世界第一大高炉完成大修顺利点火

2004年5月15日，新日铁大分厂2号高炉完成大修工程，顺利点火运行。在这次的大修中，炉容南此前的5245m^3扩大到5775m^3，日出铁量达到13500t，成为世界最大的高炉。新高炉投产后，可使大分厂年铁水产能增加到900万t，缓解了废钢的压力。新高炉强化了炉体冷却，采用了铜冷却壁，并在耐火砖中加入了钛，设计寿命将要达到20年以上。     

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％。     

高炉铁水含硅预报数学模型

本文运用现代控制理论中系统辨识最小二乘法对高炉系统进行辨识,建立了高炉铁水含硅预报数学模型。通过对系统的阶跃动态响应分析,推导出各操作变量与铁水含硅之间的传递函数。     

邯钢1260m~3高炉建成投产

邯郸钢铁总厂1260m~3高炉子1992年7月8日6时正式点火投产,7月9日8时40分顺利流出第一炉合格铁水。邯钢1260m~3高炉采用了无钟炉顶、皮带上料、电子计算机集散系统监视控制和数据整理、新日铁式外燃式自身预热硅砖炉顶高温热风炉、软水闭路循环冷却、干式电除尘煤气清洗系统、炉喉     

数学模型在宝钢高炉操作中的应用

论述了炉况判断GO-STOP模型、TC指数和炉温预报模型、软熔带模型、煤气流分布判断和布料控制模型的原理、建模方法及其在宝钢大型高炉生产操作中的应用情况。宝钢高炉生产不仅采用先进的自动化装备,而且从 1号高炉建设起即先后引进了8个先进的数学模型指导高炉操作。通过长期学习、消化,特别是近几年来对模型的改造和完善,并融人现代智能模型技术,大大提高了模型的精度和应用效果,这些模型为宝钢大型高炉实现长期稳定顺行、主要技术经济指标达到世界先进水平发挥了重要作用。     

应用微型计算机在线预测高炉铁水含硅量和铁水温度的现场试验

为了验证宝钢高炉数模组提出的“喷煤条件下高炉炉况控制数学模型”的适用性,1984年6月该组与梅山工程指挥部及马鞍山钢院毕业实习队师生一起,在容积为1060米~3的梅山2号高炉上进行了利用炉热指数T预测铁水含硅量和铁水温度的在线(?)环试验。试验时使用的APPLE—Ⅱ微机系统由内存64K的主机、5″软盘驱动器、12″显示器和80列打印机组成。信息主要靠键盘输入。经对29炉次铁水的预测,获得命中率见表:     

承钢2500m3高炉铁水增钒冶炼实践

简要探讨了承钢2500m3高炉铁水增钒的途径及限制因素,重点阐述了铁水增钒冶炼实践及成效.认为努力提高入炉原料钒负荷和提高铁水含钒收得率,是铁水增钒的有效途径.通过采取引进低钛高钒原料、优化原料结构、细化高炉操作等措施,在高炉炉役后期高产、低耗的情况下,实现日产量不低于6100t/d,连续3个月铁水[V]在0.24％以...     

基于支持向量机的铁水硅含量的预测

为了准确预测高炉炼铁过程的硅含量,分析了高炉工艺参数对高炉铁水硅含量的时序性影响,以支持向量机理论为基础构建了2类铁水硅含量预测模型,即硅含量模型和硅变化量模型。利用首钢迁钢3号高炉铁水硅含量数据进行模型测试,测试结果表明2类模型预测命中率均可达到80%。     

高炉冶炼铁水Si含量预报模型

通过对高炉内硅的行为及走向的研究，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。     

日本六大钢铁公司高炉将全部喷吹煤粉

据报道,至明年年中日本喷煤高炉将增加5座,计达20座,日本六大钢铁公司的高炉将全部喷吹煤粉。自1981年新日铁大分1号高炉喷煤以来至今已有15座,今年计划增加5座,其中有川铁水岛厂、NKK福山厂,这样,运转中的30座高炉三分之二已喷煤。新日铁:已有7座,君津4号高炉也计划采用,计8座。从长期计划来看,运转中的高炉除君津2号外,均将喷煤。 NKK:扇岛2号高炉已喷煤,今夏2号高炉将停止喷煤,预计明年6月喷煤粉量达到吨铁80千克。川铁:5号高炉在试验阶段。预计今年5月在水岛厂4号高炉喷煤,年内喷煤粉量     

