基于变量聚类分析的烧结矿还原性能预测模型

对60组烧结矿还原性能指标(Reduction Index,RI)和化学成分的训练集进行变量聚类，通过最佳子集回归，建立烧结矿RI预测模型并进行异常值检验和误差分析，得出影响烧结矿RI最主要因素是SiO₂、MgO、TiO₂、R、FeO和CaO/TFe。模型R²达到99.88%，相对误差均在3%以下，精确度较高，能够实现烧结矿RI快速精准预测。     

基于聚类特征选择的热轧过程带钢头部厚度预测

厚度是热轧产品关键质量指标之一,带钢头部厚度预测精度直接影响自动厚度控制(AGC)的控制效果,进而影响产品质量和成材率。热轧生产过程复杂多变,大量冗余工艺特征严重影响厚度预测建模效果。为提高预测模型精度,采用层次聚类和互信息相结合的方法进行特征选择,分别基于深度神经网络(DNN)、极端梯度提升(XGBoost)、支持向量机回归(SVR)以及梯度提升决策树(GBDT)建立带钢头部厚度预测模型,通过平均绝对误差(E_MA)、均方误差(E_MS)、最大百分比误差(E_MAP)以及决定系数(R²)对模型的泛化能力进行评估。结果表明,在所建的预测模型中,DNN预测模型具有比其他模型更优的预测精度,测试集数据的E_MA、E_MS、E_MAP和R²分别为0.015 4、0.000 3、0.004 4、0.992 1,并有97.15%的数据预测偏差小于0.03 mm,最大偏差小于0.04 mm。最后采用机器学习模型解释方法SHAP进行特征分...     

马钢380m2烧结机保质增产生产实践

烧结机利用系数是衡量烧结机生产能力的重要指标。在烧结机不扩容的情况下，烧结矿产量的提升主要是通过提高烧结机速和作业率来实现。本文针对马钢现有烧结矿产质量满足不了高炉需求的现状，分别从原料条件、操作制度、设备优化等方面对这些制约因素进行了系统分析。通过以同化性、粘结相强度、液相流动性、铁酸钙生成能力为基本参考优化配矿结构，提高原料中SiO₂含量，提高混匀矿粒度，制定混匀矿换堆操作方法，应用烧结终点控制模型，合理控制烧结风量，优化生石灰下料稳定性，漏风治理等措施，马钢380 m²烧结机在烧结矿质量满足高炉需求的前提下，利用系数达到了1.418 t/(m²·h),较2020年提高了0.149 t/(m²·h)。     

红土镍矿双层配碳烧结性能及烟气污染物排放的变化

为开发利用储量丰富、价格低廉的红土镍矿，本文在不提高总配碳量的条件下，通过改变上下料层混合料中固体燃料的占比，进行红土镍矿双层配碳烧结试验，研究新工艺的烧结性能及其对混合料制粒性能的影响，并分析烧结烟气中污染物的变化规律。结果表明：双层配碳烧结可使上下料层热量分布更均匀，降低下料层的过熔现象，改善制粒效果，增强烧结过程料层透气性，使无烟煤燃烧更加充分，并大幅提高烧结性能；与基准试验相比，两组试验烧结矿的成品率分别提高7.99%和10.40%,转鼓强度分别提高6.77%和5.34%,利用系数分别提高0.29、0.20 t/(m²·h),固体燃料消耗分别降低15.80、22.59 kg/t,烧结矿性能均有大幅度提高；双层配碳烧结有助于减少污染物排放，其中NO_x和SO₂排放量均减少31.14%和61.35%,有利于环境保护。     

烧结机提质增产与减排技术的改造与应用

为了稳定太钢660 m²烧结机的生产,降低烧结系统面临的烧结矿保供压力,从烧结燃料粒度控制、烧结混合料强力混合和烧结烟气超低排放技术研究与改进入手,结合烧结工艺的局部改造,对660 m²烧结机系统展开烧结提质增产与减排技术的攻关研究。结果表明:燃料四辊破碎系统的改造使焦粉粒度向1～3 mm理想区间靠近,烧结矿转鼓强度提高2.11%,烧结固体燃耗降低0.34 kg/t;立式强力混合机可显著促进烧结混合料制粒,烧结料中+3 mm粒级提高至80%以上;改造后的"活性炭法脱硫脱硝+SCR选择性催化还原脱销"烧结烟气净化系统净化能力显著提升,排放尾气中粉尘、SO₂和NO_x的均值分别为3.54、18.87、27.05 mg/m³,达到超低排放标准。     

