影响济钢400m~2烧结机烧结矿FeO含量的因素分析

讨论了FeO含量对烧结矿冷强度和烧结矿低温还原粉化率RDI+3.15的影响。降低烧结矿中的FeO含量有利于提高烧结矿还原性,但是过低的FeO含量会降低RDI+3.15。本文以济钢400m2烧结机为例,研究了影响烧结矿FeO含量的因素。研究发现,降低料层厚度和混合料水分、提高配碳量和焦粉粒度均能提高烧结矿中FeO含量;另外,降低碱度,提高SiO2含量也可以提高FeO含量。     

鞍钢烧结矿适宜FeO含量的研究

在实验室条件下，研究了烧结工艺参数与烧结矿FeO含量的定量关系及烧结矿FeO含量对烧结矿冶金性能的影响。结果表明，从FeO含量对烧结矿产量和质量指标的影响看，烧结矿FeO含量在8．08％-9．70％范围内较适宜；从FeO含量对冶金性能指标的影响看，烧结矿FeO含量在7．18％～8．08％范围内较适宜。综合分析结果，鞍钢烧结矿FeO含量应控制在8．00％左右较适宜。     

CaO-SiO2-Al2O3-MgO-FeO渣系FeO活度的计算模型

利用熔渣结构共存理论建立了CaO-SiO2-Al2O3-MgO-FeO渣系FeO活度的计算模型,并分析了1400℃时炉渣碱度、MgO和FeO含量对该渣系FeO活度的影响规律。结果表明：当CaO-SiO2-Al2O3-MgO-FeO渣系三元碱度为1.3,Al2O3含量为12wt%,FeO含量为2wt%条件下,随MgO含量的增加,炉渣FeO活度增大;当二元碱度为1.1,Al2O3含量为12wt%,MgO含量为10wt%时,FeO活度随随渣中FeO含量的增加呈线性增加;当渣中Al2O3、MgO和FeO含量分别为12wt%、10wt%和2wt%固定不变时,随着二元碱度的提高,炉渣FeO活度迅速增加。计算得到的上述规律和实测规律一致,说明了本模型用于分析FeO活度的正确性。     

烧结矿中FeO含量的影响因素分析

讨论了FeO含量对烧结矿冷强度和烧结矿低温还原粉化率RDI＋3.15的影响。降低烧结矿中的FeO含量有利于提高烧结矿还原性,但是过低的FeO含量会降低RDI＋3.15。研究发现,降低料层厚度和混合料水分、提高配碳量和焦粉粒度均能提高烧结矿中FeO含量;另外,降低R、提高SiO2含量也可以提高FeO含量。     

影响球团矿FeO含量的因素

宣钢公司为了降低原料成本,采用了新的精粉资源和低价高硫精粉,造成了球团矿FeO含量波动。从入球原料和球团矿粒级角度分析了影响球团矿FeO含量的因素及影响程度。分析结果认为:随球团成品矿粒级变大,球团矿FeO含量升高,建议其粒级控制在10~14 mm;球团成品矿抗压强度一定程度可体现FeO含量水平。当球团矿FeO含量3%~7%,10~16 mm球团矿比例72%~85%,入球混合精粉硫含量0.2%~0.7%,细度67%~80%时,入球混合精粉硫含量对球团矿FeO含量影响比例为1∶2.15,混合精粉细度对球团矿FeO含量的影响比例为1∶0.22。球团生产末期工艺设备对球团矿FeO含量影响较大。     

降低广钢烧结矿中SiO2和FeO含量的探讨

本文探讨了广钢烧结矿中SiO2和FeO的合理含量，阐述了适当降低广钢烧结矿中SiO2和FeO含量后对高炉冶炼和公司经济效益的影响，以及降低广钢烧结矿中SiO2和FeO含量的措施。     

