高炉冶炼铁水Si含量预报模型

通过对高炉内硅的行为及走向的研究，得到了铁水中硅含量的理论方程。基于此建立了一种用于铁水的[si]预报的数学模型。该模型具有良好的适应性和可靠性。     

高炉铁水硅含量的神经网络时间序列预报

利用ＢＰ网络实现了高炉铁水硅含量的时间序列预报，并以高炉铁水硅含量的历史数据对下一炉铁水的硅含量进行离线预报。结果表明，本模型具有较好的预报效果。     

高炉冶炼低硅生铁浅议

一、前言低硅生铁冶炼早已推广多年。目前,各国高炉炼钢生铁含硅水平一般在0.4%左右,我国杭州钢铁厂则控制在0.3%以下;而日本水岛4~#高炉已降到0.14%,属超低硅生铁。首钢高炉长期生产实践所建立的生铁日     

梅山3号高炉（1250m^3）铁水硅含量在线预报

通过对影响高炉铁水硅含量的各变量分析和分类,在初步判断炉热发展趋势的基础上预报高炉铁水硅含量.用本模型在线预报梅山三号高炉铁水硅含量,预报结果表明当允许误差为±0.1%时的命中率达到81.67%,在没有炉顶煤气连续分析装置的条件下取得了较好的效果.     

湘钢2^#高炉的降硅冶炼

介绍了湘钢２＾＃高炉在降硅冶炼中所采取的措施与经验，以及取得较好效果的情况，该高炉已逐步由降硅冶炼向低硅冶炼过渡。     

神经网络在梅山高炉铁水硅含量预报中的应用

对高炉铁水硅含量预报的统计模型、神经网络模型和神经网络方法加统计方法的综合模型三种预报模型作了对比 ,结果表明 :用神经网络方法和统计模型综合预报的效果较好 ,离线模型预报结果± 0 .1命中率达到 86 .6 7 ,为高炉铁水硅含量预报引入神经网络方法的实现提供了实例     

谈宝钢1号高炉的低硅生铁冶炼问题

宝钢1号高炉投产后生铁含硅量长期偏高,主要原因是下部炉墙经常出现局部粘结,造成炉况波动.本文着重就如何解决炉腰下部炉(?)温度(?)的波动,从而实现低硅生铁冶炼的问题作了一些分析,并提出改进意见。     

高炉铁水硅含量的神经网络预报

通过神经网络对韶钢8号高炉的部分生产数据进行了铁水[Si]含量的预报,确定了w（Si）的主要影响因素,构建了较好的神经网络结构,并根据预报结果提出了判定炉热变化趋势的符合率的标准。     

高炉低硅冶炼实践

高炉冶炼过程中,降硅是一项重大节能措施,低硅生铁冶炼是生铁冶炼技术的发展方向之一。本文分析了硅的还原机理,提出了高炉冶炼低硅生铁的技术措施,分别从原燃料因素、操作因素等方面进行了详细的介绍和分析。     

冶炼含磷生铁时高炉中硅动态规律性的研究

冶炼含磷生铁时高炉中硅动态规律性的研究Ｂ．Ａ．ＫИＭ等高炉中硅的还原是一个由固态、液态和气态组成的夏合过程的总体，硅的特性机理成了讨论研究的对象。高炉下部不同区段上产生决定生铁中硅含量的几种主要的、相互的化学作用，使得在铁液的滴落带，在铁水穿过焦炭层...     

基于神经网络的高炉铁水硅和硫含量预报模型

采用基于自学习的参考炉次法,建立了反应高炉炉温和铁水质量的预报模型,对炼铁过程铁水硅含量和硫含量进行预报,建立了基于BP神经网络的高炉铁水硅含量和硫含量预报模型。用国内某高炉的生产数据进行模型训练,经预报结果数据验证,想要通过现有直接获取的高炉参数很难准确同时预报铁水硅含量和硫含量,但基本能准确预报铁水硫含量的变化趋势。     

首钢新3号高炉低Si低S生铁高产措施

首钢新３号高炉低Ｓｉ低Ｓ生铁持续高产的措施主要是：提高炉渣三元碱度至１．４５；大料批与多环往复布料；勤调微调炉况。     

基于神经网络的高炉铁水硅含量预报模型的研究

根据RBF神经网络具有收敛速度快和全局优化的特点,建立了RBF网络模型,并将其应用对高炉铁水硅含量预报。监于铁水硅含量与炉缸温度之间的密切相关性,通过铁水硅含量来间接地反映炉内温度变化。采用MATLAB中的Newrbe函数进行函数逼近,对高炉一段连续时期内正常生产的数据的归一化处理后进行训练和仿真,提高了铁水硅含量预报的命中率。高炉冶炼运用先进的RBF人工神经网络预报模型,能预报铁水硅含量的高低,判断炉温走势,实现炉温调控,有利于节能降耗,并可监测多个主要控制对象,为高炉操作提供指导。     

高炉强化冶炼实践

新钢公司现有３座生铁高炉，其中４号高炉公称容量３００ｍ３，６号高炉公称容量６００ｍ３。长期以来，由于进厂原燃料质量不高，内部管理不严，影响了烧结矿和焦炭质量以及炼铁生产水平，技术经济指标与全国同类型高炉相比差距较大。为了挖掘潜力，提高产量，自１９９８...