烧结成矿过程中铁酸钙特征与冶金性能定量关系

烧结成矿过程中铁酸钙质量分数、晶体形态及其结晶粒度等特征对烧结矿质量好坏有重要影响。本文以现场烧结配料结构为基准，使用分析纯进行不同温度梯度微型烧结试验，利用偏光显微镜重点分析了烧结矿成矿过程中铁酸钙生成特征，并分析了其对烧结矿冶金性能的影响规律。结果表明：在1 280～1 400℃升温过程中，烧结矿以斑状结构为主，其中不同形态的铁酸钙质量分数共减少了26.40%,烧结矿RDI_{+3.15 mm}及RI指数分别由74%、72%降低为69.20%、67.57%;在1 250～1 280℃升温过程中和1 400～1 200℃降温过程中，烧结矿以交织熔蚀结构为主，有针柱状铁酸钙大量生成，且针柱状铁酸钙中Al₂O₃/SiO₂较小为0.25,烧结矿RDI_{+3.15 mm}及RI指数呈变好趋势；在1 200℃降温至室温的过程中，烧结矿主要以熔蚀结构为主，是板柱状和他形铁酸钙的形成阶段，尤其在1 200～1 100℃降温段，针状、柱状铁酸钙均占比较高为32.70%,烧结矿RDI_+3.15...     

综合炉料熔滴行为的影响机制与预测模型的构建

利用FactSage软件，模拟计算了综合炉料熔融过程中生成的矿物质各相态组成，得出综合炉料在该温度下的渣铁比，通过绘制综合炉料渣铁含量比与温度的关系图，构建了炉料渣相生成温度、渣相完全熔化温度、渣相温度区间、易熔难熔物交接温度四种新的表征综合炉料的熔滴性能。从热力学角度分析MgO/Al₂O₃、碱度、还原度对综合炉料熔滴性能的影响机理，发现综合炉料MgO/Al₂O₃增加和还原度提高，其综合炉料熔滴性能提高，适当的碱度有利于改善综合炉料的熔滴特性。在此基础上开展了机器学习模型建立，发现基于SVM算法构建的模型能对综合炉料熔滴性能实现较好的预测效果，模型预测渣相生成温度时RMSE为2.38、R²为0.87;预测渣相完全熔化温度时RMSE为2.32、R²为0.97。     

基于RDI>3.15 mm响应面法的烧结原料配矿方案优化

烧结矿在高炉低温还原气氛下容易发生碎裂粉化,会严重影响高炉透气性进而破坏高炉顺行。RDI_{>3.15 mm}(低温还原粉化指数)是反映烧结矿低温还原粉化现象发生程度的重要指标,但其大小受到烧结原料中MgO、Al₂O₃、碱度R等主要因素的影响。为了探究烧结原料成分因素对烧结矿低温还原粉化性能的影响程度及交互作用,提出一种基于RDI_{>3.15 mm}响应面的烧结原料配矿优化方法。首先,以w(MgO)、w(Al₂O₃)、碱度R为自变量,以烧结矿RDI_{>3.15 mm}指数为响应值,建立烧结矿RDI_{>3.15 mm}指数的响应面模型;其次,对试验得到的烧结矿RDI_{>3.15 mm}指数进行拟合,得到烧结矿RDI_{>3.15 mm}指数的预测公式;最后,通过最佳原料配比自制烧结矿并测得其RDI_{>3.15 mm}指数,验证了所提出方法的...     

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。     

基于机器学习的转炉热损失率预测

转炉热损失率是影响物料消耗量预测精度的重要参数之一，利用某钢厂150 t转炉1 900炉次冶炼历史生产数据，在热损失率计算的基础上，采用机器学习算法实现了转炉热损失率的准确预测。预测结果表明，相比于支持向量回归(support vector regression, SVR)和随机森林(random forest, RF)算法，轻量级梯度提升机(light gradient boosting machine, LightGBM)算法的预测精度最高；考虑上炉次的影响，增加上炉次冶炼终点温度变量后，LightGBM算法的决定系数R²由0.89提高到0.93,在±0.005、±0.01范围内，热损失率预测命中率分别由85%、89%提高到90%、93%;另外，通过算法内部参数优化可进一步提高模型预测精度，对于LightGBM算法，决定系数R²和均方根误差E_RMS(root mean square error, RMSE)进一步分别达到了0.94、0.009,在±0.005、±0.01范围内热损失率预测命中率进一步分别提高到91%、...     

