钒钛烧结矿与普通烧结矿低温还原粉化性的对比研究

试验研究分析了钒钛烧结矿与普通烧结矿的低温还原粉化性,结果表明:普通烧结矿在500℃低温还原粉化性最差,粉化指数达83.80%;钒钛烧结矿在700℃时低温还原粉化指数达到最低值41.94%,低温还原粉化性能最差;普通烧结矿低温还原粉化指数是钒钛烧结矿的2倍,钒钛烧结矿低温还原粉化性很差;调整钒钛烧结矿化学成分组成,使Mg O含量提高到5%左右,以及喷洒氯化物稀溶液时都可以改善钒钛烧结矿低温还原粉化性。     

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,以承德地区的钒钛粉为主料,采用烧结杯实验方法,研究了配碳量、碱度、w(MgO)和澳大利亚FMG矿粉配比对钒钛烧结矿低温还原粉化性能的影响,建立了配碳量、碱度、w(MgO)以及FMG矿粉配比与低温还原粉化性能指标间的回归模型。结果表明:w(MgO)、配碳量、澳大利亚FMG矿粉配比每增加0.1%,低温还原粉化指数分别提高3.41%、1.76%、0.078%;碱度每增加0.1,低温还原粉化指数提高1.63%,模型误差为3%。随着配碳量、碱度、w(MgO)以及FMG矿粉配比的增加,低温还原粉化性能改善,模型结果为钒钛矿烧结工艺参数优化提供理论指导。     

攀钢钒钛烧结矿与莱钢普通烧结矿冶金性能对比研究

实验测定了生产中使用的钒钛烧结矿与普通烧结矿的冶金性能,研究结果表明:在还原性能方面,钒钛烧结矿比普通烧结矿低温还原粉化性差;钒钛烧结矿的中温还原性、高温还原性均比普通烧结矿差;在软化熔融性能方面,钒钛烧结矿软化开始的温度较高、软化终了的温度较低、滴落温度略低,压差高,透气性较差。     

钒钛烧结矿矿物组成和显微结构对其低温还原粉化的影响

钒钛烧结矿液相组成复杂,存在生产率低、转鼓强度差、还原粉化严重等现象。针对承钢钒钛烧结矿低温还原粉化率十分严重的问题,从钒钛烧结矿的矿物组成和矿相显微两方面研究其粉化的机理,对抑制粉化提供有利的理论依据。     

BP网络在烧结矿质量预测中的初步应用

烧结矿质量指标包括FeO含量、转鼓强度、还原性、低温还原粉化以及软化和熔滴性能等多方面，寻求烧结矿质量指标分析的新方法和有效途径是极为必要的。本文通过建立烧结矿质量指标预测的神经网络模型，利用实际烧结生产数据对模型进行训练，对烧结矿低温还原粉化性能(RDI)和转鼓强度(TI)进行预测。     

钒钛烧结矿还原粉化过程的矿相分析

低温还原粉化率RDI-3.15是评价烧结矿质量的一项重要指标,它会影响高炉焦比和产量.钒钛烧结矿的RDI-3.15高达60%以上,研究认为钙钛矿是造成RDI-3.15高的主要原因.但是随着钒钛烧结矿中钙钛矿含量的大幅降低,其低温还原粉化性能并未得到有效改善.本研究应用矿相分析法对比分析了普通烧结矿和钒钛烧结矿的微观结构...     

钒钛烧结矿矿相特征及其对RDI的影响机理

为了查明影响钒钛烧结矿低温还原粉化的机理,采用偏光显微镜和X射线衍射仪对承钢烧结矿还原前、后的矿相结构进行系统定量研究,从矿相结构方面入手探究影响钒钛烧结矿低温还原粉化性能的规律。结果表明:还原前,烧结矿具有典型的交织熔蚀结构,钛赤铁矿、铁酸钙分别为主要的金属相和粘结相,骸晶状钛赤铁矿集中出现;经过500℃还原后,其显微结构以粒状为主,钛磁铁矿为主要的金属相,粘结相中铁酸钙明显减少,且气孔和裂纹明显增多。由此可见,钛赤铁矿在向钛磁铁矿转变的过程中,发生了晶体结构转变,引起了体积膨胀;且经过还原后,烧结矿的气孔明显增多,显微结构发生明显变化,其由交织熔蚀结构变为粒状结构,这是引起烧结矿低温还原粉化的原因。     

Al2O3对钒钛磁铁精矿烧结性能的影响

针对四川德胜集团钢铁有限公司使用高配比钒钛磁铁精矿烧结生产的情况,在实验室进行了Al2O3对钒钛烧结矿产质量、低温还原粉化以及烧结矿矿物组成和显微结构的试验研究。研究结果表明:Al2O3含量的提高对烧结矿的产、质量以及低温还原粉化指标产生不利的影响,考虑到烧结原料条件及实际生产的需要,烧结矿中Al2O3含量小于3.2%为宜。     

钒钛铁精矿配比对钒钛烧结矿冶金性能的影响

就提高钒钛铁精矿配比对攀钢钒钛烧结矿冶金性能的影响进行了研究。结果表明:钒钛铁精矿配比从46%提高到52%,钒钛烧结矿的FeO含量升高,低温还原粉化率降低,中温还原度降低,软化开始、压差陡升和滴落温度均升高,最大压差升高。本结果可为钒钛铁精矿烧结合理配矿提供指导。     

