正确识别率可达到93％。     

小样本贫信息条件下高炉冶炼烧结终点组合预测法

由于烧结过程具有不确定性、多变量耦合、时变时滞的特点,并且烧结终点受多种因素的影响,采用传统控制方法难以将烧结终点控制在要求的范围内,提出应用支持向量机优良的时序预测性能,以及贝叶斯理论能够利用样本信息和先验知识来简化预测模型和优化参数的特性,建立了贝叶斯支持向量机烧结终点的预报模型.首先对烧结终点的机理分析,后分别叙述贝叶斯框架理论和LS-SVM算法,并将贝叶斯证据框架应用于最小二乘支持向量机模型参数的自动选择,建立起时间序列的烧结终点非线性预测模型.在贝叶斯推断的第一层,进行模型参数的选择;在贝叶斯推断的第二层,进行模型超参数的选择;在贝叶斯推断的第三层,估计模型核参数,然后利用贝叶斯最小二乘支持向量机算法(LS-SVM)对烧结终点进行预测,并在此基础上构造了烧结终点的贝叶斯最小二乘支持向量机模型.仿真结果和多种模型比较表明,本模型能在小样本贫信息条件下对烧结终点做出比较准确的预测,并具有预测精度高、所需样本少、计算简便等优点,取得了令人满意的结果.     

基于转炉烟气分析的熔池碳含量及温度动态预报

基于烟气分析获得烟气流量及成分,应用碳平衡原理构建的碳积分数学模型可动态预测熔池中的碳含量;对炉气信息延迟性、炉气量、枪位系数和脱碳速率拐点a与b等参数的修正,能够提高熔池碳含量动态预报的精度。在熔池碳含量动态预报的基础上,基于热平衡理论和碳氧反应热力学构建了熔池温度动态预报模型,通过脱碳速率拐点a和b的修正以及分阶段模型的构建,能够提高熔池温度的预报精度。在此基础上采用Visual Basic 6.0和SQL Server 2000数据库构建了熔池碳含量和温度动态预报系统,利用该系统对一定时期的46炉冶炼数据进行了离线运行,结果表明:终点w(C)0.2%时,预报偏差小于0.02%命中率为84.8%,模型终点温度预报偏差小于20℃命中率为84.8%,C-T双命中率达到73.9%,基本满足冶炼对终点命中率的要求。