基于深度森林算法的烧结矿转鼓指数预测模型

传统烧结转鼓强度检测方法存在检测结果滞后问题,这已经严重制约了烧结质量的提高。为了保证高质量烧结矿的顺利生产,提出了一种以烧结机实际工作生产数据为基础,应用深度森林算法建立的转鼓指数实时预测模型。首先,采集储存于异源数据库的2年内的烧结矿生产数据,并进行数据处理工作。然后,利用反向特征筛选方法提取了适用于转鼓指数预测的最优特征参数组合。最后,利用深度森林算法建立了转鼓指数预测模型。预测结果分析表明,与随机森林、支持向量机模型相比,深度森林模型综合预测能力最优,预测值误差接近零且展现出更高的命中率。通过烧结机实际工作生产数据检验和对模型进行训练和优化,能够达到对转鼓指数进行快速精准预测的目的,对烧结现场中烧结矿的高质量生产具有一定指导意义。     

基于烧结状态与集成学习的烧结矿转鼓强度预测

鉴于影响烧结转鼓因素较多,难精准预测的问题,将数据分析与现场经验结合,提出了一种基于烧结状态与集成学习的烧结矿转鼓强度自适应预测模型。该模型首先通过数据收集整合、异常数据识别与缺失数据处理等数据预处理过程,获取高质量烧结矿转鼓强度预测数据集合;再采用Boruta算法结合Pearson线性、XGBoost非线性相关性分析选择转鼓强度预测模型输入特征,避免了模型输入特征的不完整性;最后采用5种不同机器学习算法构建转鼓强度集成学习预测模型,各子模型预测结果权重可根据烧结生产实际情况进行自适应更新。结合现场生产实践与烧结历史数据分析,通过烧结终点温度与主管负压对烧结状态进行区分,在误差范围为0.5%时,转鼓强度的预测命中率在90%以上。     

镍矿粉与巴西粉、普精粉配比优化研究

通过烧结杯试验对不同配比的镍矿粉与巴西粉、普精粉搭配烧结进行了分析.研究了烧结过程中烧结速度、负压、终点温度及烧结矿化学成分、转鼓指数、成品率和烧结矿粒度组成等各方面的变化,选出了最佳的配比结构,并通过操作参数的优化,改善烧结过程,达到了稳定烧结生产,提高烧结矿质量,降低成本的目的.     

Malaysia矿正交烧结试验及应用

本次正交试验按四因素、三水平进行方案设计,通过烧结杯试验,考察烧结矿转鼓指数、-10 mm粒级含量变化,研究各因素在不同水平下的烧结技术质量指标,拟求适合烧结生产的Malaysia矿配比、工艺参数和操作参数.试验结果表明,在本次试验原料条件下,配加Malaysia矿对烧结矿转鼓指数和粒度组成皆有负面影响。     

混匀矿砷含量及烧结技术指标的显著性分析

选取重钢5月份原料结构调整期间,执行不同配矿方案生产的7堆混匀矿,统计混匀矿砷元素含量、烧结利用系数及转鼓指数,建立数学模型,在计算机上通过Excel软件对数据进行了处理。单因素方差分析显示,不同配矿方案下,混匀矿砷元素含量,以及烧结利用系数、转鼓指数有显著变化,进一步对不同水平效应值进行点估计,判断出最优配矿方案,并计算出最优水平下砷元素含量、利用系数、转鼓指数的置信区间,为确定合理的配矿方案提供了参考。     

基于RFE-DNN的烧结矿性能预警模型

针对某钢厂铁前数据库中烧结物料的预警空值与预警模型不完善问题，提出了一种烧结矿性能预警模型。将传统烧结工艺理论与大数据技术相结合，对原厂烧结生产数据进行预处理并搭建相应的烧结数据仓库，运用RFE(递归特征消除)对生产参数进行特征选择、重要性排序与相关性分析，然后运用DNN算法构建烧结矿化学成分与质量指标的预测模型，预测V₂O₅、CaO/SiO₂、TFe和FeO的R²分别达到0.965 8、0.824 7、0.846 2和0.871 1,预测筛分指数和转鼓指数的R²分别达到0.899和0.875,满足预测精度需求，并将预测结果结合预警区间对烧结矿性能进行预警。     

韶钢不同煤焦比的烧结杯试验研究

针对韶钢目前使用的三种烧结用煤,进行了烧结杯对比试验及不同煤焦比的烧结杯试验研究.结果表明:坝发煤的烧结效果最好;用煤粉替代焦粉进行烧结生产是可行的,但会使烧结矿的产量降低;当煤粉:焦粉≤1时,烧结矿的转鼓、产量、冶金性能都较好;而煤粉:焦粉1时,烧结矿的冶金性能明显变差,转鼓、产量都有所降低.     