化学成分对烧结矿低温还原粉化影响的研究现状

目前,高炉炉料主要以烧结矿为主,但烧结矿在高炉中上部低温还原条件下粉化现象严重,因此有必要对其粉化机理进行深入研究。本文综述了碱度、MgO和Al_2O_3等化学成分对烧结矿低温还原粉化性能的影响。结果发现:同一组分对不同烧结矿还原粉化性能的影响不同。本文对烧结矿低温还原粉化机理有了更全面的认识,可为烧结矿配料改善其粉化性能提供借鉴。     

基于BP神经网络的烧结矿性能预报模型

 为解决烧结矿预报模型中未考虑铁矿粉高温基础特性的情况,在预报模型中添加了反应铁矿粉高温性能的同化反应特征数,即流动性特征数。采用BP神经网络建立烧结矿性能预报模型。选择影响高炉生产的烧结矿指标作为输出,分析影响这些指标的烧结操作制度,铁矿粉的高温、物化特性作为输入;通过BP神经网络建立预测模型,并对BP神经网络的算法进行优化。预报模型采用8-17-4的BP神经网络结构,经过训练后,预测精度达到85%以上,具有很好的准确性和自适应性。     

基于辅料运行特性的烧结矿质量预测模型

 从辅料运行特性的角度对烧结工艺做了总体分析,并对烧结矿的质量指标及其影响因素做了研究,在此基础上运用了一种带动量项和变学习率的BP神经网络算法建立了烧结矿质量预测模型。模型预报结果表明,用拓扑结构为15-20-4的BP神经网络和0000191的网络误差进行训练后,模型的命中率在833%以上,充分展示了基于辅料运行特性的烧结矿质量预测模型的准确性和有效性。     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

承德钒钛磁铁矿低碱度烧结试验研究

通过烧结杯试验研究了承德钒钛磁铁矿的低碱度烧结过程和烧结矿质量,探讨了低碱度钒钛烧结矿替代球团的可行性。结果表明：与高碱度钒钛烧结矿相比,低碱度钒钛烧结矿的成品率高、强度好、低温还原粉化性能好,可以满足高炉冶炼要求。但其垂直烧结速度慢,w（FeO）高。碱度控制在0.8,配碳量控制在3.4%～3.6%,配加20%的澳矿粉可以取得较好效果。     

GA-BP的铁钢界面铁水温度预测

铁钢界面铁水温度对炼钢生产的控制与优化具有重要意义.因此,为了更加准确地获取铁钢界面铁水温度,本文采用较大样本构建了基于遗传算法(GA)优化的BP神经网络铁水温度预测模型.对影响铁钢界面铁水温度的因素分析,选取了出铁时间、预处理时间、重罐时间、空罐时间、出铁铁水温度、预处理后铁水温度、铁水质量7个关键因素作为模型的输入...     

基于LS-SVM的烧结矿碱度预报研究

开发了最小二乘支持向量机(LS-SVM)模型,并用于对烧结矿碱度进行预测.仿真结果证明,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.和BP神经网络算法相比,最小二乘支持向量机算法有很好的应用前景和推广价值.     

基于IPSO-BP神经网络的富氧底吹铜熔炼炉喷枪寿命预测模型

富氧底吹铜熔炼炉喷枪是整个熔炼炉中最重要的部件,并且造价高,易损坏,工作环境恶劣复杂,对其进行准确的寿命预测比较困难。提出了一种基于IPSO-BP神经网络的寿命预测模型,粒子群优化算法解决了BP神经网络容易陷入局部极小值和训练速度慢的问题,优化的粒子群算法优化了惯性权重和学习因子,进一步加快了训练速度和搜索速度,提高了BP神经网络跳出局部极小值的能力。以工作环境中容易对喷枪寿命造成影响的因素作为输入,喷枪寿命作为输出,通过实际生产采集的数据做验证,并与BP神经网络和PSO-BP神经网络预测模型作对比。结果表明,本文构建的寿命预测模型预测效果比BP神经网络和PSO-BP神经网络的预测更加准确,精度更高,该预测模型为富氧底吹铜熔炼的喷枪寿命预测提供了一种方法借鉴。     

基于BP神经网络的边坡稳定性分析

阐述了BP神经网络的基本思想、学习算法的步骤,以构建的学习样本为基础,建立边坡稳定性分析的BP神经网络模型,对学习样本进行归一化和训练,建立输入向量与输出向量的非线性关系,把训练好的网络运用于某露天矿边坡,结果表明：BP神经网训练结果与现场实际情况相符,说明该方法对工程实际有指导意义.     

基于BP神经网络的中厚板层流冷却终冷温度预报

通过分析层流冷却过程中钢板终冷温度的各种影响因素,建立了终冷温度的BP神经网络预报模型,确定了网络的输入、输出量.运用"试凑法"对不同网络结构进行了训练,最终确立了神经网络模型结构,并用所建模型对终冷温度进行预测.结果显示:网络预测值与现场实测值比较逼近,误差基本维持在±7℃,证明所建模型是合适的,可以用于生产现场的指导.