烧结矿FeO含量在线智能检测系统开发与应用

针对烧结矿FeO含量检测周期长,不利于烧结生产实时控制的问题,建立了基于烧结机尾断面图像和深度学习算法的烧结矿FeO含量软测量模型。该模型采用C^#高级程序语言开发了烧结矿FeO含量在线智能检测系统,并成功应用于宝钢湛江1^#烧结生产线。该系统在现场的运行结果表明：在误差区间±0.5%内,烧结矿FeO含量的软测量命中率在90%以上。该系统可以为生产现场的燃料配比实时调控提供参考,对降低烧结矿FeO含量波动和固体燃料消耗具有重要意义。     

原矿中FeO含量对烧结矿的影响

在实验室对原矿FeO与烧结矿中FeO含量之间的关系进行了研究。结果表明,烧结过程中气氛还原性增到某一数值后,磁铁精矿氧化速度变慢,赤铁精矿还原速度加快,因此,在烧结条件下磁铁矿被氧化,赤铁矿被还原,并且氧化和还原程度由基础Fe2O3、Fe3O4含量和气氛决定。本次对6种铁矿的研究中,配碳超过3.2%后,赤铁烧结矿FeO含量低于磁铁烧结矿。在上述试验的基础上,又研究了配矿与烧结矿中FeO含量的关系,结果发现,本试验条件下,随混合料FeO含量升高,宏观烧结气氛评定指数P值总体有向小的趋势,说明在相同配碳量条件下,原矿FeO越高,相对降低值越大。控制混合料中FeO含量也是控制烧结矿FeO含量的一项有效手段。     

烧结矿FeO含量控制标准的研究

本文通过对烧结矿FeO含量影响因素的分析,从原料的原始氧化度、烧结矿碱度、MgO含量和返矿用量与烧结矿FeO的关系出发,提出了工业生产中控制烧结矿FeO含量上下限的依据。     

FeO对钒钛烧结矿产质量影响的研究

针对攀钢目前的烧结生产情况,在实验室进行了FeO对钒钛烧结矿产、质量影响的试验研究.结果表明,在烧结矿FeO含量4.34%-8.44%的范围内,随着FeO含量增加,烧结矿转鼓强度和成品率提高,产量上升,冶金性能改善;当烧结矿FeO含量>9.37%后,烧结矿的产质量均呈下降趋势.从目前攀钢的生产条件来看,钒钛烧结矿FeO含量的控制范围以7.24%～8.44%为宜.     

唐钢烧结矿适宜FeO含量试验

在实验室条件下,研究了烧结矿中FeO含量与固体燃料配比之间的关系,分析了FeO含量对烧结矿机械强度、粒度组成、低温还原粉化性能、还原性能、熔滴性能的影响,认为在唐钢目前原料条件下适宜的烧结矿中FeO含量应控制在7.9%～9.2%。     

基于承钢生产数据预测烧结矿FeO含量北大核心CSCD

为了克服烧结矿中FeO含量检验滞后的问题,基于烧结生产各个环节所积累的大量数据,采用XGBoost算法建立FeO含量预测模型,以指导生产工作人员及时调整配料方案和设备参数。首先对承钢3号烧结机sqlsever数据库中的相关数据进行提取和整合,然后结合特征工程对特征参数数据进行一系列可视化分析和处理,最后将XGBoost算法应用于预测烧结矿FeO含量的建模当中,并与决策树模型预测效果进行对比。结果表明XGBoost模型预测效果较好,预测后的损失值最小可达0.071876,实现了准确预测FeO含量的目的,为烧结矿FeO含量的预测提供了一种有效的预测方法。     

FeO对低钛烧结矿性能的影响

以宣钢烧结配矿为基础,采用微型烧结和烧结杯试验研究FeO对低钛烧结矿性能的影响。研究结果表明:在烧结过程中FeO对烧结矿质量影响较大。随着烧结料中FeO含量的增加,烧结矿的同化性温度降低,黏结相强度呈升高趋势,液相流动性指数先升高后降低。烧结杯试验验证,烧结矿的转鼓指数随着FeO含量的增加而升高,与烧结料中FeO对烧结矿基础性能的影响规律吻合。混矿中FeO含量控制在14.43%~16.19%时,烧结矿质量最优。合理控制烧结矿中FeO含量,运用烧结料中FeO对烧结矿的影响规律,对综合利用矿石资源和优化烧结配矿有重要意义。     

