TiO2-Al2O3-CaO-SiO2低碱度高钛渣熔体黏度特性

研究了TiO₂含量、Al₂O₃含量以及二元碱度(CaO/SiO₂)对TiO₂-Al₂O₃-CaO-SiO₂低碱度高钛渣黏度的影响.实验采用旋转柱体法在1633-1873K温度范围内对渣系熔体黏度进行了测量.当TiO₂质量分数为23%-43%、Al₂O₃质量分数为3%-12%和二元碱度为0.3-0.7时,钛渣熔体黏度随TiO₂含量和碱度的增加而降低,随Al₂O₃含量的增加而增加.通过对转底炉-电炉熔分过程渣系脱硫能力计算,得知在低碱度高钛渣中TiO₂属于酸性.依据黏度测量数据和对TiO₂属性的界定,通过修正Urbain模型建立了低碱度高钛渣的熔体黏度预报模型.模型预测结果误差为11%,证明新模型对于低碱度高钛渣的黏度具有良好的预报效果.      

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3．13kg／t,平均相对误差降低5．19％。