细磨海砂矿烧结特性及其对烧结矿质量影响机理

通过细磨海砂矿研究其粒级分布、微观结构和烧结高温特性的变化,结合烧结杯试验、扫描电镜能谱分析等研究方法考察海砂矿粒级分布对烧结矿质量的作用机理.经细磨后海砂矿颗粒不规则程度增大,制粒性能得到改善.随着海砂矿粒度变细,其烧结高温特性呈现出与普通铁矿粉相反规律,其中海砂矿3(细磨25 min的海砂矿)与海砂矿1(未经细磨的海砂矿)相比,同化温度升高21℃,1280℃时液相流动性指数减小0.35,细磨后海砂矿与Ca O反应生成钙钛矿增多,阻碍同化反应进行,生成的液相黏度增大.配加8%海砂矿3的烧结矿与配加相同比例海砂矿1相比,还原性提高3.8%,细磨后海砂矿在混合料中分布更加均匀,造成烧结矿中含钛物相质点增多,还原中产生众多微细裂纹,利于还原气体扩散.     

基于支持向量回归与极限学习机的高炉铁水温度预测

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%。      

变频调速器在选煤厂的应用

针对双鸭山选煤厂盘式真空过滤机和带式输送机的弊病进行分析 ,提出用变频调速器对其进行改进的新方案 ,并证实了此方案的可行性 ,从而达到提高生产效率、节省电能和降低成本的目的     

低镁钒钛磁铁矿内配碳球团还原控制机制研究

为开发利用辽宁朝阳地区低镁钒钛磁铁矿资源, 以石墨为还原剂, 研究了还原温度、还原时间对低镁钒钛磁铁矿内配碳球团还原过程的影响, 并进行了反应动力学研究, 并采用扫描电镜-能谱仪(SEM-EDS)等分析方法对还原控制机制进行了分析。通过计算分析确定低镁钒钛磁铁矿还原过程限制性环节为O原子在产物层内的扩散, 反应表观活化能为228.80 kJ/mol。研究结果表明, 低镁钒钛磁铁矿与攀西地区钒钛磁铁矿相比, 易于还原。当还原温度超过1 200 ℃时, 球团均能快速进行反应; 延长还原反应时间, 还原产生的金属铁从矿物颗粒外表面到内部依次析出, 球团内部新生相界面逐渐清晰。     

认证与低碳经济

低碳(low carbon)意指较低(或更低)温室气体(二氧化碳为主)的排放。与之相联系的"低碳经济",是以低能耗、低污染、低排放为基础的经济模式。其实质是高能源利用效率和清洁能源结构问题,核心是能源技术创新、制度创新和人类生存发展观念的根本性转变。     

我国碳排放权交易市场数据质量提升与相关建议

作为控制温室气体排放的重要政策工具,全国碳排放权交易市场的平稳有效运行需要高质量的数据作为支撑.本文简述了碳排放数据质量的重要性,总结分析了碳排放数据管理工作现状及存在的问题,并针对性地提出相关建议措施,以期为碳市场数据质量提升提供参考借鉴.     

基于高炉冷却壁温度的高炉炉型聚类分析

高炉操作炉型与高炉长寿、高炉操作及技术经济指标等密切相关，合理的操作炉型有利于保证高炉生产的优质、低耗、高产、长寿。通过对高炉冷却壁温度数据的聚类分析，能够有效合理地表征高炉操作炉型的变化，对高炉生产有着重要的指导意义。基于沙钢5 800 m³高炉冷却壁温度数据，分别采用K均值聚类(K-means)、高斯混合模型(Gaussian mixture model, GMM)对数据集进行聚类分析，基于两种聚类算法，结合戴维斯-唐纳德指数(Davies-Bouldin indicator, DBI)与轮廓系数(Silhouette coefficient, SC)对聚类结果进行评价，并分析了所得聚类簇类别对应生产状态的高炉冶炼情况。得出了在本文所选的样本数据基础上，采用K-means算法且当炉型聚类为3时聚类结果更好，且第3类炉型对应的平均焦比、煤比、燃料比、煤气利用率、铁水温度及产量分别为357.62 kg/t、163.18 kg/t、512.34 kg/t、47.51%、1 502.045℃、12 472.59 t/d,更适合该高炉日常生产的结论。该研究可为高炉炼铁冶...     

综合炉料熔滴行为的影响机制与预测模型的构建

利用FactSage软件，模拟计算了综合炉料熔融过程中生成的矿物质各相态组成，得出综合炉料在该温度下的渣铁比，通过绘制综合炉料渣铁含量比与温度的关系图，构建了炉料渣相生成温度、渣相完全熔化温度、渣相温度区间、易熔难熔物交接温度四种新的表征综合炉料的熔滴性能。从热力学角度分析MgO/Al₂O₃、碱度、还原度对综合炉料熔滴性能的影响机理，发现综合炉料MgO/Al₂O₃增加和还原度提高，其综合炉料熔滴性能提高，适当的碱度有利于改善综合炉料的熔滴特性。在此基础上开展了机器学习模型建立，发现基于SVM算法构建的模型能对综合炉料熔滴性能实现较好的预测效果，模型预测渣相生成温度时RMSE为2.38、R²为0.87;预测渣相完全熔化温度时RMSE为2.32、R²为0.97。