高炉炼铁配料计算应用系统的设计与应用

高炉物料是高炉冶炼的基础,高炉配料是影响高炉生产的至关重要因素。以高炉物料平衡计算为理论基础,以建立高炉配料计算应用软件为切入点,建立了应用可行的高炉炼铁配料计算应用系统,从而保证了高炉配料和变料计算的准确性,实现了高炉配料计算的自动化。     

高炉炼铁配料计算应用系统的设计与应用

高炉物料是高炉冶炼的基础,高炉配料是影响高炉生产的至关重要因素.以高炉物料平衡计算为理论基础,以建立高炉配料计算应用软件为切入点,建立了应用可行的高炉炼铁配料计算应用系统,从而保证了高炉配料和变料计算的准确性,实现了高炉配料计算的自动化.     

高炉中碱金属的研究进展

根据前人的研究结果,对高炉中碱金属的研究现状进行了综述,分析了近年来高炉中碱金属危害再次出现的原因,碱金属对高炉冶炼的危害途径以及高炉排碱措施,探讨了今后的研究方向,为降低碱金属对高炉冶炼的危害提供了理论依据.     

包钢高炉结瘤原因机理及防治途径研究

包钢高炉结瘤的历史及为害。1980年在两座大高炉上治理炉瘤的经验和经济效果以及在55立方米高炉上试验和研究结瘤的结果。碱金属及氟在高炉内循环富集动力学及影响因素。包钢高炉结瘤原因分析及机理探讨,与一般高炉结瘤的共性和特性。治理包钢高炉结瘤的途径,     

氧气高炉多流体数值模拟与分析

为研究不同氧气高炉操作流程及操作参数对高炉内部过程产生的影响,预测氧气高炉流程各参数的变化规律,基于多流体理论、冶金传输原理、冶金反应动力学与热力学理论以及计算流体力学建立了普通高炉多流体模型,并在此基础上修改边界条件及内部相关参数,建立氧气高炉多流体数学模型。通过建立的模型分别对普通高炉和气化炉氧气高炉(GF-FOBF)流程中的氧气高炉进行了模拟计算,得到两种工艺流程下高炉内温度场、浓度场和速度场等典型参数的分布情况。通过对计算结果的对比,分析了氧气高炉操作条件下炉内状态的主要特征和相对于普通高炉发生的变化,发现氧气高炉内部速度场、温度场均发生变化,特别是气相组分的均匀分布问题明显。本模型可为氧气高炉流程试验及流程开发提供参考。     

锌在高炉内渣铁中溶解行为计算分析

通过分析锌在高炉下部的行为,结合高炉物料平衡和锌平衡计算,建立锌在高炉内渣铁中溶解行为计算模型.定义高炉炉腹煤气锌含量指数,表征锌在高炉内的循环富集程度.运用某钢厂的实际生产数据进行计算,得出该高炉炉腹煤气锌含量指数为568;高炉炉渣、铁水中的锌均处于饱和状态,炉渣、铁水中的锌含量分别为最终冷态下炉渣、铁水中锌含量的316倍和10倍;同时分析了锌在高炉炉底砖衬的堆积机理和锌对高炉风口的侵蚀机理,提出减缓锌对高炉破坏作用的防治措施.     

高炉过程检测技术的发展

本文从气体动力学参数对冶炼过程的影响分析出发,着重介绍了苏联和日本近几年来在高炉过程检测和控制技术方面的发展状况,从中可以看出,由于检测手段的进步和检测器的完善,为高炉操作者提供了准确而可靠的高炉过程信息,使判断和控制高炉反应过程的精度大大提高,从而为实现高炉过程全盘自动化和高炉冶炼过程最佳化奠定了基础。     

基于减压阀组调节的高炉顶压控制策略

为了提高钢铁冶炼的质量,优化高炉顶压的控制方法。以大中型高炉为研究对象,通过分析高炉的工艺流程及影响炉顶压力的因素,构建了高炉炉顶压力的数学模型。在此基础上探讨了一种基于减压阀组调节的高炉顶压控制策略—跟随比例积分微分（tracking proportion integral differential, T-PID）控制 。为验证此数学模型和控制策略的有效性,应用matlab/simulink搭建了系统仿真模型,仿真结果验证了该策略的正确性。将该方法应用于某钢1#高炉顶压控制系统,结果表明高炉顶压波动能控制在±3 kPa左右,具有良好的效果。     

基于机理、数据和知识的大型高炉冶炼过程建模研究

高炉冶炼过程具有强非线性、大时滞和欠调节的特性,其内部为多相多场耦合的复杂动态系统,仅单一地从机理角度构建高炉模型或简单地利用高炉数据建模很难达到较好的效果.为此,利用新型高炉传感器所测数据,并结合高炉冶炼机理、运行数据和专家经验构建了几个高炉局部模型.几个模型都以高炉实际数据进行了测试,并且成果已运行于柳钢2号高炉之上.     

