高炉平衡点操作方法的研究

在高炉操作中 ,高炉热状态的平衡是非常重要的。通过对高炉下部热状态的分析 ,提出采用理论燃烧温度与炉腹煤气量的积 ( Tf× Vb)作为描述高炉热状态平衡点的观点。采用人工神经网络对高炉下部热状态进行了预报 ,建立了平衡点与各重要参数间的非线性关系 ,并确定了适合高炉高产、低耗和稳定顺行的平衡点的值为1 .2 5℃· m3/ ( m in· t· m3) ,为高炉各操作参数间的替换提供了定量的参考     

人工神经网络预报高炉下部热量水平

应用人工神经网络对高炉下部热量水平与风量、风温、湿度、煤气利用率及负荷的关系进行拟合和预报，并通过训练好的神经网络进行工艺参数离线模拟调整，为炉稳定生产提供一种有效途径。     

基于神经网络的高炉铁水硅和硫含量预报模型

采用基于自学习的参考炉次法,建立了反应高炉炉温和铁水质量的预报模型,对炼铁过程铁水硅含量和硫含量进行预报,建立了基于BP神经网络的高炉铁水硅含量和硫含量预报模型。用国内某高炉的生产数据进行模型训练,经预报结果数据验证,想要通过现有直接获取的高炉参数很难准确同时预报铁水硅含量和硫含量,但基本能准确预报铁水硫含量的变化趋势。     

高炉富氧喷煤预测

用高炉热状态优化和预测模型,对高炉富氧喷煤进行预测表明,富氧鼓风是实现大喷煤量并维持高炉最佳热状态的必要条件。富氧和喷煤二者具有良好的互补性。富氧后不一定需要相应提高风口前理论燃烧温度,不然高炉区域热平衡将遭到破坏,出现下部区域热量过剩和上部区域热量不足问题。     

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。     

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％。     

高炉煤气径向分布模型

本文介绍了高炉煤气径向分布在线预报模型。该模型以高炉炉喉部位的物料平衡和热平衡为基础,利用固定于料面上的料面仪测定炉顶温度和煤气温度分布,并且通过Ｋalman过滤器对煤气流分布进行了测定。以通过跟踪芬兰高炉煤气流分布的瞬间动态分布及其突发性主要变化对该模型进行了验证。     

梅山3号高炉（1250m^3）铁水硅含量在线预报

通过对影响高炉铁水硅含量的各变量分析和分类,在初步判断炉热发展趋势的基础上预报高炉铁水硅含量.用本模型在线预报梅山三号高炉铁水硅含量,预报结果表明当允许误差为±0.1%时的命中率达到81.67%,在没有炉顶煤气连续分析装置的条件下取得了较好的效果.     

鞍钢4号高炉热状态专家系统的开发与应用

鞍钢4号高炉开发的热状态专家系统，以专家知识为基础判断炉热状态及演变趋势，并将自适应模型、非线性模型和神经元网络模型等三个含硅预报模型结合起来，对热状态、变化趋势及铁水含硅量进行综合预报和推断。运行结果表明：专家系统对高炉向凉、向热预报命中率已超过90％，对铁水含硅量预报命中率在84．7％（±0．1％）。     

BP神经网络在高炉铁水硅预报中的应用

随着现代科技的发展和计算机技术的不断提高,高炉自动化操作显得越来越重要。高炉铁水硅预报能很好地反映高炉内热状态和高炉的成分,对高炉运行状态的判断起到至关重要的作用。在总结前人预报模型的基础上,综合考虑了各种影响因素,建立了BP神经网络模型,并结合现场数据进行计算,模拟结果和实际相符。     

高炉冶炼专家系统的开发与应用

近年来人工智能高炉冶炼专家系统发展很快,日本高炉炉况异常判断专家系统命中率已达90%,高炉热状态预报系统命中率达90%以上.本文介绍了这种控制模型的特点和构成,探讨了知识及其构成,表现与评价的方法,以及实际应用的前景.     

