球团矿表面喷洒CaCl2溶液改善低温还原粉化指数的试验

通过对球团矿冶金性能的简要分析,进行了实验室球团矿表面喷洒CaCl2溶液以改善球团矿低温粉化指数的实验,对生产现场球团矿表面喷洒CaCl2溶液进行了工业试验,球团矿低温还原粉化指数明显提高。     

利用神经网络模型预测球团矿的冷压强度(英文)

建立了一个神经网络模型来预测球团矿的冷压强度,该网络模型采用三层前向BP神经网络,网络结构为12-12-1,12个输入变量分别为给料率、料层高度、焙烧温度、干透点温度、COREX煤气单耗、膨润土的添加量、生球水分、生球碳含量以及成品球的FeO、MgO、Al2O3含量和碱度;隐层含有12个神经元;输出为成品球团冷压强度;神经元激活函数选择双曲正切函数;神经网络学习算法使用的是带惯量项的误差反向传播学习算法(BP学习算法)。选取353组数据来训练和测试神经网络,其中247组数据用于训练网络,其余数据用于测试网络。测试结果表明,该网络的预测结果与实际结果的误差在3%以内,同时通过敏感性分析得出以下结论:①膨润土添加量、生球碳含量以及成品球的FeO、MgO、Al2O3含量和碱度对球团矿的冷压强度有重要影响;②增加膨润土添加量、成品球碱度、MgO含量、焙烧温度、干透点温度、COREX煤气单耗有助于改善球团矿的冷压强度;③增加FeO含量、生球碳含量、Al2O3含量、料层高度、给料率将使球团矿的冷压强度迅速下降;④增加生球水分会降低冷压强度;⑤提高球团矿冷压强度的参数设置(膨润土的添加量:0.86%～0.92%;wFeO<0.5%;生球碳含量:1.00%～1.10%;MgO含量:0.39%～0.44%);⑥在0.3～0.7范围内增加碱度不能显著改善球团矿的冷压强度。     

邯钢90m^2烧结机改善烧结矿低温还原粉化指数的实践

邯钢2台90m^2烧结机为改善烧结矿质量,多次进行烧结矿冶金性能对比实验,工业生产中在烧结矿表面喷洒CaCl2溶液,使烧结矿低温还原粉化指数（RDI）指标改善较大。烧结矿表面喷洒CaCl2溶液后〉6.3mm的比例平均提高43.32%,〉3.15mm的比例平均提高18.88%,〈0.5mm的比例平均降低4.95%。     

改善八钢球团矿低温还原粉化性能的试验研究

研究对八钢高炉用球团矿喷洒工业废液，经试验检测，球团矿低温还原粉化性能可大幅度提高。     

榆钢公司烧结矿低温还原粉化指数影响因素研究

结合烧结配料结构、烧结矿成分、工艺生产操作参数与低温还原粉化指数数据的对比分析,研究影响烧结低温还原粉化指数的影响因素.结果表明:烧结矿SiO2、CaO、FeO、MgO的升高有益于低温还原粉化指数的升高,另外生产过程工艺参数(点火温度、主管温度、主管负压、煤气质量)对烧结低温还原粉化指数也有较大影响.     

镁橄榄石在铁矿球团中的应用试验研究

应用镁橄榄石粉末，并配以膨润土或新型wkd粘结剂，对大冶铁精矿进行了实验室球团试验。试验研究表明：镁橄榄石粉的添加对生球质量的提高可以起到一定程度的促进作用，而且对造球工艺参数不会造成影响；适当提高焙烧温度是保证球团各项指标合格的关键，其中抗压强度、FeO含量等主要与焙烧温度有关，与镁橄榄石配比无明显关系。另外，冶金性能研究也表明：随着镁橄榄石用量的增加，球团还原度有一定提高，低温还原粉化率、膨胀性能和软熔性能显著改善。     

