共查询到20条相似文献,搜索用时 0 毫秒
1.
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。 相似文献
2.
3.
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。. 相似文献
4.
5.
6.
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. 相似文献
7.
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。 相似文献
8.
用BP网络模型对烧结矿质量预测 总被引:3,自引:0,他引:3
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。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
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... 相似文献
13.
基于神经网络的烧结矿化学成分超前预报 总被引:12,自引:2,他引:10
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。 相似文献
14.
工艺因素对烧结矿产质量影响的试验研究 总被引:1,自引:0,他引:1
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。 相似文献
15.
16.
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。 相似文献
17.
18.
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。 相似文献
19.
20.