改善鞍钢烧结矿冶金性能的试验研究

以烧结矿碱度和w(FeO)为出发点,进行了鞍钢烧结矿冶金性能优化试验研究。结果表明:烧结矿碱度增加,低温还原粉化性和还原性得到改善;但碱度过高时,对低温还原粉化和还原性的影响不明显,鞍钢烧结矿适宜碱度为2.05~2.14。w(FeO)提高,烧结矿低温还原粉化性能得到明显改善,但烧结矿还原性变差,综合考虑烧结生产和烧结矿冶金性能,烧结矿适宜w(FeO)应控制在8%左右。     

包钢低硅烧结矿的冶金性能

 在通过红外微型烧结试验，确定温度、碱度、MgO含量及SiO2含量对包钢低硅烧结矿黏结相强度影响强弱顺序以及黏结相强度最优、较好、较差及最差的包钢低硅烧结工艺条件基础上，采用烧结杯对上述4种烧结矿的黏结相强度进行验证，并对其冶金性能进行研究。结果表明，低硅烧结的最佳工艺条件为：SiO2含量(质量分数，下同)4.0%、碱度2.5、MgO含量1.6%、配碳量3.8%。在此工艺条件下获得的包钢低硅烧结矿具有优良的冷态强度(转鼓强度83.1%)，软熔滴落性能(tS为1307.3℃，tD-tS为98℃)优于包钢烧结矿，还原性(RI为83.65%)较好。尽管低温还原粉化性与目前包钢烧结矿相当，但综合评价，包钢低硅烧结矿可以满足高炉炼铁的需求。     

莱钢烧结生产条件下 FeO 含量影响因素的研究

烧结矿中FeO含量是评价烧结生产的一项综合性指标,它反映烧结过程的动态控制状况,它与烧结矿的转鼓强度、低温还原粉化率、还原性的相关性很大,是影响高炉炉况顺行的一个重要参数。近年烧结生产条件与工艺制度发生很大的变化,对影响FeO含量的因素进行实验研究,旨在寻求FeO最佳控制范围,提高烧结矿产质量,降低能耗,改善冶金性能。     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

莱钢烧结生产条件下FeO含量影响因素的研究

烧结矿中氧化亚铁含量是评价烧结生产的一项综合性指标,它反映烧结过程的动态控制状况,它与烧结矿的转鼓强度、低温还原粉化率、还原性的相关性很大,是影响高炉炉况顺行的一个重要参数。近年烧结生产条件与工艺制度发生很大的变化,对影响FeO含量的因素进行实验研究,旨在寻求FeO最佳控制范围,提高烧结矿产质量,降低能耗,改善冶金性能。     

碱度对石钢烧结矿质量的影响

在石钢目前的原料条件下，探索不同烧结矿配比的适宜碱度值。碱度拟定为1.8、2.1、2.4等3个梯度水平，在碱度变化过程中其它参数保持不变。实验结果表明，随碱度的增加，烧结矿软熔性能、烧结矿粒度及烧结矿低温还原粉化指标明显改善。当碱度在2.1时烧结矿综合指标最佳。     

烧结矿FeO含量与冶金性能的关系

在日常生产中,烧结矿的FeO含量是评价烧结矿质量的重要指标之一。FeO对烧结矿冶金性能的影响相当复杂,主要原因是试样中的FeO含量是由多种矿物中的全部二价铁换算而来,不同形态的含铁矿物中FeO所起的作用不一样。本文就武钢生产和试验室条件下得到的碱度1.6左右的烧结矿,进行试验研究,以探讨烧结矿中FeO含量与常温强度,低温粉化性能,还原性能的关系,重点是FeO对低温粉化性能的影响。     

关于烧结矿中FeO的几个问题

试验和生产证明,烧结矿中FeO对烧结矿冶金性能有重要影响,进而直接影响到烧结生产和高炉冶炼的各项技术经济指标,因此,历来为广大烧结、炼铁工作者所重视。本文着重讨论烧结矿中FeO对烧结矿冶金性能的影响,影响烧结矿中FeO含量的因素,及烧结矿中FeO对烧结工艺的指导作用等问题。     

