基于神经网络的烧结终点预测模型

提出使用BP神经网络算法建立烧结工艺终点预测模型,并使用仿真手段对网络进行验证。BP神经网络预测模型可以在较短的时间内完成训练,预测结果与期望值误差小。仿真结果表明,该方法可以用于解决烧结终点预测问题,对烧结生产过程有良好的指导意义。     

烧结矿质量预测中神经网络的结构优化

利用BP神经网络，建立了烧结矿质量预测模型，预测烧结矿FeO含量和碱度及指标。并采取遗传算法、网络隐含层节点自构性学习等办法优化网络构造。仿真结果表明，模型能取得良好的预测结果。     

提高烧结矿的SiO2／TiO2比及配加辅料的烧结试验

探讨了实验室条件下，在钒钛磁铁精矿烧结混合料中添加少量萤石，重量石，铁锰矿，硼泥产及改变ＳｉＯ２／ＴｉＯ２对烧结过程的烧结矿冶金性能的影响。试验证明，混合料中配入少量萤石，铁锰矿，有明显的增产作用。其中前者还改善了烧结矿的低温还原粉化性能２。．     

烧结矿碱度的灰色神经网络预测模型及仿真

本文提出了用灰色神经网络对烧结矿化学成分进行预测,并在此基础上构造了灰色神经网络模型,该模型有效地融合了灰色理论可弱化数据序列波动性和神经网络特有的适应非线性信息处理的能力,研究结果证明,本模型能在小样本、贫信息的条件下对烧结矿碱度做出比较准确的预测,此种模型具有预测精度高、所需样本少、计算简便等优点,取得了比较满意的结果。和BP神经网络算法相比,灰色神经网络算法有很大的应用前景和推广价值。     

基于辅料资源运行特性的高炉综合焦比参数优化研究

高炉炼铁系统的辅料资源在配合含铁主料资源的转换过程中,加入方式、设备状态、操作参数等决定了不同的高炉综合焦比。本文在对高炉生产工艺中各辅料资源运行特性进行深入研究和分析的基础上,找出影响高炉综合焦比的主要因素,并采用BP神经网络模型拟合综合焦比与主要影响因素间的映射关系。在此基础上以综合焦比最低为目标,以某钢铁公司6#高炉实际生产数据为依据,采用遗传算法对综合焦比的主要影响因素进行参数优化。结果表明,该方法对降低综合焦比科学、有效。     

基于灰色理论的烧结矿质量预测智能优化研究

针对铁矿石烧结过程工艺流程长、影响因素多、机理复杂的特点,提出一种基于灰色理论的烧结矿质量预测智能优化方法,为生产提供准确的烧结矿质量信息.本模型根据灰色理论模型的原理确定出参考序列和比较序列,利用灰色关联分析方法评价参考序列与比较序列的合理性,从而指导实际生产操作.研究结果表明,本模型能在贫信息、小样本的情况下准确预测出烧结矿质量信息,其优点是能在样本数据较少的状态下通过简单的EXCEL程序计算,预测出精度较高、满意度较好的结果.和传统的预测模型相比,灰色关联理论在烧结矿质量预测方面值得大力应用和推广.     

烧结工艺因素控制与烧结矿质量的关系

针对本钢－铁厂烧结生产所存在的问题，利用歪头山磁铁精矿，在试验室扫二元正交设计进行了探索性试验，探讨了本钢－铁厂稳定烧结矿强度，降低烧结矿ＦｅＯ含量的合理工艺及操作制度。     

用BP网络模型对烧结矿质量预测

针对烧结这一的物理、化学反应过程的纯滞后特别大的特点,采用ＢＰ网络对其烧结矿的质量进行预测。仿真结果表明,该学习算法是很有效的。     

钢钢烧结矿质量分析

通过对莱钢烧结矿质量进行分析，探讨了影响烧结矿质量的因素，并提出了改善其质量的措施。     

烧结矿成分对烧结利用系数和烧结矿质量的影响

由粉矿和高品位铁精矿生产的烧结矿是目前高炉炼铁的优选原料。随着高炉炉料中烧结矿比例的增加以及高炉不断的大型化，对烧结矿质量的要求越来越高。尤其需要生产粒度尽可能大和机械强度高的烧结矿。在还原的条件下，烧结矿产生轻微的粉化。很明显，可用许多方法改善质量，但只能在生产成本减少到最低限度的条件下实现质量的改善。     

三烧结厂烧结矿质量的改进

马钢第三烧结厂自1994年投产以来，通过一系列的工艺改进和设备改造，烧结矿质量逐年提高，基本满足了2500m^3高炉冶炼的需求。     

SAIL用高温特性来控制高炉烧结矿质量

ＳＡＩＬ用高温特性来控制高炉烧结矿质量印度］Ｕ．Ｎ．Ｍｉｓｈｒａ等１前言高炉炉料的质量及其在炉内的行为引起全世界的广泛重视。通过适当控制入炉料的质量，主要是烧结矿的质量，可以达到高炉的高产、低燃料比和稳定操作。还原粉化指数（ＲＤＩ）、还原度（ＲＩ）和...     

基于神经网络的烧结矿化学成分超前预报

本文利用前馈神经网络，建立了烧结矿化学成分超前预报的模型；通过对现场实际运行数据分析表明，预报模型具有良了的预报结果和实际应用前景。     

工艺因素对烧结矿产质量影响的试验研究

选择水分、配碳量和碱度这三个重要的烧结工艺因素,采用二次回归交试验设计,通过烧结杯试验、在给出的区域上找出了烧结工艺因素与烧结矿产质量指标之间的回归方程,并根据回归方程进行了工艺因素对烧结矿产质量指标影响规律的分析。     

基于多类别生产状态的烧结矿转鼓指数预测模型

将烧结生产大数据与机器学习算法相结合,提出了一种多类别生产状态下预测烧结矿转鼓指数的研究方法.通过数据采集、整合及预处理操作,共获得特征参数65种.以烧结终点位置(BTP)为基础,采用试验研究及可视化分析等方法将转鼓指数划分为2个类别.基于分类别转鼓指数数据集,使用特征选择算法计算了特征参数的重要排序,确定最佳特征参数...     

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。     

唐钢炼铁厂提高烧结矿质量的实践

介绍了唐钢炼铁厂北区通过不断完善烧结生产的各个环节,采取一系列的强化手段和具体措施,使烧结矿质量明显提高。     

攀钢提高烧结矿质量的措施

1 前言 攀钢高炉熟料率高达90％,提高烧结矿质量是实现高炉精料的重要途径。近几年来,攀钢炼铁工作者围绕如何提高烧结矿质量做了大量工作,并取得了明显效果,有力地促进了高炉生产稳定顺行,高炉利用系数达到1.929,焦比降到了553kg/t。     

提高湘钢烧结矿质量的途径

分析了湘钢烧结的现状及存在的问题，提出了在目前条件下，可采取必要措施，进一步提高烧结矿的质量。