低硅低碱度烧结试验与热力学计算分析

低硅低碱度烧结可以提高烧结矿铁品位，但会恶化烧结矿质量。本文以涟钢烧结原料作为研究对象，从理论和烧结杯试验两方面对低硅低碱度烧结的可行性和下限进行研究。研究结果表明，烧结液相的生成量受碱度和SiO₂质量分数的影响很大，且烧结混合料的液相生成量与烧结矿转鼓强度呈线性相关关系；通过优化配矿，改变混合料中黏附粉的质量分数和液相生成能力，可以实现混合料中液相生成总量不变；理论分析和烧结杯试验均表明，低SiO₂质量分数烧结可以实现，但低碱度烧结难以实现，这是由于低碱度烧结会降低黏附粉的液相生成能力；低硅烧结可以实现SiO₂质量分数从5.0%降低至4.6%,提高烧结矿的铁品位0.62%,减少熔剂消耗量8.90 kg/t,低硅烧结产品的显微结构与基准产品一致，冶金性能也与基准产品相当。     

基于硫平衡计算的低硫烧结原料控制标准

首先根据首钢京唐钢铁公司烧结生产数据进行系统的硫平衡计算,分析各种烧结原料对废气中SO₂排放量的影响权重,并在此基础上作合理假设,结合国家标准对于不同烧结机SO₂排放量的统一计量方法,推导出烧结原料硫含量与SO₂排放量判定指标的关系式,建立低硫烧结原料控制标准.首钢京唐钢铁公司烧结生产若要满足500mg·m^-3的SO₂质量浓度限值,需要将混合料中硫的质量分数降至0.032%以下;若要满足 200 mg·m^-3 的SO₂质量浓度限值,需要将混合料硫的质量分数降至0.013%以下,而这在当前的原料条件下是难以实现的.     

烧结矿应用于化学链燃烧的反应特性

本文通过热重实验研究了烧结矿作为载氧体的H₂还原反应特性,将其与通过溶解法制备的Fe₂O₃/Al₂O₃载氧体进行了氧化还原反应性比较,在500~1250℃范围内研究了温度对于烧结矿还原反应过程的影响,在950℃下进行了30次循环反应实验,采用四种模型进行了反应动力学分析.结果表明,烧结矿的H₂还原转化率大于80%,可以完全再氧化,并具有良好的循环反应性能.在500~950℃范围内,随温度升高还原反应速率及最终转化率都显著增加;而当温度高于1100℃时,在反应后期还原反应速率和最终转化率有下降的趋势.在500~950℃范围内,对烧结矿的还原过程第一反应阶段(Fe₂O₃-Fe₃O₄/FeO,还原转化率< 25%)可采用二阶反应模型(M2)拟合,得到表观活化能为E=36.018 kJ·mol^-1,指前因子为A₀=1.053×10^-2 s ^-1;第二反应阶段(Fe₃O₄/FeO-Fe,还原转化率> 25%)采用收缩核模型(M4)拟合,得到的表观活化能为E=51.176 kJ·mol^-1,指前因子为A₀=1.066×10^-2 s ^-1.     

铁矿粉球团烧结试验研究

本文针对传统烧结工艺能耗高、强度差等缺点，开发了铁矿粉球团烧结新工艺。实验室烧结杯试验结果表明：普通铁矿烧结时采用新工艺，其转鼓强度可由61.50%提升至75.12%,成品率由67.29%提升至85.03%,固体能源消耗降低43.6%至44.31 kg/t;而对于红土镍矿烧结，转鼓强度由46.27%提升至58.66%,成品率由64.88%提升至68.16%,利用系数由1.06 t/（m²·h）提升至1.19 t/（m²·h）,固体能源消耗降低22.78%至110.36 kg/t。球团烧结工艺能促进复合铁酸钙的生成，所获得的成品烧结矿FeO质量分数低，还原度高，还原粉化率低，具备优良的还原性能。球团烧结新工艺不但能显著改善烧结矿的产、质量指标，降低固体能耗和CO₂排放，而且该工艺对矿粉类型适应性强，有助于传统烧结生产的提质降耗改造。     

基于BPNN和RNN模型的烧结矿质量预测方法对比及分析

针对钢铁烧结配料工序完成后烧结矿质量难以及时准确判断的问题,提出通过稳定焦炭配比,进而对全铁品位和碱度指标预测实现烧结矿质量控制。依据烧结生产特性,分别建立静态的BP神经网络(BP neural network,简称BPNN)和动态的Elman递归神经网络(recurrent neural network,简称RNN)模型应用于烧结矿质量预测。仿真试验表明,应用工业数据训练建立的静态BPNN预测模型预测精度高于Elman RNN模型。最终,采用BPNN建立的烧结焦炭配比、全铁品位、烧结矿碱度的预测模型预测精度分别达到77.5%、90.0%和82.5%。计算结果对烧结生产具有重要的指导意义。     