KTH高炉模拟和预报数模的开发

开发了自料线至风口的一维静态高炉数模——KTH高炉模拟和预报模型。模型描述了炉内的变化行为,模拟了实际的高炉过程,有助于加深对高炉理论的理解,也可在提高风温、富氧、喷煤、富氧喷煤、改善焦炭质量等情形下预报高炉操作指标和炉况的变化。     

武钢1号高炉冶炼专家系统开发的新进展

武钢等单位开发的高炉专家系统已在武钢1号高炉投入生产运行.该专家系统的主要功能包括:高炉布料控制、炉温预报、高炉操作炉型的管理及控制、高炉炉缸炉底侵蚀的预测模型,以及理论焦比计算模型等.以上模型已在线运行一年多,对改善高炉操作发挥了重要作用.     

炉料金属化率对高炉工艺和操作参数的影响

针对不同金属化率的炉料,采用离散物料平衡和热平衡系统,描述了铁矿在高炉内还原和熔化过程中的传热和传质。该计算模型将高炉在垂直方向分为12层,沿半径方向分成10圈。结果表明,随着炉料金属化率的提高,直接还原所需的热量和热流比减少,导致高炉下部传热强度降低,这可使高炉下部高度增加而上部高度减小。煤气等温线上移,炉顶热损失增加。同时,软熔带上移,区间扩大,布料对高炉操作参数的影响减弱。由于直接还原度的降低,喷吹天然气对焦比的影响减小。当炉料金属化率大于20%时,金属化炉料的使用并不能降低焦比。     

神经网络在梅山高炉铁水硅含量预报中的应用

对高炉铁水硅含量预报的统计模型、神经网络模型和神经网络方法加统计方法的综合模型三种预报模型作了对比 ,结果表明 :用神经网络方法和统计模型综合预报的效果较好 ,离线模型预报结果± 0 .1命中率达到 86 .6 7 ,为高炉铁水硅含量预报引入神经网络方法的实现提供了实例     

基于模糊控制系统的高炉焦比预报研究

运用模糊控制理论的有关知识,建立了高炉焦比的模糊控制预报模型,并用某钢厂的实际生产数据进行仿真实验,取得较好的预报效果,为高炉焦比预报提供了一种新的思路.     

高炉冶炼易水Si含量预报模型

通过对高炉内硅的特为及走向的研究，得到了铁水中硅含量的理论方程。基于此建立了一种用于铁水的［Ｓｉ］预报的数学模型，该模型具有良好的适应性和可靠性。     

高喷煤比操作高炉下部现象分析

高喷煤比操作下，高炉下部现象变化使炉况不稳定。这些变化是由于高矿焦比引起风压增大、软熔带形状变化、下部炉身热损失增加和死料堆的孔隙率变化造成的。取样结果和模拟模型阐明了控制死料堆的孔隙率和渗透性可使高炉操作稳定顺行。     

昆钢六号高炉炉役中后期强化冶炼的操作实践

对6号高炉炉役中后期在强化冶炼与高炉长寿方面的工作进行分析。通过加强原燃料、炉内操作、设备和炉前管理，优化上、下部调剂，采用高风温、富氧喷煤等措施，高炉保持长期稳定顺行，实现了强化冶炼生产，延长了高炉寿命。     

基于图像处理的高炉炉缸死铁层中焦粒信息分析

 高炉铁口水平线下(死铁层区)死料堆的位置、大小、孔隙度、更新速度等直接决定铁水及炉渣在炉缸内的流动方式,同时影响炉缸传热、耐材的侵蚀、铁水及渣的排出速度等。使用图像处理技术对莱钢1 880 m3高炉浸入死铁层中死料柱下部形状、孔隙度、焦粒尺寸、形貌分布等关键信息进行了提取。通过分析计算得到死料柱下部焦层二维孔隙度为56.73%。该区域焦粒平均粒度为15.3 mm,缩减了约70%。通过形貌分析发现炉缸死铁层中焦炭更接近椭球状,该现象说明自炉顶装入后焦炭各方向消耗速度不一致,具有明显的取向性。该高炉内渣铁通过炉缸该区域死料柱焦粒过程中,水平方向与竖直方向冲刷程度较深。有助于对高炉炉缸“黑箱”进行信息解析,进一步加深操作者对于高炉冶炼过程中死料柱下部及炉缸工作状态的认知。