高炉富氧操作对煤气利用率影响的多时间尺度分析

在高炉冶炼过程中,富氧操作虽然不是实时调控煤气利用率的直接手段,但在多时间尺度下改变高炉状态进而影响煤气利用率的发展。针对富氧对煤气利用率具有多时间尺度影响的特点,通过机理分析与数据分解得到了富氧操作对煤气利用率影响的3个时间尺度。首先从高炉炼铁机理上分析富氧对高炉状态的影响,得到富氧操作影响煤气利用率的3条机理链,并在此基础上对机理链的时间尺度进行区分;然后在数据层面对煤气利用率数据进行分解,得到煤气利用率多时间尺度分量与各分量的频率分布;最后融合机理与数据,通过得到不同时间尺度机理链与数据分量的频率对应关系,验证了富氧操作对煤气利用率影响的多时间尺度特性。     

基于KPCA-CNN-LSTM模型的高炉透气性指数预测

高炉透气性指数是一个可以快速、直观、综合反映高炉炉况的重要参数。对高炉透气性指数准确预测,可以尽早(约提前10 min)发现和避免高炉的管道、悬料、崩料、煤气流失等炉况失常现象的发生。本文提出了一种结合核主成分分析(kernel principal component analysis, KPCA)、卷积神经网络(convolutional neural network, CNN)和长短期记忆神经网络(long short-term memory, LSTM)的高炉透气性指数预测模型。首先,运用KPCA对原始高维输入变量进行降维,再用CNN捕捉数据的特征,最后利用LSTM对高炉透气性指数进行预测。结果表明,所构建的KPCA-CNN-LSTM高炉透气性指数预测模型较降维之前预测误差大幅减小,预测准确度大幅升高。这有利于高炉操作人员尽快掌握炉况的瞬时变化并采取有效措施恢复高炉顺行。     

基于Xgboost的高炉透气性指数预测模型

高炉透气性指数是高炉监控指标的一项重要参数,及时掌控高炉透气性指数的变化趋势并对其进行准确预测,对辅助操作者保持高炉的稳定顺行十分必要.基于某高炉现场实际生产数据,对原始数据存在异常值、缺失值等问题进行处理.利用Spearman、MIC(最大信息系数)和随机森林特征消除等特征选择方法对标准化后的数据选取特征变量,选用X...     

高炉-转炉铁钢界面铁水温降预测建模和分析

摘要：针对高炉 转炉铁钢界面间铁水在受铁、运输及预脱硫过程中的散热问题，以铁水温降为研究对象，分析铁钢界面铁水在运输过程温降的影响因素，建立基于极限学习机的铁水温降预测模型。实例研究结果表明，建立的预测模型能够很好地预测铁钢界面铁水运输过程温降，连续预测100罐铁水温降，当绝对误差小于10℃时，铁水温降命中率为87%，预测均方根误差为6.932。对铁水温降的各主要影响因素定量分析表明，铁水温降对受铁温度最为敏感。     

基于随机森林算法的高炉铁水硅质量分数预测模型

为了研究高炉冶炼过程中铁水硅质量分数的预测问题,我们基于随机森林算法建立了高炉铁水硅质量分数预测模型。针对具有不同统计特征的2组高炉生产数据,分别建立了随机森林预测模型和支持向量机预测模型,并从预测命中率、相关系数、均方根误差以及绝对误差等4个方面对模型性能进行了综合的比较分析。结果表明:在炉况平稳或存在较大波动的情形下,随机森林预测模型都能获得显著优于支持向量机预测模型的预测精度。研究结果为探索高炉冶炼过程炉温的预测控制提供了新的建模思路。     

高炉透气性测量装置

为提高高炉自动化水平,增加高炉检测手段,由冶金部自动化研究所、四川青花铁厂合作,经过一年多的努力,研制成功高炉透气性测量装置,并在青花铁厂100m~3小高炉上进行了工业试验。已于1986年12月通过部级鉴定。 本装置是以微处理机为核心构成的检测高炉透气性阻力指数的仪表装置,利用恒量吹扫法检测高炉炉身静压力,定时采集有关高炉炉况模拟量、计算炉腹煤气量、高炉各区段透气性阻力指数、全料柱透气性阻力指数,终端CRT显示结果及与高炉     