220m2烧结机低温还原粉化率研究

烧结矿是高炉冶炼的主要原料之一,烧结矿低温还原粉化性能差则会破坏高炉顺行。本文结合三钢220m²烧结机低温还原粉化试验结果和烧结矿化学成分统计分析,探讨烧结矿RDI+3.15、RDI+6.3与Fe0、碱度、AL₂O₃、SiO₂等的关系。     

基于改进小波-TCN的高炉铁水钒含量预测系统

铁水钒含量作为冶炼钒钛磁铁矿高炉的重要经济指标,对其进行准确预测将对高炉后续提钒增效具有重要生产意义。利用小波-TCN组合时序模型对具有非线性、波动大等特点的高炉铁水钒含量进行预测。首先利用小波变换将原时间序列数据分解成多个噪声段和单个趋势段,然后选用TCN模型对小波变换后的噪声段和趋势段分别进行预测,最后将结果重构得到最终的预测结果。对于选取小波变换层数较复杂的问题,利用赫斯特系数能够表征数据可预测性的特点,提出小波变换后的平均赫斯特系数()用于降低模型建立过程中小波变换层数选取的复杂度,从而改进小波-TCN组合时序模型。结果表明,改进后的预测模型对单一变量预测高效且准确,相对非改进模型运算时间减少150%左右。对于赫斯特系数大于0.5的预测数据,利用改进小波-TCN组合时序模型对铁水钒含量进行预测,预测结果数据的R²达到0.967,均优于LSTM、LSTM with Attention和TCN单一预测模型的预测效果;对铁水硅、硫含量和铁水温度数据进行单变量预测,其R²分别为0.953、0.942和0.933。该预测模型可高效准确地对高炉铁...     

BP网络在烧结矿质量预测中的初步应用

烧结矿质量指标包括FeO含量、转鼓强度、还原性、低温还原粉化以及软化和熔滴性能等多方面，寻求烧结矿质量指标分析的新方法和有效途径是极为必要的。本文通过建立烧结矿质量指标预测的神经网络模型，利用实际烧结生产数据对模型进行训练，对烧结矿低温还原粉化性能(RDI)和转鼓强度(TI)进行预测。     

基于卡尔曼滤波与机器学习的激光诱导击穿光谱钢铁多元素定量分析探究

针对钢铁冶炼过程中微量元素定量分析问题，对钢样中的Mn、P、S和C元素进行离线定量分析，并为熔融状态下钢水成分在线检测进行前期离线预研工作。通过激光诱导击穿光谱(LIBS)技术研究钢铁的光谱特性，提出使用卡尔曼滤波(KF)对光谱进行降噪处理，并将其与偏最小二乘回归(PLSR)、支持向量回归(SVR)、随机森林(RF)机器学习模型结合，建立各元素的定量分析模型，采用K折交叉验证和网格搜索法对模型的结构参数进行调优，在LIBS技术基础上实现钢铁元素的定量分析。结果显示，KF-SVR预测模型对Mn和C元素的预测性能最优，其测试集的决定系数(R²)均高达0.999 9,均方根误差(RMSE)分别为0.020 8%、0.021 3%;KF-PLSR预测模型对P和S元素的预测性能最优，其测试集的R²值分别为0.999 8、0.999 9,RMSE分别为0.006 0%、0.002 8%;结合KF后3种机器学习模型的R²值均高于0.996。研究结果表明，将KF用于LIBS光谱数据的预处理可有效提高光谱的信噪比，改善光谱质量，并将其与机...     

放电等离子烧结制备无粘结相SiCw/WC硬质合金

以碳化硅晶须(SiC whiskers,SiC_w)作为增韧相,通过放电等离子烧结制备了无粘结相SiC_w/WC硬质合金。考察了放电等离子烧结温度及SiC_w添加量对SiC_w/WC硬质合金组织性能的影响。结果表明,采用放电等离子烧结在1800℃下可获得相对密度高于99%的WC烧结体,其维氏硬度和断裂韧性分别达到25.99 GPa和4.99 MPa·m^1/2。添加适量的SiC_w可以改善SiC_w/WC烧结性能和断裂韧性,在SiC_w的质量分数为0.6%时,断裂韧性达到6.80 MPa·m^1/2,当添加过量的SiC_w时,增韧效果减弱。