能量色散X射线荧光测硫仪特征峰波段选取

对能量色散X射线荧光测硫仪的硫特征峰波段以及背景峰波段的选取进行了研究.将该问题转换为能谱图的硫峰通道段和背景峰通道段的选取问题,并进一步转化为以准确度为目标函数的优化问题,以优化相关参数.为直观地考察各参数对准确度的影响,提出了三步法参数优化方案.相应的优化结果对测硫仪的特征峰等波段的选取具有重要的指导意义.     

鞍钢铁水终点硫含量神经网络预报模型

针对鞍钢铁水罐喷吹CaO＋Mg粉剂复合脱硫过程,建立了基于BP神经网络的铁水预处理终点硫含量预报模型。用鞍钢的1000炉数据进行模型训练,经60炉数据验证表明,有5％的炉次预报值与实际值完全一致,有76．67％的炉次误差≤0．003％。平均误差为0．0025％。     

主成分分析和最小二乘支持向量机模型在铁水硫和硅含量预测中的应用

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...     

高硫石油焦煅烧脱硫研究

采用碳酸钠高温煅烧法,研究了煅烧温度、碳酸钠添加量和煅烧时间对高硫石油焦煅烧脱硫效果的影响,利用SEM、FT-IR和XRD等表征手段,对石油焦脱硫前后的微观形貌、化学结构和微晶结构进行比较分析。结果表明,在煅烧温度1 300℃、碳酸钠添加量25%和煅烧时间70min的条件下,脱硫率可达69.73%;脱硫后石油焦表面变得疏松,断层结构增多,S元素含量减少;脱硫后(002)衍射峰更加尖锐,结晶度提高;煅后焦在478、744和863cm~(-1)处的特征吸收峰明显减弱,脱硫效果良好。     

用库仑滴定法测定高硫铁矿粉中的硫含量

研究了用库仑滴定法测定高硫铁矿粉中硫含量的方法,对定硫仪净化装置的维护、助溶剂的选择、电解液的使用进行了试验.该方法用于测定铁矿粉中大于0.1％硫含量,测定结果的精密度好、准确度高、操作简便,能够满足炼铁原料中高硫铁矿粉中硫含量的分析要求.     

基于Kmeans–BP神经网络的KR工序终点铁水硫含量预测模型

针对KR工序终点铁水硫含量预测问题,提出一种基于Kmeans聚类分析和BP神经网络（BPNN）相结合的建模方法。首先,通过Kmeans聚类对KR工序生产数据进行模式识别和分类,构建不同工况特征的数据集;然后,基于BP神经网络,针对不同数据集训练预测模型;最后,将不同数据集的预测模型进行集成,形成最终的终点铁水硫含量预测模型,实现对不同铁水条件和工况条件的预测。利用某钢铁企业实际生产数据,分别用基于脱硫反应动力学、BP神经网络和Kmeans–BPNN方法建立的预测模型,对KR工序终点铁水硫含量进行预测。结果表明,Kmeans–BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型。      

降低硫含量满足新标准汽油指标方案探讨

通过分析汽油硫的来源及ＦＣＣ汽油硫含量分布，阐述降低汽油硫含量的途径，并探讨我厂生产新标准低硫汽油的方案。     

利用HV—4B型碳硫自动分析仪测定金属材料中碳硫分析方法的探讨

探讨了用ＨＶ－４Ｂ型微机碳硫自动分析仪测定金属材料中碳（Ｃ）硫（Ｓ）的方法，进行最佳助燃剂、最佳氧流量的筛择。讨论最佳熔剂加入顺序，并对仪器的故障进行浅析。     

酸性气体脱除装置H2S含量超标的分析及对策

针对酸性气体脱除装置二氧化碳产品气、尾气中硫含量超标的异常问题,从多方面进行分析,通过生产调整,逐步判断问题所在,通过更换设备解决问题,恢复生产稳定运行.