烧结机生产状态在线监测与工艺参数区间预报系统的设计与应用

利用VC多线程技术、数据库技术和计算机测试技术,对影响烧结生产指标的关键参数进行在线的采集与监测,并与数据库模型实时接口,建立数理统计模型,揭示烧结生产工艺参数与烧结指标的内在联系,找出最优烧结指标下的工艺参数操作区间.     

基于大数据的智能化烧结技术研究进展

烧结是高炉炼铁过程的主要工序之一，利用大数据智能化技术有望解决烧结配矿原料条件复杂、配矿约束失真、配矿模型寻优困难、烧结过程参数预测模型精度低、产线适应性不强、烧结状态质量表征困难等传统难题。目前部分钢铁企业已经建立了包括烧结过程数据的炼铁数据平台，实现了烧结过程数据的采集存储与初步处理；现有配矿模型的约束设置与现场条件吻合度有所提升，通过数据分析与智能算法加快了配矿模型的寻优速度与精度；通过不同方法构建的烧结状态质量关键参数智能预测模型，在测试集上的预测效果良好；烧结过程综合评价与优化也进行了探索并取得了一定成效。基于现有研究进展，对烧结全链条数据治理、机理与数据融合的烧结智能配矿、烧结全产线关键参数自更新预测、数据与经验协同的烧结过程自适应综合评价体系构建与优化等智能化烧结技术的研究与应用方向进行了展望。需要针对烧结数据存在的问题开展模块化治理，消除参数间时滞性并构建参数动态关联规则库；进一步开发机理数据深度融合且适应产线条件的烧结智能配矿模型，并结合高炉使用效果对烧结智能配矿进行深度优化；结合产线自身数据特点与现场操作人员需求，全面选择烧结过程预测目标参数，并根据目标参数的数据频...     

铁矿烧结过程能耗数学模型的研究进展

综述了铁矿烧结过程能耗数学模型的研究动态,重点介绍了烧结过程能耗分析与能源管理,热平衡模型、固耗预测模型、碳效模型和?效率模型等能效评价数学模型,以及烧结工艺参数优化等进展。同时展望了烧结过程能耗数学模型的研究方向,即创新能效评价方法,找出用能薄弱环节,并建立能耗数学模型科学评价烧结过程的能源消耗,在一定的指标参数和状态参数约束条件下最优化调节烧结工艺参数,最终提高烧结过程能效并实现绿色生产。     

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。     

云南建水锰矿烧结工艺试验

针对云南锰矿资源特点，以建水锰矿粉为原料，对锰矿烧结工艺中，混合料水分、燃料量、抽风负压、料层厚度等参数对烧结指标的影响进行了试验研究，确定了建水锰矿烧结适宜的工艺操作参数及相应达到的技术质量指标。     

基于烧结工艺的能耗数据库系统的研究

针对冶金铁前三工艺中的烧结工艺以及烧结环节中的能源消耗,提出了一种基于烧结工艺的能耗数据库架构。通过对关系型数据库的分析,运用关系型数据库对烧结工艺中的能耗数据进行管理;运用分布式实时数据库,对烧结工艺流程中的实时数据进行采集、存储以及对实时事务的处理;结合现今火热的云计算技术,对烧结工艺大数据进行有效存储,便于企业管理者了解烧结工艺中能源流向以及结合工艺流程对能源进行进一步合理分配和参数优化。     

烧结冷却余热发电系统的热力学模型及主蒸汽参数的优化选择

总结了国内外烧结余热发电技术及烧结余热资源的特性,并据此建立了烧结余热发电系统热力学模型,分析了主蒸汽参数与余热发电系统最大发电能力的关系,以及影响系统发电功率的主要因素,得出了最佳的主蒸汽参数.     

基于RFE-DNN的烧结矿性能预警模型

针对某钢厂铁前数据库中烧结物料的预警空值与预警模型不完善问题，提出了一种烧结矿性能预警模型。将传统烧结工艺理论与大数据技术相结合，对原厂烧结生产数据进行预处理并搭建相应的烧结数据仓库，运用RFE(递归特征消除)对生产参数进行特征选择、重要性排序与相关性分析，然后运用DNN算法构建烧结矿化学成分与质量指标的预测模型，预测V₂O₅、CaO/SiO₂、TFe和FeO的R²分别达到0.965 8、0.824 7、0.846 2和0.871 1,预测筛分指数和转鼓指数的R²分别达到0.899和0.875,满足预测精度需求，并将预测结果结合预警区间对烧结矿性能进行预警。     

采用线性规划法的烧结原料配料优化

介绍了烧结工艺配料优化中采用的线性规划法、数学模型的建立及设计方法,同时分析了运用IData技术进行数据库数据、求解设置参数直接与EXCEL连接的方法,建立了多种烧结原料配料数学模型。利用常规数据处理软件中规划求解方法实现了多种烧结原料的选择、最优配比确定。     

