一个基于神经网络的配矿专家系统

介绍了宝钢配矿专家系统。该系统基于神经网络建立配矿模型,能准确预测烧结矿质量,并能根据对质量要求产生优化的配矿方案,系统的实际应用已产生显著的经济效益。     

烧结优化配矿结构试验研究

通过铁料单烧、优化配矿以及高碱度、高MgO和使用烧结添加剂等一系列烧结杯试验，结果表明：各种原料的烧结性能及合理的配矿结构，对烧结生产具有指导意义。     

烧结矿优化配矿试验研究

针对宏阳钢铁公司现有的原燃料条件,引进南非矿粉,用试验的方法对烧结矿配矿进行了研究.通过对多种配矿方案的比较,找到了各种原燃料的定量搭配关系,为实际烧结生产提供了依据.     

提高澳矿配比,优化烧结配矿方案研究与实践

重庆钢铁股份公司与重庆大学合作,对重钢新区使用的矿石,按照不同配比进行烧结实验研究,以期了解各种矿石的烧结性能,提高进口矿石资源的利用率,得到烧结效果较好的配比,为重钢新区烧结生产提供可行性依据。     

鞍钢烧结优化配矿研究

采用最优试验设计方法,建立了烧结合理配矿的统计模型,对该模型进行单因素分析,可以解析各矿种对烧结矿产量和质量的影响;运用最优化理论在烧结统计性模型上寻优,得出了获得最佳烧结指标值时的各种矿的定量搭配关系。模型较正确地反映了各种矿不同搭配后烧结的规律性。研究得出：将D精矿用于烧结,将A精矿用于球团配矿,可使鞍钢铁矿资源实现合理配置。     

优化配矿试验研究与生产实践

采用最优试验设计方法，建立了烧结合理配矿的统计模型，解析了各矿种对烧结矿产质量的影响，给出了获得最佳烧结指标值时各种矿的定量搭配关系，模型较正确地反映了各种矿按不同比例搭配后烧结的规律性；在鞍钢原料条件下，进行了球团配加A精矿的实验室试验。结果表明。球团车间铁料的最佳配比为：精矿A：精矿D=60：40。实施优化配矿方案后，取得了较为显著的效果，基本实现了鞍钢铁矿资源的合理配置。     

烧结优化配矿生产实践

介绍铁料单烧试验和优化配矿试验成果应用于生产的实践及取得的良好效果，总结了生产中使用南非矿粉、铁屑、生石灰等配料的合理配矿结构及工艺参数。     

铁矿粉烧结优化配矿及其模型研究进展

随着铁矿粉资源的不断消耗,各类铁矿粉呈劣化趋势,且大量新矿种出现,使烧结优化配矿需求愈发迫切.主要介绍了铁矿粉常温和高温等基础特性.其中,常温特性主要有化学成分、铁矿粉种类、粒度组成等,同时重点分析了与烧结生产息息相关的高温特征指标,主要有同化性、液相流动性、黏结性强度、铁酸钙生成特性、连晶特性、熔融特性、吸液性和烧结...     

优化混匀配矿提高烧结矿质量

文章通过混匀矿优化配矿的烧结杯试验,研究优化配矿对烧结矿质量的影响,尤其主要通过分粒度检测优化配矿前后的品位、SiO₂含量、FeO含量、碱度等在烧结矿各粒度的变化波动情况,试验结果表明中硅高铁磁精矿的配加,因其粒度细,在烧结制粒时容易包裹在各粒度粉矿的表面,有效减轻了烧结矿各粒级之间品位和FeO含量的波动,且其SiO₂含量与烧结矿目标值相近,能够减少在烧结矿各粒级之间的SiO₂含量和碱度的波动,从而提高烧结矿的质量和一级品率。     

基于线性规划和神经网络的优化烧结配料系统开发

合理经济地确定烧结配料问题,具有十分重要的意义。本文从技术要求和经济效益两方面综合考虑烧结配矿的最佳经济性问题。根据线性规划法的思路。以生产实践为基础,建立目标函数,确定约束条件,对烧结所用铁矿粉进行优化配料。同时,利用神经网络模型预测烧结矿的性能指标,依据其结果调整线性规划的约束条件,从而得到满足烧结矿质量要求的最佳配矿比。     

铁矿石的价值评价与线性规划优化配料

针对攀钢烧结使用的原料品种越来越多,采用单烧方法计算了处种铁矿石单烧状态下的烧结矿品位、吨度价格,并以此作为评价铁矿石价值及矿石采购的重要依据。文章还利用基于目标规划模型对攀钢烧结原料进行优化配料,其原料成本明显低于经验配料法,具有显著的经济效益。     

采用微型烧结试验快速测定铁矿石的烧结基础特性

济钢采用微型烧结试验设备对各种铁矿石的烧结基础特性进行研究，为烧结厂快速优化配矿和生产优质烧结矿提供了可靠的依据。     

神经网络技术在钢铁工业中的应用

简要介绍了神经网络技术中的三类神经网络模型及其在钢铁工艺中的连铸漏钢预报和电弧炉电极控制两个应用实例。     

安(阳)钢配加印度矿粉的试验及生产

安阳钢铁公司为提高烧结矿品位以满足增铁增效之需求，进行了配加印度矿的烧结试验。结果表明，配加印度矿能使烧结矿品位得到明显提高，且对烧结矿产质量无不良影响。这一结论在生产实践中也得到了证实。     

数据挖掘技术在烧结配矿系统中的应用

针对烧结矿生产配料结构复杂多元,既要保证质量,又要实现效益最优的问题,依托于唐钢不锈钢公司自动控制系统中存储下来的海量历史数据,应用数据挖掘技术中的聚类算法对历史的配矿数据进行聚类分析,最终建立相应的神经网络模型,对新配矿数据按照烧结矿技术指标进行预测,从而指导并调整配矿比例。运行结果表明,该算法简单、结果准确。     

石钢高炉铁水含硅量神经网络预报模型

按照现代控制理论,利用人工神经网络方法,把高炉视为多输入—单输出系统,结合高炉生产实际建立了石钢高炉铁水含硅量神经网络预报模型。通过引入动态步长和惯性项系数提高了网络收敛速度。采用不断更新学习样本集的方法提高了铁水含硅量预报的命中率。结果表明:在允许误差为0.1%时,命中率达到了86.67%,可以为高炉操作提供指导。     

基于模糊推理与神经网络的烧结图像识别

烧结机尾断面图像信息对于在线分析烧结矿质量指标起着十分重要的作用。本文针对烧结机尾断面图像存在较强的干扰噪声及烧结机尾断面图像特点,提出了一种基于模糊推理的自适应滤波方案,并采用双阈值自动分割方法对滤波后的图像进行了分割。在提取图像中有效特征信息的基础上,采用改进的BP神经网络模型结合烧结看火工的经验,建立了对烧结质量进行识别的神经网络分类器,并采用现场的实际图像数据对分类器进行了训练。对现场图像的烧结状况和FeO等级进行了识别。识别结果与烧结专家给出的结果基本一致。     

石钢高炉铁水含硅量神经网络预报模型

本文按照现代控制理论，把高炉视为多输入——单输出系统，利用人工神经网络方法，结合高炉生产实际建立了石钢高炉铁水含硅量BP神经网络模型。通过引入动态步长和“惯性项系数”提高了网络收敛速度。采用“修正式”预报模式提高了铁水含硅量预报的命中率。结果表明：在允许误差为0．1％时，命中率达到了86．67％，可以为高炉操作提供指导。