基于BP神经网络钒钛烧结矿低温还原粉化性能预测

为了改善钒钛烧结矿的低温还原粉化性能,将BP神经网络算法应用于钒钛烧结矿低温还原粉化性能预测中,指标数据的样本分为输入样本和输出样本,其中:输入样本为配碳量、碱度、w(Mg O)以及FMG粉配比,输出样本为钒钛烧结矿RDI+3.15,运用BP神经网络算法探索输入样本与输出样本间的关系。结果表明:BP神经网络模型适用于烧结矿还原粉化性能的研究,可以根据输入样本有效的预测输出样本,且平均相对误差为5.7%,满足工程实践中预测精度的要求,为钒钛烧结矿生产提供了指导。     

智能算法在球团制造流程中的应用

智能算法是铁前数据建模与决策分析的重要支持,也是数据与工艺生产及控制的关键桥梁。为了探索不同智能算法在球团厂的适应场景,按照球团矿的生球粒径识别智能算法、球团矿制备智能控制技术、球团矿质量预测智能算法3个方向展开研究,重点比较不同方向算法的优劣,同时还对如何改善工厂数据的时滞性、冗余性等问题进行归纳总结。期望能结合智能算法,对选择球团矿原料配比、改进造球工艺、提高球团矿冶金性能以及更好地控制焙烧设备提供思路,也为后续的研究提供参考。     

不同碱度与配矿结构对球团矿性能的影响

根据攀钢资源状况,进行了烧结矿部分碱度向球团矿转移,采用不同配矿结构与提高球团碱度的试验研究.球团碱度为0.4,0.6,0.8,"钒钛精矿+普通精矿"与"全钒钛精矿"两种方案分别做平行试验.试验结果表明钒钛精矿+普通精矿,不用膨润土,用消石灰为添加剂能生产满意的碱性球团.为目前单一酸性球团的生产方式开辟了新途径,而全钒钛矿精矿只适合于添加膨润土生产酸性球团.试验表明碱度为0.4、0.6的碱性球团生球性能可满足焙烧要求,在优化焙烧制度下成品球抗压强度、还原膨胀指数、冶金性能良好,均能满足高炉冶炼需要.生产碱性球团为降低烧结矿碱度,改善炉料结构创造了条件.     

Application of artificial neural network model to predict reduction degradation index of iron oxide pellets

Abstract

The reduction degradation index (RDI) is an important metallurgical property of iron ore pellets used for the production of RDI from shaft furnace or for use in blast furnaces. In order to develop a control strategy, a neural network model has been developed to predict the RDI of pellets from 13 input variables, namely feedrate of green pellets, bed height, burn through temperature, firing temperature, specific corex gas consumption, bentonite, moisture and carbon content in green pellets and Al₂O₃, SiO₂, CaO, MgO and FeO in fired pellets. The RDI of pellets was more sensitive to variation in MgO, CaO, bentonite and green pellet carbon content. The predicted results were in good agreement with the actual data.     

高磷铁矿石含碳球团等温还原动力学

为了研究高磷铁矿石含碳球团等温还原动力学在温度为1 173、1 273、1 323、1 373、1 423和1 473K时,采用界面化学反应模型、Jander方程、Ginstling-Broushtein方程、G Valensi-R E Carter方程等固-固/气反应机理函数对反应过程进行拟合,并采用XRD、SEM、EDX等对样品的物相组成、微观形貌和元素分布进行表征分析。研究结果表明,随着还原程度提高,反应速率由0迅速增至最大值,随后逐渐减小并趋于平缓;当温度为1 173～1 373K时,反应过程符合界面化学反应,表观活化能为70.02kJ/mol,线性相关系数为0.948 1;当温度为1 373～1 473K时,反应过程符合Jander方程,限制步骤为铁离子固相扩散,表观活化能为215.36kJ/mol,线性相关系数为0.991 2。     

Prediction of electrical resistivity of steel using artificial neural network

Electrical resistivity of commercially produced plain carbon manganese steel has been experimentally measured at room temperature (28–30°C) using four-probe method. Resulting data were used to generate both regression based and artificial neural network-based models for prediction of electrical resistivity from the chemical composition of steel. It was found that both models were capable of predicting the resistivity within ±5% error band. Analysis of data also indicated carbon to be the most influential element to increase resistivity followed by manganese and silicon. A comprehensive literature review indicates no such advanced resistivity prediction model is available in the public literature for commercially produced steel with wide variation in carbon content (0.03?0.85?wt-%), manganese content (0.35–1.50?wt-%) and silicon content (0.015–0.90?wt-%).     

