排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
随着工业互联网平台技术的不断提升,高炉炼铁领域的数字化和智能化升级势在必行。为了解决高炉炼铁信息自动化体系在数据采集、存储、分析及应用等方面存在的问题,迫切需要构建高炉炼铁工业互联网平台。论述了工业互联网平台的发展现状,针对高炉炼铁领域的数据分析挖掘需求,搭建高炉炼铁工业互联网平台。阐述了平台整体架构中边缘层、基础设施层、平台层和应用层的结构逻辑,通过工业互联网技术实现数据传输、存储、处理、调度、业务建模、数据交互分析、智能应用等多项功能。探讨了基于平台以解决生产实际痛点为出发点的智能应用的建立过程。高炉炼铁工业互联网平台的建立对炼铁工业的转型升级具有重要的现实意义。 相似文献
2.
3.
现阶段,国内高炉的自动化程度已基本覆盖正常生产需求,对于高炉炉缸部位的监测手段大多采用热电偶温度监测技术实现,而由于高炉生产工艺的复杂性和生产环境的恶劣性,高炉炉缸内部直接监测手段几乎无法实现,因此采用智能模型对炉缸侵蚀状态进行监测成为高炉炼铁发展的新趋势。简述了高炉炉缸砌筑的结构,结合高炉生产特点确定炉缸区域的传热模型及求解条件。利用正交试验法实现高炉炉缸不同侵蚀状态的划分和组合,得到共59组炉缸侵蚀形状样本且边界形貌基本覆盖训练全域。将1 150℃等温线作为炉缸侵蚀线,利用有限元算法完成不同炉缸侵蚀状态下温度场的可视化并构建炉缸侵蚀样本数据库实现炉缸炉底侵蚀样本的采集。通过深度神经网络模型建立热电偶数据和炉缸侵蚀边界的对应关系,拟合优度R2达到0.802,相较于随机森林算法、BP神经网络算法、单独线性回归组合算法拟合优度分别提高56.64%、26.50%和84.37%,达到指导生产的精度要求。对比利用停炉前实际数据监测侵蚀形貌结果和停炉后的实际侵蚀状态,得出侵蚀监测结果符合实际炉缸侵蚀状态形貌的结论,验证了炉缸侵蚀状态监测模型的可靠性。利用高炉炼铁工业互联网平... 相似文献
4.
摘要:针对高炉炼铁过程中的数据离群问题,首先根据数据的不同特点对数据类型进行划分,选定针对性数据离群筛选办法,利用河北某钢铁企业的数据样本结合数据的实际状况进行分析,采用全局结合局部多层次的改进型箱线图离群筛选办法,对时序类数据进行筛选;采用以差值、目标参数强关联性数据为条件对K means算法进行优化,对关联性数据的离群值进行筛选;针对周期性统计类数据的分布聚集性特点结合数据实际情况,基于K means算法采用差异化、多层次数据聚类分析,对其进行离群筛选。结果表明:采用的针对性办法对数据的离群筛选效果较为理想,充分验证了方法的可行性。 相似文献
5.
6.
1