钢铁冶金过程铁前工序绿色智能制造的进展与展望

随着“碳达峰”“碳中和”“低碳冶金”等概念的提出,钢铁行业的绿色智能制造已成为大势所趋。铁前工序是钢铁冶金过程的前端工序,也是主要的能源消耗环节。因此,实现铁前工序的绿色智能制造具有重要的经济价值和环保意义。围绕钢铁冶金过程铁前工序绿色智能制造,以“智能碳使用”的低碳冶金技术为核心,综述铁前工序运行状态智能感知、运行参数智能控制、运行性能智能优化和智能协同管控4个方面的研究进展。运行状态智能感知是获取难以检测运行状态信息的主要手段,包括运行状态监测和运行状态识别。运行参数智能控制是实现铁前工序运行状态正常的前提,包括基于人工经验的智能控制、基于参数预测的智能控制和面向多目标集成智能控制。运行性能智能优化是提升运行状态的运行性能的主要措施,包括操作参数智能优化和运行指标智能优化。钢铁冶金过程智能协同管控着重研究感知、控制和优化技术的协同融合。最后,分析当前存在的机遇与挑战,铁前大数据分析和运行状态智能感知、铁前工序一体化智能协同管控和铁前工序全流程性能提升与优化控制或将成为铁前工序绿色智能制造的前景方向。     

基于工况识别的辊式淬火过程板形预报方法

板形是衡量淬火后钢板质量的重要指标之一,板形的预报对高质量钢板的持续稳定生产具有重要的指导意义.本文提出一种基于工况识别的辊式淬火过程板形预报方法,为淬火生产控制决策提供参考依据.首先对淬火过程进行特性分析;然后采用模糊C均值聚类算法对淬火过程进行工况识别,使用支持向量机建立各工况的板形预报模型,并运用改进的粒子群优化算法提高模型的精度;最后利用工业生产数据进行实验,结果验证了本文所提方法的可行性与有效性.     

智能制造在钢铁冶金铁前工序的应用现状及展望

钢铁工业是促进我国经济持续发展的支柱型行业。钢铁冶金铁前工序环节较多,面临着数据量大、难以实时监控、难以把握生产状态、人工经验难以准确决策等诸多问题。铁前工序智能制造可推动钢铁企业实现产业转型升级。目前,数字孪生、透明感知、智能运维和智能决策分别在实现多源异构数据的采集与整合显示、系统运行状态信息采集、关键设备的监控与预警和生产参数与指标的优化方面取得了较好的成果,重点从这4个方面阐述了智能制造在铁前工序中的应用,并对未来的发展方向作出了展望。     

原料工况自适应的烧结混合制粒水分控制系统

针对烧结混合制粒过程存在原料流量波动和时滞的问题,提出一种原料工况自适应的水分前馈串级控制方法。首先,考虑到烧结的配重、各原料流量和水分等因素,采用专家规则的方法和物料平衡的原理,建立基于原料工况自适应的加水量前馈计算模型,获得加水流量的设定值;然后,采用自适应模糊PID控制算法,建立水分串级控制系统,实现混合料水分的稳定跟踪控制。通过在国内某钢铁企业烧结过程中的运行效果分析,二次混合的混合料水分误差基本控制在±0.2%左右,原料流量波动造成水分正的扰动比原来减小了29%,负的扰动减小了70%,有效抑制混匀矿、生石灰等原料物料流量波动和水分检测滞后造成的影响,提高了水分控制精度,有利于烧结过程的稳顺进行。