高炉炼铁过程多目标优化模型的研究及应用

基于高炉炼铁过程的物质与能量守恒,采用多目标优化方法,建立了以能耗、成本及CO2排放为目标的高炉生产过程优化数学模型,并将该模型应用到某大型钢铁企业.编制程序得出优化结果,经与实际生产数据比较,验证了模型的正确性.优化结果表明:能耗、成本和CO2排放量均有不同程度降低.同时,利用模型分析了焦比、煤比、烧结矿品位等因素对...     

炼铁配矿集成配比优化模型的应用研究

针对高炉炼铁中入炉前原料和燃料生产成本存在的问题,以实际生产数据为基础,研究分步配比优化模型和集成配比优化模型的应用,并比较了两种配矿配比优化模型的炼铁生产成本.结果表明,分步配比优化模型达到分步最优却不一定能达到全局最优,集成配比优化模型较之分步配比优化模型,其应用效果可实现炼铁成本最低.     

基于多目标粒子群的加热段炉温优化设定

目的在考虑退火工艺指标和能耗指标的同时,对冷轧不锈钢连续退火炉加热段的炉温稳态进行优化研究,合理地设定连续退火炉加热段稳态炉温.方法通过考虑退火工艺指标和能耗指标的同时,使用基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)建立炉温稳态设定的多目标优化模型,从所提出的算法获得的Pareto最优解集和Pareto最优前沿中通过加权的方法选取适合生产的最优解.结果将基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)与基于分解的多目标粒子群优化算法(d MOPSO)针对加热段炉温稳态优化设定的仿真结果进行对比,R2-MOPSO算法优化得出的带钢温度升温曲线较为理想,消耗燃料较少.结论在满足生产质量要求和降低成本的同时,R2-MOPSO算法可以合理地设定连续退火炉加热段稳态炉温,更好地引导工业生产.     

基于投入产出模型的武钢炼铁系统能耗与节能潜力分析

针对武钢炼铁系统建立多级能源投入产出模型,采集并分析武钢炼铁系统2010~2013年生产及能源数据,通过该模型计算焦炭、烧结矿及铁水的能值与能耗,运用吨钢能耗e-p分析法计算工序节能量,采用指数平滑法预测未来一年的能源需求量。结果表明,降低焦化、烧结、高炉工序能耗,加大回收余热、余能等二次能源的力度,增加喷煤量以提高煤焦置换比以及优化生产结构等措施均有助于该炼铁系统的能耗降低。     

基于改进多目标布谷鸟算法的污水处理优化控制方法

针对如何确定污水处理优化控制中关键变量的最优设定值,以满足出水水质达标的同时尽可能降低能耗的问题,提出一种基于改进多目标布谷鸟算法的污水处理多目标优化控制方法.首先,通过对污水处理过程的分析,建立基于神经网络的污水处理能耗和出水水质模型;其次,利用改进多目标布谷鸟算法同时对污水处理能耗和出水水质模型进行优化,得到溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对关键变量的最优设定值进行跟踪控制,实现污水处理过程的多目标优化控制.仿真实验结果表明,与其他几种方法相比,所提出的方法在保证出水水质参数达标的前提下,更好地降低了污水处理过程的能耗,实现节能降耗和保护环境的目的.     

基于偏最小二乘回归的高炉铁水硅含量模型

在高炉炼铁过程中,常用铁水硅含量[Si]来衡量铁水的质量和表征高炉的热状态,即用铁水硅含量反映高炉炉温.将偏最小二乘回归方法应用于预测硅含量[Si]中,在高炉炉况相对稳定的条件下,得出影响硅含量[Si]的因素为风量和喷煤,与冶炼专家的经验相符.利用包钢6号高炉的数据,建立铁水硅含量[Si]的回归模型,该模型对高炉炉温预测的准确度达到87.61%,对在线监测高炉硅含量具有一定的实用价值.     

基于深度信念网络模型的多目标优化

为降低炼焦能耗,提高焦炭产量和质量,准确建立生产目标模型,提出基于深度信念网络模型的多目标优化研究方案。根据现场专家经验及生产现状确定能耗和产量为生产目标,对采集的炼焦数据进行处理和相关性分析,分别建立能耗和产量的深度信念网络模型及质量径向基神经网络模型,并且采用差分扰动的粒子群多目标优化算法进行集气管压力设定值优化,通过仿真研究验证了该方案的可行性。实验表明,该方案能准确地挖掘数据间的复杂特性,建立精准的目标模型,并得出最佳的集气管压力设定值,使炼焦能耗降低并且产量提高,可以为实际生产提供理论指导。     

高炉炉料结构优化模型设计与应用

以高炉炼铁专家知识为依托,以VB和MATLAB软件为平台,以Microsoft Access数据库为工具,构建了高炉炉料结构优化模型。此模型不仅能计算得到适合炼铁工艺的最优吨铁配比,而且可以根据最优配比计算出生铁产量、燃料用量、熔剂用量、渣量及炉渣成分等生产所需数据。     

考虑时滞因素的RBF神经网络模型在高炉铁水硅预报中的应用

在高炉炼铁生产过程中,铁水硅含量反映高炉炉温,预测和控制炉温对高炉生产的节能、降耗、顺行至关重要.基于包钢6号高炉生产数据,建立了RBF神经网络铁水硅含量预测模型.研究表明:考虑时滞因素的RBF神经网络模型,当误差范围＜±0.10时,预报准确率达到了85％,其准确度高于不考虑时滞因素的RBF神经网络模型,对在线预测高炉铁水硅含量具有实用价值.     

