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.     

高炉铁水硅含量序列的支持向量机预测模型

基于包钢6号高炉的在线生产数据,首先建立铁水硅含量序列的自回归AR(p)模型,分析其滞后阶数;然后对硅含量的自回归项及影响因素进行主成分分析,找到多元变量相互独立的有效信息作为输入变量;最后建立铁水硅含量的支持向量机回归预测模型。该模型对炉温预测的准确度达到88.2%,对在线监测高炉炉温具有一定的实用价值。     

基于分类回归树的高炉铁水硅含量预测模型

针对高炉铁水硅含量的预测问题,作者探索出基于分类回归树算法的建模策略,为高炉炉温控制提供了新的可选思路.针对某高炉的在线生产数据,分别建立了分类回归树预测模型和支持向量机预测模型,并从命中率、均方根误差对模型的性能进行了分析.结果表明:分类回归树模型的预测精度整体优于支持向量机模型,尤其在炉况波动较大时预测效果较好.     

基于自回归分布滞后模型的高炉铁水硅含量的预报

高炉冶炼过程中,铁水硅含量是评定高炉炉况稳定性和生铁质量的重要指标,其预测和控制对高炉的稳定顺行有重要意义.基于包钢6号高炉的生产数据,建立差分时间序列的自回归分布滞后模型对高炉铁水硅含量进行预测.结果表明:在炉况波动较小的情况下,该模型的预测命中率能达到87.5%,对实际的生产操作过程有一定的指导意义.     

高炉铁水硅含量预测系统

高炉铁水中的硅含量不仅是衡量产品质量的一个重要指标,而且反映了高炉能量利用的好坏.铁水硅含量的准确预测,能够指导高炉配料和高炉冶炼操作,实现降低铁水硅含量的目的.根据硅还原的机理从热力学和动力学方程出发,经推导得出了铁水中硅含量的预测模型,并结合高炉物料平衡及热平衡计算,编制成高炉铁水硅含量的预测系统.将实际高炉的原料条件及操作参数输入系统,得到了高炉铁水硅含量的预测值.该预测值与实测值相比,误差范围小,命中率高.从而表明该预测系统在实际运用中具有可靠性.     

高炉主要操作参数与铁水含硅量滞后关系分析

随着钢铁工业生产的进步,炼铁和炼钢工艺均对铁水硅含量提出了越来越高的要求。降低高炉铁水硅含量不仅是高炉的冶炼方向,也是现代炼钢工艺的必然要求。文中以高炉炉温预报和操作指导模型的开发为背景,对影响模型的主要操作参数与铁水含硅量滞后关系进行了相关性和滞后时间的分析,为准确实现高炉炉热判断奠定了基础。     

高炉铁水含硅量的模糊预测函数控制

在高炉炼铁过程中,铁水含硅量既是衡量铁水质量的重要指标,也是表征高炉热状态的关键参数.设计了一种比较新颖的预测函数控制模型,计算了影响铁水含硅量变动的几个关键参数的时滞.通过所设计的预测函数控制模型确定了铁水含硅量与这些参数之间的近似函数关系,应用该函数就莱钢1号高炉所采集的数据对铁水含硅量进行了局部的预测控制,效果很好.     

高炉炉温预报方法研究

由于合理的高炉炉温是高炉稳定生产的重要因素之一,所以对高炉炉温控制方法进行探讨,并针对实际生产过程中各个钢铁企业对高炉炉温预报方法,分析得出对高炉炉温预测的有效方法是利用回归模型,时间序列模型、神经网络模型进行数值预报,由高炉专家系统进行宏观炉温发展趋势预报,多种方法相结合,才能达到较高的预测准确率。     

人工神经网络预测高炉铁水硅含量

提出了BP神经网络预测高炉铁水硅含量的几种网络优化方法,指出了神经网络预测硅含量的可行性与局限性.     

唐钢二炼铁厂3号高炉铁水硅含量神经网络预报模型

根据唐钢二炼铁厂3#高炉的生产情况和技术水平,建立了高炉铁水硅含量神经网络预报模型.模型采用BP网络,仿真试验结果表明,该模型具有较好的命中效果.同时,基于预报的铁水硅含量,结合部分专家知识,指导操作决策.具有很强的实用性.     

氧化锰对高氧化铝含量高炉渣性能影响的实验

南京钢铁集团公司高炉炉渣中氧化铝含量高达19%,因此炉渣流动性变差,高炉被迫采用高温操作,铁水硅含量偏高,影响了高炉的强化.针对这个问题,实验测定了由分析纯化学试剂配制的南钢高炉模拟渣样在加入氧化锰后的粘度,并根据实验结果分析了氧化锰对高氧化铝含量高炉渣性能的影响,得出南钢高炉降低铁水硅含量的措施.结果表明：在高Al2O3含量炉渣中,添加MnO对其降低粘度的作用效果非常大,同时炉渣粘度的降低将允许适当降低高炉操作温度,有利于降低铁水硅含量.     

湘钢铁水含硅预报模型的开发和应用

分析了原燃料条件较差、炉况稳定程度较低和检测仪表不多的湘潭钢铁公司２号高炉铁水含硅量数据的统计学特征。按照现代控制论的观点，将高炉视作多输入－单输出系统。当系统处于相对稳定的状态时，可以用若干个操作变量和模型预报偏差的多项式预报下一铁次的含硅量；根据赤池法则确定模型中包括的自变量及其阶数。应用该模型对９１５炉铁次的含硅量作离线预报研究，结果证明了模型的适用性。     

唐钢二炼铁厂3号高炉铁水硅含量神经网络预报模型

根据唐钢二炼铁厂3^#高炉的生产情况和技术水平，建立了高炉铁水硅含量神经网络预报模型。模型采用BP网络，仿真试验结果表明，该模型具有较好的命中效果。同时，基于预报的铁水硅含量，结合部分专家知识，指导操作决策。具有很强的实用性。     

六西格玛技术在高炉参数稳定性分析中的应用

铁水中硅和硫的含量是高炉炼铁的重要指标之一。通过六西格玛技术对硅、硫含量的变化,判断其是否稳定,确定出现不稳定的点或区域,从而为进一步分析造成不稳定的因素、制定合理的高炉操作指导提供依据。在分析过程中采用了六西格玛分析软件Minitab,分析结果表明,能够很好地达到判断稳定性的目的。     

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.     

神经网络高炉铁水含硅量预报模型

研究了基于神经网络的高炉铁水含硅量预报模型，运用高炉生产过程中工艺参数，实现了铁水含硅量的中短期预报，仿真结果表明，本模型具有良好的预报效果。     

On Niobium Reduction in Blast Furnace

The Baotou Iron Ore of China contains very high niobium. This paper reported the results through laboratory and practical experiments on niobium enrichment in blast furnace. The effect of temperature, constituents of slag and silicon content in hot metal on niobium recovery was studied and the results had been verified by blast furnace operation. According to the reaserch, a comprehensive extraction process that extraction combines with ore dressing and with pyro--hydro-metallurgy should be adopted for Baotou niobium resource which is difficult to concentrating. The methods of increase in niobium recovey were also suggested in this paper.