烧结矿FeO含量预报系统开发与应用

针对FeO含量控制复杂与难度大的实际情况,开发了神经网路预报系统.采用改进后的4层前向神经网络,进行多因素输入建模,输出采用主因线性相关与次因非线性相关叠加,预报现场烧结矿FeO含量.网络结构设计精度高、泛化能力强.训练方差为0.01508846,用训练样本集测试FeO含量输出,检验的绝对平均误差为0.135 665,命中率为97.78%.采用训练后网络预报,绝对平均误差为0.189 226,命中率为91.14%.     

基于改进BP神经网络的烧结矿FeO含量预测

影响烧结矿FeO含量的因素较多且FeO含量与各因素间呈现非线性关系,预测难度较大。针对烧结矿FeO含量难以直接预测的问题,提出一种Dropout算法与Adam算法和四层BP神经网络相融合的烧结矿FeO含量预测模型。为提高烧结矿FeO含量的预测准确率,结合烧结工艺,选取与烧结矿FeO含量强相关性的烧结机尾断面热成像关键帧的温度特征作为模型的参数输入。利用Dropout算法改善四层BP神经网络结构,Adam算法优化四层BP神经网络的训练过程,进而提高模型的预测精度和泛化能力。试验表明,改进的模型预测烧结矿FeO含量误差值在±0.5、±0.8和±1.0时,命中率分别达到77.42%、88.71%和96.77%。与三层BP神经网络预测模型和支持向量机回归(support vector regression, SVR)模型相比,该模型的误差更小,同时预测精度也得到显著提升。     

一种在线检测烧结矿FeO含量装置的研究

针对国内现有的烧结矿ＦｅＯ含量检测装置存在的问题，提出了一种新型的烧结矿ＦｅＯ含量智能检测装置的设计方法，并开发了该装置。     

烧结矿FeO含量智能检测仪的开发

检测仪应用图像处理与神经网络技术,依照烧结看火工对烧结矿ＦｅＯ含量的判断方法,用ＣＣＤ摄像机采集烧结机尾断面图像,对所采集的图像进行实时处理,最后给出相应的ＦｅＯ含量等级。     

二烧烧结矿FeO适宜含量的研究

本文介绍了二烧烧结矿FeO适宜含量的试验室试验和工业试验结果。烧结矿的FeO平均含量由试验前的7.4％提高到8.4％以后,产量、质量明显提高;高炉冶炼也获得稳产、高产的良好效果。在目前的条件下,二烧烧结矿的FeO含量以8％左右为宜。     

降低烧结矿FeO含量 改善烧结矿冶金性能

本文对影响FeO含量升高的因素进行分析后,对烧结矿碱度的标准进行修订;大力推行低温烧结新技术,并对烧结原料进行合理搭配使用;确保燃料粒度满足烧结生产;以及举办职工培训班,提高职工节能降耗意识。通过半年多的努力,FeO含量有了比较明显的下降。     

面向智能烧结的机尾断面烧结矿FeO预测研究

针对烧结工艺FeO预测准度问题,提出一种基于机器学习的预测模型。通过对机尾断面温度数据的采集和处理,建立包含多个特征的数据集。采用基于MIV(平均影响值)的特征选择方法,筛选出对预测模型权重占比较高的特征。使用Bi-LSTM(双向长短时记忆神经网络)算法对生产工艺数据进行训练和测试,得到高精度的预测模型。通过实验验证了该模型的预测效果,并与其他神经网络模型方法进行了比较,比较结果表明该模型具有较高的预测精度和实用性。在企业误差允许的范围内,准确率达90.2%,因此可以为智能烧结技术的应用和烧结质量的控制和优化提供重要的参考。     

钒钛烧结矿适宜FeO含量的研究

通过实验室试验研究，分析讨论了ＦｅＯ含量对攀钢钒钛烧结矿产、质量的影响并提出了ＦｅＯ含量的适宜值。     

唐钢烧结矿适宜FeO含量试验

在实验室条件下,研究了烧结矿中FeO含量与固体燃料配比之间的关系,分析了FeO含量对烧结矿机械强度、粒度组成、低温还原粉化性能、还原性能、熔滴性能的影响,认为在唐钢目前原料条件下适宜的烧结矿中FeO含量应控制在7.9%～9.2%。     

鞍钢烧结矿适宜FeO含量的研究

在实验室条件下，研究了烧结工艺参数与烧结矿FeO含量的定量关系及烧结矿FeO含量对烧结矿冶金性能的影响。结果表明，从FeO含量对烧结矿产量和质量指标的影响看，烧结矿FeO含量在8．08％-9．70％范围内较适宜；从FeO含量对冶金性能指标的影响看，烧结矿FeO含量在7．18％～8．08％范围内较适宜。综合分析结果，鞍钢烧结矿FeO含量应控制在8．00％左右较适宜。     

烧结矿FeO含量的波动

烧结生产过程中，由于多种因素的存在，极易生成过量的FeO。FeO是确保烧结矿产质量的必备成分，但它在烧结过程中多以柱状结晶体的形式存在，不易被还原，使烧结矿还原性变差，因此是众多烧结工作者一直努力控制的难点。长期以来，杭钢炼钢厂烧结矿FeO含量在9％～10％之间，远高于国内同行的7％--8％的水平，对高炉影响较大。根据烧结生产实践中出现的情况，简单分析在烧结操作过程中引起烧结矿FeO含量波动的几点因素。     

浅析烧结矿中FeO的控制

分析了影响烧结矿中FeO含量的因素,提出了减少FeO含量波动的措施.     

包钢烧结矿适宜FeO含量的研究

本文通过了对不同含F量烧结矿的变碳系列试验,研究了FeO对包钢烧结矿生产指标和冶金性能的影响。并研究了含F高碱度烧结矿的矿相特点,从理论上说明了包钢烧结矿固体燃耗和FeO较高的原因。     

烧结矿中FeO含量的影响因素分析

讨论了FeO含量对烧结矿冷强度和烧结矿低温还原粉化率RDI＋3.15的影响。降低烧结矿中的FeO含量有利于提高烧结矿还原性,但是过低的FeO含量会降低RDI＋3.15。研究发现,降低料层厚度和混合料水分、提高配碳量和焦粉粒度均能提高烧结矿中FeO含量;另外,降低R、提高SiO2含量也可以提高FeO含量。     

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。     

基于人工神经网络的烧结矿FeO预报系统

针对现场烧结矿FeO控制复杂与难度大的实际。采用改进后的4层前向神经网络。进行多因素输入建模,输出采用主因线性相关与次因非线性相关叠加。预报烧结矿FeO。为现场烧结矿FeO控制提供了新的可行方法。该网络结构设计先进合理,精度高,泛化能力强。训练误差平方和为0．0794,用训练样本集测试FeO输出。检验的绝对平均误差为0．109467,命中率97．81％。采用训练后网络预报。其绝对平均误差为0．1068255,命中率100％。