WSN中基于多目标优化的协同任务分配算法

对无线传感器网络目标跟踪中的协同任务分配机制进行了研究,针对一般任务分配算法中优化目标单一的缺陷,提出了一种基于多目标优化的任务分配算法.首先,建立了基于动态联盟的具有跟踪精度、系统能耗、负载均衡等多个目标参数的优化模型,并采用多目标进化算法NSGA-Ⅱ对模型进行求解;然后,提出了一种基于折中度的决策精选策略,从最优解集中决策出最终的任务分配方案.针对跟踪精度、能耗、负载均衡的仿真结果表明:所提算法可以对多个目标并行优化,较快收敛到全局最优解;与一般任务分配算法相比,该算法可获得更佳的调度结果.     

基于机器学习和遗传算法的高炉参数预测与优化

针对目前高炉炼铁模型精度不高问题,提出建立高炉生产过程中精确的多目标优化模型.首先对高炉的海量数据进行了数据预处理,其次采用支持向量机、随机森林、梯度提升树、XGBoost、LightGBM、人工神经网络6种机器学习算法对高炉焦比、K值进行了预测,并采用特征工程和超参调优对机器学习预测进行了优化,最后采用新的集成学习方法进行预测.预测结果不仅精准度高而且具有很好的鲁棒性.在机器学习的基础之上,采用NSGA-Ⅱ遗传算法对高炉参数进行了多目标优化分析,得到了Pareto最优解,高炉操作者可以根据该多目标优化结果针对不同的需求选择相应的控制参数.     

氧气高炉工艺研究进展及新炉型设计

从氧气高炉的数学模型、实验室实验以及工业试验角度系统分析了氧气高炉工艺的发展现状及趋势,同时讨论了氧气高炉炉型的设计依据。论述了氧气高炉的静态工艺模型研究需要计算合适的直接还原度和热空区温度,同时应考虑氧气高炉工况下生产率的变化、热损失的变化、风口煤粉的喷吹上限以及N2的循环积累等问题。指出了多维动力学模型和多目标优化模型中尚需解决的问题,以及氧气高炉数学模型的主要发展方向。结合文献研究中的氧气高炉特点,从炉身高度设计、炉腹角和炉身角设计以及风口设计3方面综述了氧气高炉炉型设计的变化规律。     

喷吹煤气后高炉热平衡

针对高炉富氧喷吹煤气的新工艺，进行了热平衡和物料平衡计算。通过分析研究得到：当富氧率为10％，喷吹600m^3tFe时，与唐钢1#高炉相比，新工艺的焦比可降低约40％左右。同时炉内还原气氛强、冶炼强度高、能耗少、炉顶煤气热值高，风口理论燃烧温度可进行灵活的调节，高炉上下部热量可达到均衡的分配等特点，彻底消除了喷吹煤粉给高炉冶炼带来的负面影响。高炉富氧喷吹煤气具有十分诱人的开发应用前景。     

高炉炼铁新技术的数学模拟研究

利用多流体数学模型对革新高炉炼铁技术进行了数学模拟,分析评价了革新操作对炉内现象及高炉生产指标的影响.这些革新炼铁技术包括高炉喷吹含氢物质实现富氢还原,高炉使用热压含碳球团实现低温炼铁,以及高炉炉顶煤气喷吹加强C和H的利用.多流体模型的模拟解析表明,高炉超高效率操作(高产、低能耗和低CO2排放)可通过这些革新技术的实际应用来实现.     

喷吹煤粉在高炉内有效放热的计算

在当前我国钢铁行业举步维艰的不利形势下,控制钢铁生产过程中消耗的燃料成本已迫在眉睫。本文选取了12种高炉生产过程中实际使用的喷吹煤样,通过分析煤中不同化学组分对煤粉燃烧释放热量的消耗,综合计算了煤粉在高炉内燃烧可释放有效热量,提出了高炉喷吹煤种更为科学合理的评价方式。     

高炉焦比目标优化模型应用及结果分析

介绍了目标高炉应用焦比优化模型在线运行的环境,通过模型在线运行,得到了有关参数的优化结果,将优化民实际生产参数比较,结果是目标高炉降低烧结矿在熟料中的比例,提高球团矿比例,同时提高风温和富氧率,在煤粉喷吹量达186kg/t的基础上,可望将焦比降低到300kg／t左右水平。     

全氧高炉炼铁工艺模拟分析

建立了全氧高炉工艺的系统模拟模型。该模型能够计算不同原燃料、不同操作参数下的原料消耗、熔剂消耗、渣量及其成分、各种煤气量及其成分等。模型计算结果表明：在炉身矿石金属化率为90％时,若在炉身底部吹入较多的循环煤气,热量的需求决定了完成炉身内矿石还原所需的煤气量;若在炉缸吹入较多的循环煤气,还原性气体的需求决定了完成炉身内还原所需的煤气量。在焦比固定和正常操作条件下,煤耗的计算值基本随系统输出煤气量的增加而线性增加。在焦比取为200 kg时,经计算获得的系统最低煤比为200 kg左右。