世界首家工业化Fastmet熔融还原铁炼铁厂将在新日铁投产

Fastmet工艺由神户制钢及Midrex公司联合开发,投资20亿日元。年处理含铁粉尘和铁屑19万t的世界首家Fastmet熔融还原铁生产工厂,将于2000年第二季度在新日铁广火田厂投产。Fastmet法可生产优质铁水,也可以提供金属化率90%左右的直接还原铁供新日铁使用。世界首家工业化Fastmet熔融还原铁炼铁厂将在新日铁投产@周启明     

基于T-S模糊神经网络模型的高炉铁水温度预测建模

 针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于T-S模糊神经网络的高炉铁水温度预测模型。最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性。     

通过风口向高炉喷吹粉矿

1 前言 早在20世纪80年代就对通过高炉风口喷吹粉矿进行了研究,以作为有前途的下一代高炉新技术.当时的研究只是小量喷吹,每吨生铁喷吹大约50 kg粉矿,是作为降低铁水中硅含量的一种措施,但随着较高生产率和改善生产灵活性的要求越来越强烈,要求将喷矿量提高到100 kg/t或以上.新日铁也进行了这方面的研究,并为试验建造了一个大型的热模型.     

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。     

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。     

基于神经网络的高炉铁水硅含量预报模型的研究

根据RBF神经网络具有收敛速度快和全局优化的特点,建立了RBF网络模型,并将其应用对高炉铁水硅含量预报。监于铁水硅含量与炉缸温度之间的密切相关性,通过铁水硅含量来间接地反映炉内温度变化。采用MATLAB中的Newrbe函数进行函数逼近,对高炉一段连续时期内正常生产的数据的归一化处理后进行训练和仿真,提高了铁水硅含量预报的命中率。高炉冶炼运用先进的RBF人工神经网络预报模型,能预报铁水硅含量的高低,判断炉温走势,实现炉温调控,有利于节能降耗,并可监测多个主要控制对象,为高炉操作提供指导。     

基于排队论“一包到底”模式的在线铁水包数量

 采用排队论理论对炼铁-炼钢区段“一包到底”模式铁水包的周转进行了分析,建立了铁水包周转过程中各排队系统的数学模型,并以沙钢宏发钢铁厂5800m3高炉-转炉区段的铁水包周转为例验证了模型的合理性和准确性,为钢铁企业加强铁水包周转管理及钢铁厂铁-钢界面的设计提供了支持。     

铁水包脱磷工艺优化

介绍了铁水包脱磷设备的构成、冶炼工艺以及承担的主要作用。根据铁水脱磷的热力学理论和实际统计数据,建立了脱硅模型、氧枪使用、铁水脱硅时的脱磷操作3个控制模型。总结出对于使用含硅量较高的高炉铁水来说,铁水包脱磷的临界硅含量控制在0.15%~0.20%较为合适,脱硅期碱度控制在2.0~2.3、ω(TFe)控制在23%~26%之间时能获得超过40%的脱磷率。     

金鼎3#高炉铁水锌含量高的控制

金鼎公司3#高炉铁水的含锌量在2015年7月份持续偏高,高炉技术指标大幅下滑。通过控制锌源、调整高炉操作制度、改善烧结矿粒度、加强槽下筛分等措施,有效改善了高炉的排锌能力,使铁水含锌量趋于正常,恢复了高炉的稳定顺行。     

DOE试验设计在量化高炉炉温控制中的应用

通过DOE实验设计方法,确定了影响高炉铁水[Si]含量的主要因素为小时料速、燃料比、热风温度和透气性指数,并得出[Si]量化控制的有效模型。生产实际中应用该模型,铁水[Si]含量标准偏差减小,高炉炉温受控率提高,对减少炉况波动,保证高炉长期稳定顺行和提高生铁质量起到了积极的作用。