基于时间序列的神经网络高炉炉温预测

稳定的炉温是保证高炉顺行、提高生铁质量和实现节能降耗的必要条件。针对高炉炉温与铁水硅质量分数及铁水温度之间存在的相关关系,利用某钢铁厂高炉的在线生产数据,构建一种双输出神经网络炉温预测模型,同时预测铁水硅质量分数和铁水温度,以便更加全面地预测炉温;同时,深入研究炉温时间序列对该模型性能的影响,确定较好的时间序列,建立基于时间序列的炉温预测模型。仿真结果表明,模型预测精度大大提高,可为高炉操作人员决策提供可靠依据。     

基于模糊数学的高炉炉况预测模型

建立了一种基于模糊数学的高炉炉况预测模型。该模型通过构造隶属函数 ,计算隶属度的方法 ,将不同量纲的参数予以规整化 ,较好地反映出各参数的渐变过程 ,从而为准确判断及预测高炉行程提供了有效手段     

基于数据驱动的高炉煤气复合预测模型

对钢铁企业高炉煤气系统科学准确的预测,可以为煤气的合理调度提供依据,对企业提高能源利用效率、减少煤气放散和环境污染有着非常重要的意义。针对钢铁企业高炉煤气系统设备工况复杂、煤气量波动频繁、难以准确预测的问题,依据小波分析方法、BP神经网络、最小二乘支持向量机的性质建立了基于数据驱动的高炉煤气的复合预测模型。该模型综合考虑高炉煤气系统生产计划和检修计划,对高炉煤气系统的产耗用户在不同工况下分别建立训练数据集,利用多组模型参数预测高炉煤气产生量、消耗量和缓冲量。利用某大型钢铁企业实际数据进行测试,该模型能够结合设备的实际生产工况变化,实现煤气的准确预测。结果表明,该模型平均绝对百分比误差小于4.95%,对变工况煤气系统有较好的预测效果。     

高炉透气性影响因素研究现状

高炉是一个气-固-液三相逆流的反应器,高炉料柱的透气性对高炉生产至关重要,但高炉内部各个区域的透气性影响因素不同,除了料柱本身的性质,鼓风参数、渣铁排放、热制度等高炉的具体操作亦会对高炉的透气性产生影响。文中综合阐述了高炉内各个区域和操作参数对高炉透气性的影响,系统地指出高炉各个区域和操作因素对透气性影响的限制性环节,旨在提供异常炉况诊断和保障高炉稳定顺行的操作思路。通过综合前人的研究成果,认为提高炉料冷、热和反应前后强度,提高炉料粒度和均匀性,降低粉末入炉,控制有害元素入炉,提高品位、降低渣量的同时控制合理的熔渣成分,保障合理的热制度、装料制度、出铁制度和鼓风制度以获得有利于透气性的煤气分布,从而提高高炉的透气性能。     

基于支持向量机的高炉煤气利用率预测建模

煤气利用率是反映高炉能耗和平稳运行的重要指标。为了实现对高炉煤气利用率的准确预测,首先依据最大信息系数选择合适的输入参数,分别选取次于该状态参数时刻1 和2 h后的煤气利用率作为输出参数,并在建模之前对数据进行标准化处理。在此基础上建立基于支持向量回归(SVR)的高炉煤气利用率预测模型,并利用高炉的部分生产数据将该模型的预测结果与多层感知器(MLP)模型进行对比。最终预测结果表明,SVR模型在预测1和2 h后的煤气利用率时精确度更高,达到了更好的预测效果。     

基于模糊数学的主炉炉况预测模型

建立了一种基于模糊数学的高炉炉况预测模型，该模型通过构造隶属函数，计算隶属度的方法，将不同量纲的参数予以规整化，较好地反映了各参数的渐变过程，从而为准确判断及预测高炉行程提供了有效手段。     

