高炉铁水含硅量预报自适应数学模型的研制与试验

为了更好地描述高炉生产,鞍钢炼铁厂与北京清华大学合作开发了“铁水含硅量预报自适应数学模型”,试图用自适应原理来跟踪高炉炉温的变化.在9号高炉连续运行后,获得了较高的硅预报命中率.该系统具有操作方便、维护简单等特点,给高炉生产带来降焦、增产、提高质量等好处,如果再增设防尘设备,系统将会更加完善.     

高炉铁水含硅量预报自适应数学模型的研制与试验

本文介绍了应用自适应原理跟踪高炉炉温变化的铁水含硅量预报自适应数学模型。模型由两部分组成,自适应主模型和专家系统子模型。应用该模型的铁水含硅量实时预报计算机系统已在鞍钢9号高炉试运行,效果良好,连续764炉的统计表明,预报命中率达82.3％。     

高炉铁水含硅量和含硫量动力学预报研究

把平行工序调整为顺序工序是网络计划图优化调整的中心问题之一。根据网络的特点，本文引入了准值与最小值的概念，彻底解决了从四个平行工序中选择三个工序组成最佳顺序链的优化方法。     

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。     

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。     

1号高炉降低铁水含硅量探索

叙述了高炉内硅还原机理和降硅途径。1号高炉在降低铁水含硅量方面采取的措施有低焦比操作,大风量和富氧操作,高碱度操作等。还提出了1号高炉今后降低铁水含硅量的设想。     

铁水含硅量传感器的应用

近年来,为了适应钢材高级化的要求,开发了以炉外脱磷为中心的新的炼钢方法,并对其关键之一的高炉炉前铁水脱硅处理予以了注意。在炉前脱硅过程中,为了使下步工序脱磷处理能够顺利进行,要求把脱硅后的铁水含硅量控制在容许范围内,最近为了使脱磷费用最佳化,脱磷前铁水的含硅量正在接近适当范围。为了使脱硅处理后硅含量达到适当数值,有必要测定铁水含硅量,并控制脱硅剂的投入量。可是,采用以往的发光分析法,从取样到判明要耽搁30～40min 左右,不能适用于控制。其次,饮水含硅量是高炉炉况的重要指标之一,从硅成分的控制和炉况管理两方面考虑,都希望能实现铁水含硅量迅速测定。日本钢管公司福山钢铁厂根据千叶工业大学雀部实教授的方案,与大阪氧气工业公司共同开发了应用氧传感器双层电解质型的铁水含硅量传感器,并在该厂2号高炉顺利使用。     

安钢1号高炉降低铁水含硅生产实践

介绍了安钢1号高炉近几年通过提高入炉品位、采用高风温和富氧喷煤技术、保持适宜炉渣碱度．优化高炉操作等措施，使铁水含硅量从0．74％下降到0．50％的实践经验，增产节焦效果显著。     

模糊贝叶斯网络应用于预测高炉铁水含硅量变化趋势

贝叶斯网络在高炉铁水含硅量预测中已取得较好效果.本文的进一步改进是利用模糊逻辑方法能很好地将数据分成离散模糊集的优势,对模型参数进行有效的模糊分类,以此作为贝叶斯网络的输入,进行混合建模.对山东莱钢1号高炉智能控制专家系统在线采集数据进行计算证明,对一般高炉混合模型可提高预测命中率到90%.     

炼钢铁水硅含量的确定

铁水中的硅在转炉里氧化，产生大量的热，但大部分热量被石灰所吸收，只有小部分的热用于加热金属。随着铁水预处理和炉外精炼技术的发展，转炉吹炼操作的重点是脱磷。脱磷量与渣量有对应关系。根据脱磷量计算出所需的渣量，结合石灰条件，计算出铁水所需的含硅量。     

济钢3^#1 750m^3高炉降低生铁含硅标准偏差实践

济钢3^#1 750m^3高炉通过改善原燃料质量,调整煤气流分布,控制合适理论燃烧温度和调节炉渣成分等措施,生铁含硅由0．607％降低到0．48％,生铁含硅标准偏差由0．229％降低到0．11％,产量、质量、消耗等各项指标都得到明显的改善。     

首钢京唐1号高炉铁水含硫高的分析

从原燃料质量、炉渣成分、炉缸状态、炉况稳定性等方面,对首钢京唐1号高炉铁水含硫高进行了分析,原 燃料质量恶化是铁水含硫高的重要原因,渣铁温度偏低、炉缸活性较差、炉况波动是铁水含硫高的主要原因,在改 善原燃料质量的基础上,优化造渣制度,活跃炉缸,稳定煤气流,可降低铁水含硫。     

铁水含硅量预报神经网络模型

针对我国高炉的检测水平,采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型。该模型具有良好的适应性和自学习功能。     

转炉炼钢用铁水的硅含量分析

转炉炼钢用铁水硅含量过高会影响脱磷率,增加脱磷剂及造渣剂的用量,因硅含量还起着调整炉渣碱度的作用,因此,铁水中的硅含量既不能过高也不能过低,通过计算脱磷量与渣量的关系,确定了入炉铁水含硅量的合理值,为铁水脱硅提供了理论依据,为转炉炼钢提供优质铁水。     

转炉炼钢用铁水的硅质量分数分析

转炉炼钢用铁水硅质量分数过高会影响脱磷率,增加脱磷剂及造渣剂的用量,同时硅质量分数还起着调整炉渣碱度的作用,因此,铁水中的硅质量分数既不能过高也不能过低。通过计算脱磷量与渣量的关系,确定了人炉铁水硅质量分数的合理值,为铁水脱硅提供了理论依据,为转炉炼钢提供优质铁水。     

高炉铁水硅含量的神经网络时间序列预报

利用ＢＰ网络实现了高炉铁水硅含量的时间序列预报，并以高炉铁水硅含量的历史数据对下一炉铁水的硅含量进行离线预报。结果表明，本模型具有较好的预报效果。     

Chaotic Identification and Prediction of Silicon Content in Hot Metal

For smooth operation of blast furnace,predic-ting and controlling silicon content in hot metal asone of the most i mportant indices to represent thethermal state of the blast furnace is regarded as oneof the most i mportant measures[1].In past years,effor…     

高炉铁水保温技术研究

高炉铁水在出铁，运铁，待兑等过程中，温降一般可达９０￣１１０℃，严重影响转炉多吃废钢，浪费能源。分析了铁水温降的几方面原因，并对此提出铁水保温的几项技术措施。     

Fuzzy Prediction of Silicon Content for BF Hot Metal

Therearemanyfactorsinfluencingthequality ofhotmetalinBFprocess.Themostimportant threefactorsarehotmetaltemperature,hotmetal siliconcontentandslagbasicity[1].Siliconcontentis animportantfactorreflectingthestateofthelower partofblastfurnaceforblastfurnaceop…