铁矿石烧结工艺参数优化模型的设计与应用

在分析配矿方案、工艺参数、产、质量指标三者相互关系的基础上，提出了两种优化烧结工艺参数的数学逻辑模型，即网络输出参数优化模型和网络输入参数优化模型．通过神经网络建模，比较建模结果，网络输入参数优化模型的效果更好．在神经网络模型的基础上结合遗传算法求解网络输入参数优化模型，计算出最佳的工艺参数．模型通过应用，不仅降低了烧结能耗，而且提高了烧结矿的产、质量，验证了模型的有效性和实用性．     

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。     

国内烧结节能技术发展趋势研究

基于中国知网数据库,运用ucinet 6.0和SATI 3.2软件对国内烧结节能技术研究论文的发文量、作者、研究热点等情况进行统计和分析,结果表明:烧结节能技术研究热点主要集中在余热利用、厚料层烧结、抽风系统节能、点火装置优化以及其他技术五个方面;相关研究经历了由单纯的节能降耗向节能与减排并重、由降低工序能耗逐步向余热利用、由单纯的技术分析向模型辅助分析等三个方面的转变。未来烧结过程模拟技术和专家系统将促进烧结节能技术与过程智能化发展,从而实现烧结生产的高产、优质、低耗。     

基于烧结大数据预测小于10 mm烧结矿含量模型

为了给高炉提供合格的烧结矿，提出基于烧结生产线各个环节的大量数据，将XGBoost算法、因子相关分析与深度学习算法相结合的大数据技术对烧结矿小于10 mm粒级含量进行预测。首先，对烧结厂数据库的数据进行搜集、整合和预处理；其次，进行因子分析，筛选出适合建模的14个相关变量并进行变量之间的相关性分析；最后，建立深度神经网络算法模型。通过测试并与传统算法模型进行性能比较，结果表明，模型预测效果很好，达到了精确预测烧结矿小于10 mm粒级含量的目的，对烧结实际生产具有很好的指导意义。     

基于DNN的烧结终点预报及智能调节系统开发

烧结工序作为传统长流程钢铁生产过程中的重要环节之一,其烧结矿产、质量直接影响炼铁生产的效益,而烧结终点作为检测烧结生产状态的重要指标,对其进行准确预报将对生产产生有效的推动作用。设计了基于Python语言的深度神经网络(DNN)预报模型,将训练好的模型应用于烧结终点预报,建立最终模型的均方差损失达到了0.375,精确度高,可满足现场要求。同时,从影响烧结终点的重要参数出发,构建烧结终点模糊控制器调节烧结终点,并构建点火温度智能化调节模型、混合水分优化模型和烧结矿化学成分区间优化控制方式来辅助调节烧结终点。最终使用Python语言完成烧结终点预报及操作指导系统的开发工作,实现了烧结终点的准确预报与烧结终点异常后的全方位、多角度智能化处理,构建了在线监测、终点预报、终点预报模型优化、异常报警、异常处理于一体的智能控制系统,为烧结生产人员实现烧结终点全流程优化提供有利指导。     

利用灰色系统建模预测烧结生产技术指标及其影响因素分析

烧结系统由于影响因素多，过程机理复杂，信息采集不完善，难以用过程状态参数示解系统的输出指标，因此烧结系统是一个灰色系统，本文运用灰色系统的建模方法对系统输出指标下ＴＦｅ，ＣａＯ，ＳｉＯ２，Ｒ，ＩＳＯ指数等建立了ＧＭ（１，１）结果，模型还原值与实际值拟合得很好，模型精度为１级，并用该模型进行了预测，能够用于现场指导生产，对烧结生产的影响因素进行了灰关联分析，由此确定的主要因素与生产实践和经典理论一致     

国内某钢铁企业烧结车间投入产出分析

以国内某钢铁企业烧结车间生产为例,详细对比2017-2019年烧结投入和产出所涉及的数据。结果表明,在国家宏观政策向好的情况下,烧结矿质量的各项指标逐年改善。同时指出,保证所采集数据的准确性和及时性,完善数据库并建立相应的投入产出模型尤为必要。     

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。     

烧结配料优化控制专家系统

烧结配料优化专家系统为协同式专家系统。该系统采用先进的专家关系型数据库，通过神经网络及机器学习等技术对烧结配料进行专家优化控制，特别适合我国烧结行业原料多而杂，成分波动大的特殊配料工况。     

武钢一烧过程优化控制系统的开发

本文介绍了武钢一烧烧结过程优化控制系统的系统结构、数据库管理系统和主要控制模型的工作机制，该系统是我国第一个投入运行的烧结过程完全自动化控制的系统。     

唐钢铁矿石烧结性能研究及烧结工艺优化

通过开展各种矿粉烧结性能研究工作,使烧结工作者对各种矿粉的烧结性能有了更深的认识,在实际生产中,更能把握和正确调整操作参数,缩短确定最佳操作参数的调整时间。另外,通过对烧结所采用的各项技术改进措施,促进了烧结生产向均匀低温方向发展,使烧结矿各项指标有明显的进步,为高炉稳定顺行提供了坚实的物料基础。