共查询到20条相似文献,搜索用时 15 毫秒
1.
关于烧结矿中FeO的几个问题 总被引:1,自引:0,他引:1
试验和生产证明,烧结矿中FeO对烧结矿冶金性能有重要影响,进而直接影响到烧结生产和高炉冶炼的各项技术经济指标,因此,历来为广大烧结、炼铁工作者所重视。本文着重讨论烧结矿中FeO对烧结矿冶金性能的影响,影响烧结矿中FeO含量的因素,及烧结矿中FeO对烧结工艺的指导作用等问题。 相似文献
2.
提高高炉生产率的巨大潜力在于烧结矿质量的提高。烧结矿质量最重要的一个指标是氧化亚铁(FeO)的含量。如何在带式烧结机上对烧结矿中FeO含量实现连续检测,并随之建立自动调节系统,是生产优质烧结矿急待解决的课题。顿涅茨综合技术学院炼铁教研室和科木纳尔冶金工厂烧结车间的研究人员,为寻求 相似文献
3.
铁矿石烧结综合模拟模型的研究与应用 总被引:2,自引:0,他引:2
建立了铁矿石烧结综合模拟模型用以评价各种控制因素对烧结矿质量影响并介绍了它在烧结工业生产上的应用情况。该模型包括透气性、热分布、熔化、孔隙、矿物及质量6个子模型。利用矿石质量、烧结设备特性和操作条件的信息作为输入数据,该模型就可以预报烧结过程中的烧结矿质量、能耗、产率和其它操作性能。通过烧结杯试验和工业试验证实了预报值与观察值非常吻合。该模型被引进鹿岛烧结厂作为操作指导系统。由于模型的应用使烧结矿质量波动下降约20%,烧结总能源成本减少约6%。为在建设新烧结厂之前规划生产能力和烧结矿质量时提供了进行经济研究的可能性。从高炉的需要出发,根据烧结矿产量和质量的技术条件,应用本模型在新的烧结原料进行生产估计,可获得最佳操作条件。 相似文献
4.
针对随着炼铁产能的提高烧结生产能力不足的现状,通过采取增加球团矿和块矿用量、提高烧结矿碱度、改善烧结矿性能等措施,促进高炉炉料结构进一步优化,为高炉提供优质原料,满足炼铁生产。 相似文献
5.
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。 相似文献
6.
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。 相似文献
7.
作为我国高炉炼铁的主要含铁原料,烧结矿的质量对于高炉炼铁生产"高效率、高效益、低耗、节能减排、长寿"具有重要的意义。针对近年来我国铁矿粉烧结工艺受铁矿资源短缺及品质劣化、节能减排、市场环境等不利因素制约,以高炉炼铁的任务为出发点,充分解读了高炉炼铁的"精料方针",提出了以铁矿粉烧结工艺理论为基础,以烧结原料结构和工艺参数优化、改善烧结矿质量为目标的铁矿粉烧结发展的思路及措施。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
11.
12.
13.
作为炼铁的主要原料烧结矿,其质量的好坏对炼铁过程中高炉顺行,起着很重要的作用,二次世界大战以后,日本炼铁界在烧结方面做了很大努力,从改善烧结矿质量出发进行了一系列的试验,并在烧结机上安装控制系统,冷却排热回收系统等,使烧结作业达到自动化,合理化。 相似文献
14.
15.
16.
17.
18.
高铁低硅烧结的技术关键在于如何在SiO1含量降低、烧结过程液相量减少的条件下使烧结矿获得较高的物理强度,保持良好的综合质量,满足高炉实现更高水平强化冶炼的需求,本文通过不同配碳量的系列烧结杯试验,摸索出不同烧结矿FeO含量情况下,烧结矿质量的变化规律,提出三烧高铁低硅烧结适宜的FeO含量控制范围。 相似文献
19.