基于智能模型的高炉煤气利用率预测

煤气利用率是影响高炉能量利用的关键参数,对高炉的稳定顺行有重要影响。在进行高炉生产参数时间间隔分析后,利用多种预测模型(自适应增强学习(Adaptive Boosting,AB)、随机森林(Random Forest,RF)、神经网络(Neural Network,NN))完成对煤气利用率的预测。首先,对高炉生产的历史数据进行收集整理;其次,在考虑高炉生产异常状态(如检修休风)下对特征参数完成预处理工作;最后,利用高炉参数间的时滞关系对煤气利用率建立预测模型,通过对预测模型的调参优化及评价,确定适合煤气利用率的预测模型,实现煤气利用率的提前预测,同时利用相同模型参数对原始数据集和预处理数据集进行预测并比较结果。结果表明,数据预处理对于预测结果的影响巨大,随机森林模型对煤气利用率的预测效果更好,可以用来指导高炉的实际生产。     

一种基于深度神经网络的烧结料层透气性预报模型

为了保证整个烧结生产过程的顺利进行,通过对承钢2号烧结厂数据库中的数据进行采集、整合和预处理,运用相关性分析筛选出与料层透气性相关的重要特征变量,基于深度神经网络算法建立料层透气性预报模型,以即时为现场操作人员提供科学的操作指导。通过测试并与随机森林模型、支持向量机模型进行性能对比,结果表明,深度神经网络具有很好的预测效果,可实现对料层透气性的精准预测,对优化烧结现场的操作效果具有很好的指导意义。     

多流体高炉数学模型的开发和应用

基于多流体理论、冶金传输原理、反应热力学和动力学以及计算流体力学创建了多流体高炉数学模型,详述了该模型的基本框架、边界条件设定和求解步骤,并针对具体的高炉操作给出了模型预测的流场和温度场分布,最后结合实测数据对模型计算的有效性和精确度进行了验证.研究结果表明,多流体数学模型是模拟高炉炼铁过程的有效工具,可合理描述炉内现象,准确预测高炉操作指标.     

高炉块状带透气性试验分析

通过试验研究了在不同球团矿配比、不同烧结矿粒度和不同料层厚度条件下,高炉块状带透气性指数的变化规律。粒度小于10 mm的烧结矿会使高炉块状带的透气性急剧变差;在保持料层炉料粒度组成不变的情况下,如果料层厚度增加,则高炉块状带的透气性降低;随着球团矿配比的增加,料层压差呈先升高后趋于稳定的状态,高炉块状带透气性升高。     

智能自适应模型算法控制

本文提出了一种基于增量模型描述的新型MAC——多步预测智能自适应MAC(IAMMAC)。它将基本MAC扩充到多步预测和双重控制。为适应过程模型时变,提出了一种非参数模型单步和多步自校正算法,并引入智能判断、实时截断脉冲响应高频段以提高系统的鲁棒性。此外,文中还详细讨论了最优控制律的计算、闭环动态特性和输出跟踪特性及输入滤波器的设计。     

高炉滴落带初渣流动的数学模型分析

根据多孔介质的连续介质方法,结合修正的Ergun方程,建立了高炉初渣流动的数学模型;同时,在考虑与高炉区域相似的条件下,对此进行了模型实验研究。结果表明:对于倒V型软熔带,因受气流运动特性的影响,滴落带液体将发生偏流;初渣在滴落带横截面上呈二次项分布(偏态的);初渣偏流主要受软熔带类型(包括形状和内部结构)及风量的影响,同时,又是恶化滴落带,尤其是恶化焦窗透气性的重要因素。据此,本文提出了改进高炉操作的合理措施。     

太钢5号高炉合理操作炉型的控制

结合太钢5号高炉4年多的生产实践,认为在生产过程中,高炉的操作炉型会随着高炉透气性、煤气流分布和炉体冷却制度等诸多因素的影响而改变,只有通过各项操作制度的综合调剂才能实现操作炉型的合理有效控制.     

高炉上部煤气流调剂影响研究

利用数值模拟对煤气流的流场及温度场进行了计算.根据高炉不同部位的煤气流速分布,分析得出炉料分布对中上部煤气流分布和软熔带形状有决定作用,而鼓风制度可快速改变下部煤气流分布,并结合实际高炉中的现象及操作讨论了炉料分布的重要性.结果表明:在高炉生产中,有一个合理的布料制度是高炉操作的关键,径向煤气流分布受炉料透气性分布影响很大,初始煤气流对其影响较小,下部煤气流分布信息很难在上部反应.