基于人工神经网络的CSP热轧板带力学性能预报

建立了BP神经网络力学性能预报模型.神经网络模型经过训练,得到的预报结果与实际测量的数据相比较表明:BP神经网络预报产品的力学性能精度较高,具有良好的推广价值.     

生产操作参数对球团矿质量的影响(英文)

球团矿质量取决于生产操作参数和原料的理化性能。可以预期,特别是原料性能、混合比例、生产设备参数和焙烧过程中热处理条件的变化将导致成品球团矿特性的改变。在炼铁单元中球团矿质量起着决定性的影响,炼铁单元要提高球团矿质量,需要基本了解工厂操作条件对于球团矿质量的影响。考虑到这一点,对1号球团厂数据进行了分析。从数据分析中发现球团矿质量主要受原料氧化铝含量、生球碳和水分含量、成品球团矿FeO含量、烧透温度和焙烧机给料速率及料层高度的影响。     

白云鄂博铁球团矿异常还原膨胀的机理

通过对比白云鄂博铁矿、精矿及还原前后球团矿的显微结构,对白云鄂博球团矿异常还原膨胀的机理进行研究。研究结果表明,球团矿气孔中挥发分的爆发扩大了基体裂块间的孔隙,加快了还原气体的扩散,增加了反应面积,使还原速度加快,从而导致了球团矿恶性膨胀。白云鄂博球团矿的“挥发分膨胀理论”是一种全新的理论,对抑制白云鄂博球团矿的恶性膨胀具有重要指导意义。     

高铝铁矿焙烧球团非等温还原研究

采用CO、H_2对高铝铁矿焙烧球团在高温同步热分析仪(NETZSCH STA 409C/CD)中进行非等温还原.结果表明:焙烧球团经CO还原后,随着设定温度由1 273 K升高到1 473 K,最终还原度由32.21%仅增加到46.78%;而经H_2还原后,随着设定温度由1 273 K升高到1 573 K,最终还原度由81.93%增加到100%.在纯氢气还原条件下,高铝铁矿焙烧球团中的铁氧化物是可以被彻底还原的.     

铁矿球团还原膨胀机理及影响因素的研究进展

 铁矿球团在还原过程中通常会伴随体积的膨胀,如果发生异常膨胀或恶性膨胀则会严重妨碍炼铁生产的顺行。开展铁矿球团还原膨胀机理和影响因素研究,有利于制备出低还原膨胀率球团,改善高炉运行状况。从物相转变、铁晶须生长、还原反应速率以及碳沉积等方面归纳了引发铁矿球团还原膨胀的机理。指出了生产工艺制度、熔剂、杂质元素以及还原气氛等因素对球团还原膨胀产生造成的影响,并针对不同影响因素的还原膨胀抑制方法进行了简要评述。     

Non-isothermal reduction characteristics of roasted high alumina iron ore pellets

Non-isothermal reduction of roasted Guangxi high alumina iron ore pellets with CO and H₂ was conducted with high temperature synchronisation thermal analyser (NETZSCH STA 409C/CD) to understand the reduction characteristic of the ore. Chemical analysis, X-ray diffraction examination and scanning electron microscope analysis were adopted to analyse the roasted and reduced pellets. The results show that there are three main phases of Fe₂O₃, Al₂O₃ and Al₃Fe₅O₁₂ in the roasted pellets. During reduction process, the iron bonded in hercynite and fayalite is difficult to be reduced by CO so that the final reduction degree is only 35.62% at the setting temperature of 1573?K. But with H₂ atmosphere, the reduction degree can reach 100% at about 1520?K. It suggests that the ferric ion can completely be reduced to metallic iron by H₂.