烧结矿中FeO含量的工艺控制措施及分析

从烧结矿强度指标和还原性指标两方面分析烧结矿中FeO含量对烧结矿质量的影响机理,探讨影响烧结矿中FeO含量的因素,包括烧结料层厚度、燃料配比和水分、烧结矿化学成分、焦粉粒度。认为:减少烧结矿FeO含量能增强烧结矿还原性能,但过低的FeO含量易造成烧结还原性能恶化。     

基于承钢生产数据预测烧结矿FeO含量

为了克服烧结矿中FeO含量检验滞后的问题,基于烧结生产各个环节所积累的大量数据,采用XGBoost算法建立FeO含量预测模型,以指导生产工作人员及时调整配料方案和设备参数。首先对承钢3号烧结机sqlsever数据库中的相关数据进行提取和整合,然后结合特征工程对特征参数数据进行一系列可视化分析和处理,最后将XGBoost算法应用于预测烧结矿FeO含量的建模当中,并与决策树模型预测效果进行对比。结果表明XGBoost模型预测效果较好,预测后的损失值最小可达0.071 876,实现了准确预测FeO含量的目的,为烧结矿FeO含量的预测提供了一种有效的预测方法。     

不同FeO含量的炉渣对焦炭侵蚀作用的研究

模拟了高炉中不同FeO含量的炉渣对焦炭侵蚀作用的影响.结果表明:随着炉渣中FeO含量的增加,焦炭气孔壁的破坏逐渐加剧,焦炭的微观结构受到破坏.利用SEM扫描及能谱分析可知,铁元素已侵蚀到焦炭内部,因此炉渣中FeO含量的变化对焦炭的侵蚀影响不可忽视.     

FeO对烧结矿产质量的影响

在实验室内,研究了在杭钢当前用料情况下,FeO含量对烧结利用系数、成品率和转鼓强度及其冶金性能的影响,并确定烧结合适的FeO含量。     

烧结矿FeO含量与冶金性能的关系

在日常生产中,烧结矿的FeO含量是评价烧结矿质量的重要指标之一。FeO对烧结矿冶金性能的影响相当复杂,主要原因是试样中的FeO含量是由多种矿物中的全部二价铁换算而来,不同形态的含铁矿物中FeO所起的作用不一样。本文就武钢生产和试验室条件下得到的碱度1.6左右的烧结矿,进行试验研究,以探讨烧结矿中FeO含量与常温强度,低温粉化性能,还原性能的关系,重点是FeO对低温粉化性能的影响。     

300t顶底复吹转炉炉渣FeO动态预测模型

利用转炉物料平衡中的氧平衡,结合现场300 t顶底复吹转炉的生产数据,建立了转炉炉渣FeO动态预测模型。利用该模型可以预测炉渣FeO含量,还可以计算炉渣FeO含量与顶吹氧气量和炉渣磷分配比LP的变化关系。验证结果表明:模型计算的炉渣FeO含量与实测值吻合度很高,绝对误差在5%以内、相对误差在10%以内的占80%以上。     

基于双向长短时记忆网络模型预测烧结矿FeO含量

烧结过程中FeO含量是影响烧结矿性能的重要参考指标。对FeO含量变化进行实时观测和监视，可以减少烧结能耗，改善烧结效果。针对目前企业实时观测FeO含量手段较为单一的情况，研究了基于双向长短时记忆网络模型(bi-directional long short-term memory, BiLSTM)的烧结矿FeO含量预测模型。数据来源为攀钢六型烧结机2021年部分工艺数据，经过滤、提优等数据处理后，选取BiLSTM神经网络进行训练、调参，与企业现场烧结工艺相结合，提高了模型预测的准确率，基本实现了烧结矿FeO的预测。测试结果表明，在企业误差允许的范围内，准确率达90.2%,因此可以给予企业内烧结矿生产有效意见。