改善钒钛烧结矿冶金性能的研究

用攀钢现场生产的烧结矿为基准样,在实验室模拟攀钢烧结生产条件,进行不同烧结配碳量和碱度的烧结杯实验,并测定转鼓强度、低温还原性及进行物相鉴定。着重研究烧结矿的高温还原性能和熔滴性能,探讨提高钒钛烧结矿质量的途径及全钒钛矿高炉冶炼的合理炉料结构。     

烧结矿中FeO含量的工艺控制措施及分析

从烧结矿强度指标和还原性指标两方面分析烧结矿中FeO含量对烧结矿质量的影响机理,探讨影响烧结矿中FeO含量的因素,包括烧结料层厚度、燃料配比和水分、烧结矿化学成分、焦粉粒度。认为:减少烧结矿FeO含量能增强烧结矿还原性能,但过低的FeO含量易造成烧结还原性能恶化。     

FeO对烧结矿性能及高炉生产影响的研究

通过对烧结矿FeO含量降低1%前后各一个月的烧结矿性能及其应用于高炉生产引起的高炉生产指标变化分析,总结出烧结矿FeO含量降低1%对唐钢烧结生产及高炉生产的影响规律。     

烧结机扩容对烧结矿FeO含量及转鼓强度的影响

在实验室条件下,探讨了烧结机扩容对烧结矿中FeO含量及烧结矿的转鼓强度的影响．试验表明,扩容有利于降低FeO含量,但扩容比例不当时将存在烧结死区．当烧结杯一维扩容15％时,料柱的平均转鼓强度为74．6％,与未扩容时相比,强度有所下降,但仍能满足生产要求．同时考虑到扩容增产的效果,认为扩容15％是有利的。当扩容百分比大于15％,烧结死区进一步扩大,使烧结矿的质量急剧下降,将难以满足高炉生产的要求．     

全精矿低温烧结最佳工艺制度的研究

本文主要介绍三个烧结工艺参数──料层高度、燃料配比、烧结负压对烧结生产率、烧结矿质量、燃料消耗影响的试验研究结果。结果表明：全磁精矿低温烧结可以获得高产、优质、低耗的技术经济指标；低碳高料层操作是实现低温烧结的必要手段；烧结矿中ＰｅＯ含量对其还原性的不利影响较小．并得到了最佳烧结工艺参数。     

Influence of magnesia on sintering characteristics of iron ore

Abstract

The MgO in blast furnace slag provides an optimum condition in terms of both good flowability and desulphurisation. The mode of its addition to the blast furnace changed from, initially, as raw flux in the form of dolomite, to via sinter, with the argument that raw flux demands energy for its decomposition inside the blast furnace. Thus, the decomposition reaction was diverted from the blast furnace to the sintering bed, and the energy source for decomposition was changed from costly blast furnace coke to a relatively cheap coke breeze. Now olivine/dunite/serpentine is being used as a source of MgO, where energy for decomposition is not required; this also provides a source of SiO₂, which eliminates need for the addition of quartzite. The effect of MgO on blast furnace slag is fairly well established, but its effect on sintering and sinter quality is unclear. Operating results of the sinter plants show that, with an increase of MgO, the sintering rate, the fuel rate, and sinter strength and reducibility deteriorate; however, high temperature properties such as the reduction degradation index and the softening-melting characteristics of the sinter improve. The present work attempts to establish this influence on the sintermaking process and sinter quality with the help of operating plant data.     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

承德钒钛磁铁矿低碱度烧结试验研究

通过烧结杯试验研究了承德钒钛磁铁矿的低碱度烧结过程和烧结矿质量,探讨了低碱度钒钛烧结矿替代球团的可行性。结果表明：与高碱度钒钛烧结矿相比,低碱度钒钛烧结矿的成品率高、强度好、低温还原粉化性能好,可以满足高炉冶炼要求。但其垂直烧结速度慢,w（FeO）高。碱度控制在0.8,配碳量控制在3.4%～3.6%,配加20%的澳矿粉可以取得较好效果。