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。     

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。     

铁水含硅量预报神经网络模型

针对我国高炉的检测水平，采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型，该模型具有良好的适应性和自学习功能。     

高炉铁水含硅量将实现计算机预报

高炉炼铁的生产过程,是钢铁企业的“咽喉”。我国目前的状况是:原料成分复杂,称量不准,检测仪表少,致使高炉生产仍须工长凭经验进行调节。为解决这一问题,清华大学与鞍山钢铁公司经过几年努的力,研制出可在现场指导高炉工长操作的高炉铁水含硅量预报计算机系统。该系统减少了因判断不准、调节不当造成的炉况波动,对保证高炉的稳定顺利、增加产量,节约焦炭、提高生铁一级品率起到重要作用。该系统在高炉正常生产的情况下即可安装调试,操作使用全国汉字,宜于高炉工长使用。据     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统。引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型。用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1％时命中率达到81％。     

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.     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统.引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型.用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1%时命中率达到81%.     

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.     

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。     

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.     

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.     

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.     

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.     

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.     

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。