煤粉-菱镁石混合喷吹对安钢高炉操作的影响

对安钢7号高炉的造渣制度进行了分析,提出从风口添加含MgO物料是改善炉渣性能的有效途径.在安钢7号高炉进行了添加轻烧菱镁石的煤粉喷吹工业试验.结果表明:风口喷煤中添加轻烧菱镁石可以有效地解决w(Al2O3)升高对炉渣冶金性能和高炉冶炼的影响,有利于优化高炉生产指标.对安钢7号高炉,煤粉中添加轻烧菱镁石的适宜比例为3%;炉渣中w(MgO)/w(Al2O3)为0.60～0.65时,高炉铁水物理热明显改善、硫的分配系数有所提高.在实施混合喷吹措施时,应适当调整高炉的热制度、造渣制度、焦炭负荷,控制适宜的高炉"炉缸煤气热量的平衡点"等参数.     

煤气中氯对高炉冶炼过程的影响及防治预测

氯元素对高炉冶炼过程的影响在日渐显现出来,并已对高炉的冶炼过程造成了严重影响,主要表现为:1)使高炉风口结渣,风口通道面积减小,风压升高,影响喷煤作业和高炉炉况的顺行；2)形成的NH4C1固体堵塞煤气管道,影响煤气的输送和使用；3)导致TRT机组流道快速结垢,引起机组振动而造成停机；4)影响高炉炉料的冶金性能,给高炉的冶炼带来不利影响.减轻氯元素对高炉冶炼影响的较好方法是研制出一种适合钢铁工业的脱氯剂,以此来降低氯元素对高炉冶炼的危害.     

唐山国丰1号1780 m3高炉入炉碱金属分析与控制

针对国外进口块矿碱金属含量高,计算了国丰钢铁高炉碱金属平衡关系.通过试验研究得到了改进高炉排碱能力的措施,为高炉生产提供了理论基础.     

基于SPC的高炉炉况异常检测研究

针对高炉冶炼过程复杂多变,影响高炉炉况的因素众多且运行过程复杂,为保证高炉炉况稳定顺行,开发了一种基于主元分析(PCA)和统计过程控制(SPC)的高炉炉况异常检测模型。由于高炉运行参数具有高耦合和非高斯的特点,该模型首先采用主元分析算法对高炉实际生产的历史离线数据进行聚类分析,然后应用基于T²统计量的多元控制图和单值控制图对聚类后的新变量和相关参数进行监测,从而达到监测高炉出现异常炉况的目的。该模型可以实时监测高炉炉况的异常波动,其中PCA算法将高炉本身的高维数据降到低维,大幅去除数据中的噪声和不重要特征,在实际生产和应用中,节省了大量的成本和时间。选取马钢某高炉炼铁过程为应用场景,结合数据特点调整和改进算法,通过历史数据模拟和实时在线运行验证模型的可靠性和算法的有效性,同时也对指导高炉实际操作技术做出了一定的贡献。     

钢铁企业高炉煤气供需预测模型及应用

以钢铁企业高炉煤气系统为研究对象,采用灰色关联度分析了高炉煤气产生量、消耗量的影响因素与煤气量的关系.基于人工神经网络预测方法,建立了高炉煤气BP神经网络预测模型,对钢铁企业各生产工序中高炉煤气的产生与消耗量进行预测,探讨了企业在正常生产、事故检修等工况下各工序的煤气产生量和消耗量预测的合理性.研究表明:所建立的预测模型精度高、误差小,能有效解决实际生产中高炉煤气的供需预测问题,从而减少高炉煤气放散,为企业制定合理煤气使用计划提供了理论依据.     

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3.13 kg/t,平均相对误差降低5.19%。     

高炉煤气除尘系统的设计

以1000m3高炉为例,本文详细介绍了高炉煤气除尘系统的设计。     

氧气高炉条件下含铁炉料的程序还原行为实验研究

采用高炉多区域约束数学模型对典型氧气高炉流程进行模拟计算,确定了其在不同位置处的煤气成分,并结合传统高炉的升温制度,采用程序还原实验装置对含铁炉料在氧气高炉和传统高炉中的还原历程进行研究。结果表明,氧气高炉条件下,烧结矿和球团矿的还原开始温度较传统高炉分别降低60℃和150℃;当温度达到1 100℃时,氧气高炉条件下,烧结矿和球团矿的还原度(RI)基本均达到100%,而传统高炉下其还原度(1 RI)分别为94%和83.1%。另外,经对反应后炉料的化学分析得出,氧气高炉条件下烧结矿和球团矿中的含碳量分别约为传统高炉条件下的10倍和2.5倍。     

Snort规则库在高炉专家系统知识库的移植

知识库及其相关技术为高炉专家系统各个模块提供数据支持和理论依据,组织恰当的知识库对于高炉专家系统是至关重要的。Snort作为优秀的开源入侵检测系统,其规则库的建立和处理方法是其优秀性能的基础,对高炉专家系统中知识库的构建具有很好的借鉴意义。介绍了Snort规则库结构,结合高炉特证参数,将Snort规则库结构重新定义,移植为高炉专家系统知识库三维链表结构,并用图例说明,最后说明基于该结构的推理过程。     

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3.13 kg/t,平均相对误差降低5.19%.     

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.