共查询到19条相似文献,搜索用时 218 毫秒
1.
基于分布式神经网络模型的高炉炉温预测建模 总被引:1,自引:0,他引:1
高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低。以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值。对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果。 相似文献
2.
3.
随着新一轮产业变革和技术革命的兴起,钢铁制造业正在由高碳向低碳、由低端向高端转型升级。为实现高效率、低能耗、长寿命、低污染的综合目标,现代炼铁工艺逐渐趋于绿色化、智能化。高炉为一个非线性、大时滞的黑箱化系统,高温高压的环境使得高炉炉温的测量和控制都不易实现。利用铁水硅含量、铁水温度与高炉炉温的正相关性,建立基于大数据分析的铁水硅含量以及铁水温度预测模型,间接实现对炉温的预测。首先,利用经过异常值、缺失值以及归一化处理后的高炉标准数据数据集,通过多角度的相关性分析方法完成对模型输入变量的选取;然后,通过模型综合对比,建立基于Adaboost模型的铁水硅含量、铁水温度预测模型;最后,结合计算机技术建立高炉炉温监测预警系统。该系统的应用不仅有效解决了传统冶炼工艺带来的弊端,而且能起到延长设备生命周期、提前预测炉况走向等作用,有效推动了高炉智能化转型。 相似文献
4.
5.
选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据,以铁水温度为目标函数,首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理,获取了显著影响铁水温度的正负相关性特征参量。在此基础上,基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型,模型均可对铁水温度实现有效预测,基于支持向量回归算法构建的预测模型较优,预测平均绝对误差为4.33 ℃,±10 ℃误差范围内的命中率为94.0%。 相似文献
6.
7.
8.
高炉出炉铁水含硅量[Si]一直被认为是衡量炉温(炉内渣铁温度)的标志。本试验表明,[Si]值不仅与炉内温度有关,而且还与炉子大小及冶炼条件和操作制度有关。当冶炼条件不同和操作制度变更时,若维持原渣铁温度,[Si]值必须相应改变,否则就会引起实际渣铁温度变化。同时[Si]值又是生铁质量指标。因此研究高炉内硅还原 相似文献
9.
10.
基于某钢厂现场条件,对转炉炼钢过程氧化镍直接合金化冶炼耐候钢的可行性进行了热力学分析,结果表明:铁水中固有的[C]、[Si]、[Mn]、[Fe]等均可作为还原NiO的还原剂元素,在铁水阶段和转炉阶段进行直接合金化是完全可行的。在转炉出钢温度T=1960 K,w([C])=0.04%条件下,[C]的还原能力比[Fe]强,镍的回收率可达到99.9%。并在实验室进行了相关的动力学实验研究,1573 K时,在铁水(含碳3%)条件下氧化镍的还原反应速率非常快,15 min后氧化镍还原反应基本完成。 相似文献
11.
《钢铁研究学报(英文版)》2015,(6)
Blast furnace(BF)ironmaking process has complex and nonlinear dynamic characteristics.The molten iron temperature(MIT)as well as Si,P and S contents of molten iron is difficult to be directly measured online,and large-time delay exists in offline analysis through laboratory sampling.A nonlinear multivariate intelligent modeling method was proposed for molten iron quality(MIQ)based on principal component analysis(PCA)and dynamic genetic neural network.The modeling method used the practical data processed by PCA dimension reduction as inputs of the dynamic artificial neural network(ANN).A dynamic feedback link was introduced to produce a dynamic neural network on the basis of traditional back propagation ANN.The proposed model improved the dynamic adaptability of networks and solved the strong fluctuation and resistance problem in a nonlinear dynamic system.Moreover,a new hybrid training method was presented where adaptive genetic algorithms(AGA)and ANN were integrated,which could improve network convergence speed and avoid network into local minima.The proposed method made it easier for operators to understand the inside status of blast furnace and offered real-time and reliable feedback information for realizing close-loop control for MIQ.Industrial experiments were made through the proposed model based on data collected from a practical steel company.The accuracy could meet the requirements of actual operation. 相似文献
12.
针对高炉冶炼过程中喷煤量通常根据炉长经验总结而出、过程建模困难、生产过程工艺指标波动较大的问题,提出了一种喷煤量操作模式匹配的智能优化方法。该方法以高炉喷煤量为研究对象,以某钢厂高炉大量的实际工业运行数据为基础,首先对不可实时检测变量[Si]含量建立了BP神经网络预测模型,以对当前[Si]含量进行预测;然后基于专家标准挑选出优良模式集,采用模糊C均值聚类的方法对优良模式集进行分类;最后以综合工艺指标评判为前提,对当前输入条件采用基于相似度的方法,从优良操作模式库中寻出与当前输入条件距离最小的操作模式,从而完成模式匹配,进而实现喷煤过程优化控制,对高炉冶炼喷煤过程具有很好的指导作用。 相似文献
13.
良好的铁水质量是铸铁性能可靠性和稳定性的保证,而铁水中硫(S)含量和硅(Si)含量是衡量铁水质量的主要指标,因此在出铁前精准获取铁水S含量和Si含量具有非常重要的意义。实验提出一种结合主成分分析(PCA)和最小二乘支持向量机(LS-SVM)模型的铁水S含量和Si含量的预测方法。将某钢厂大型高炉的在线采集数据作为研究对象,首先对影响铁水中S含量和Si含量变化因素的数据做主成分分析,求取主成分作为模型的输入变量,其次建立最小二乘支持向量机预测模型对铁水S含量和Si含量进行预测。在S含量预测过程中,正则化参数gam和核函数参数sig分别取20、700时,预测误差最小,其均方根误差为0.001 2,仿真时间为0.423 105s;Si含量预测过程中正则化参数gam和核函数参数sig分别取40、500时预测误差最小,均方根误差为0.023 8,仿真时间为0.079 522s。最后将实验结果与传统最小二乘支持向量机(LS-SVM)和结合PCA的BP神经网络预测模型(PCA+BP神经网络)的结果对比,后两组对比实验关于S含量预测的均方根误差分别为0.001 5和0.001 4,仿真时间分别为1.32... 相似文献
14.
《钢铁研究学报(英文版)》2016,(11):1151-1159
Molten iron temperature as well as Si,P,and S contents is the most essential molten iron quality(MIQ)indices in the blast furnace(BF)ironmaking,which requires strict monitoring during the whole ironmaking production.However,these MIQ parameters are difficult to be directly measured online,and large-time delay exists in offline analysis through laboratory sampling.Focusing on the practical challenge,a data-driven modeling method was presented for the prediction of MIQ using the improved multivariable incremental random vector functional-link networks(M-I-RVFLNs).Compared with the conventional random vector functional-link networks(RVFLNs)and the online sequential RVFLNs,the M-I-RVFLNs have solved the problem of deciding the optimal number of hidden nodes and overcome the overfitting problems.Moreover,the proposed M-I-RVFLNs model has exhibited the potential for multivariable prediction of the MIQ and improved the terminal condition for the multiple-input multiple-output(MIMO)dynamic system,which is suitable for the BF ironmaking process in practice.Ultimately,industrial experiments and contrastive researches have been conducted on the BF No.2in Liuzhou Iron and Steel Group Co.Ltd.of China using the proposed method,and the results demonstrate that the established model produces better estimating accuracy than other MIQ modeling methods. 相似文献
15.
16.
为了研究氢气含量对含铁炉料还原及软熔性能的影响,利用程序还原炉分析了不同氢气含量对含铁炉料还原性能的影响,利用高温熔滴炉模拟高炉喷吹含氢煤气,研究了氢气含量对含铁炉料软熔性能的影响。结果表明,当增大氢气含量后,炉料的软化温度会升高,滴落温度逐渐降低,同时也会改善炉料结构的透气性,使得渣铁更加容易分离;氢气含量会使含铁炉料中的FeO含量降低,弱化了脱碳反应,从而促进生铁中碳含量的增加。低温时氢气含量对还原几乎没有促进作用,高温则会促进氢气的还原性能;同时,氢气会促进含铁炉料中铁的析出。 相似文献
17.
提出以我国辽东地区硼铁矿经高炉分离后的含硼生铁为原料直接冶炼硼钢。针对含硼铁水中硅、硫含量较高的特点,以及有价元素硼的进一步提取利用,首先研究了铁水中主要元素硼的氧化行为。再利用中频感应炉、石墨坩埚或刚玉坩埚,以Fe2O3为氧化剂,研究了温度、Fe2O3与CaO添加量、熔体成分等因素对Si、B氧化的影响。结果表明,Si、B氧化几乎是同步的,在1 400 ℃下氧化率均可达到90%;实验结果和有关热力学计算表明,适宜的脱硅温度应在1 400 ℃以下;增加氧化剂Fe2O3有利于脱硅和硼的氧化,本实验条件下CaO添加量对脱硅和硼氧化影响不大。 相似文献
18.
基于竖炉工艺,以不锈钢除尘灰、铁鳞、红土镍矿、铁精矿和铬矿为主要原料,采用小型试验竖炉进行高温冶炼模拟试验,探索竖炉工艺冶炼含Cr和Ni的铁水的可行性。研究结果表明:采用竖炉法处理不锈钢除尘灰,能实现除尘灰中Fe,Cr和Ni等有价元素的回收。Ni元素基本上全部进入铁水,其回收率高达99.80%,Cr的回收率也可达到95.82%。竖炉全红土矿冶炼含Cr和Ni的铁水是可行的,而且将红土镍矿球团和不锈钢除尘灰球团搭配入炉,不仅可充分回收Fe,Cr和Ni等元素,还可减少渣量、降低焦比。竖炉采用铬矿配加铁精矿球团和铁鳞球团冶炼含Cr铁水时,铁水中Cr质量分数可达到17.5%,最高可达20.48%,Cr回收率稍低,为87.15%,但有进一步提高的可能;随着铁水中Si含量的增加,Cr的回收率逐渐提高,磷的分配比逐渐减低;当铁水Si质量分数从1.38%提高到3.73%时,Cr的回收率和磷的分配比变化不大。 相似文献