人工神经网络在烧结矿指标预测中的应用

应用误差反向传播方式建立了烧结矿性能指标预测的神经网络模型,并用实际烧结生产数据对模型进行了训练,训练后的模型可以对烧结过程进行分析,并可对烧结矿的FeO含量和烧结矿转鼓指数进行预测。     

承德钒钛磁铁矿粉基础特性及烧结试验研究

通过研究承钢三种含铁精粉(黑山精粉、承德普通精粉、小营精粉)的矿相结构,差热分析及烧结特性,结果表明:三种铁矿粉均为典型的磁铁矿,铁品位、SiO2含量较低,TiO2、Al2O3、FeO含量较高;根据差热分析,三种矿粉均主要以磁铁矿形式存在,没有赤铁矿包裹磁铁矿的情况,矿粉增重的初始温度都比较低,高温区间TG曲线上升的斜率相同,均符合磁铁矿的氧化动力学条件;三种铁精粉单烧的垂直烧结速度慢,废气温度较低,烧损率较低,转鼓指数均较低,黑山精粉的转鼓指数最低,仅有55.33%;经混料烧结后,烧结矿转鼓指数得到明显提升,最高达到64.40%。研究结果为中钛型钒钛磁铁矿烧结提供了理论基础。     

印度GOA低品位矿烧结正交优化试验

通过设计四因素、三水平的正交实验,以烧结矿转股指数和-10 mm含量作为考察指标,采用烧结杯作为实验手段,研究各因素在不同水平下的烧结技术质量指标状况,得出适合烧结生产的印度GOA矿配比、工艺参数和操作参数.试验结果表明,在文中的烧结矿结构下,烧结配加印粉对烧结矿转鼓指数和粒度组成皆有负面影响.     

基于响应曲面法的烧结孔隙优化

基于烧结生产实际工艺参数,采用响应曲面法对烧结矿孔隙率进行优化研究,以碱度(A)、燃料配比(B)、燃料粒度(C)为设计变量,以烧结矿孔隙率(Y1)和转鼓指数(Y2)为目标函数,建立数学模型,进行三因素的优化设计分析.研究结果表明,碱度和燃料配比对孔隙率和转鼓指数影响显著,燃料粒度的影响较小;碱度与燃料配比、燃料配比与燃...     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

首钢京唐降低烧结矿SiO2含量的研究及应用

采用烧结杯试验方法对首钢京唐铁矿粉低SiO2烧结及优化措施进行研究,并进行工业试验及工业应用。结果表明,在京唐配料结构下,烧结矿SiO2质量分数由5.60%降至5.00%,烧结矿转鼓指数、成品率和粒度有所变差。粗化焦粉粒度对提高转鼓指数的效果最明显;提高混合料温度对烧结各项指标基本都有改善,尤其对提高成品率的效果最明显;提高料层厚度对降低燃耗等指标有利。在工业应用中,采取提高料层厚度30 mm、提高料温5~10 ℃、放宽燃料粒度（小于3 mm比例）2%、降低镁质熔剂使用量以及优化配矿等措施,使京唐烧结矿的铁酸钙体积分数基本得到保证,达到45%以上,促使烧结矿产质量保持稳定且有改善。     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

首钢京唐大型烧结机成功应用与烧结生产实践

首钢京唐钢铁厂在曹妃甸新建2台烧结机面积为500m2的烧结厂。总体设计采用先进、成熟的工艺技术和大型化的技术装备,突破传统冶金工程的长流程工艺布局,实现短流程紧凑式布置。应用烧结机和环冷机台车栏板加宽技术,为烧结矿增产、降低单位产量能耗创造条件,实施厚料层烧结。从2009年5月投产以来,烧结生产设备运行稳定,烧结料层厚度达到830mm,烧结矿碱度合格品率为99.71%、转鼓指数为81.79%,工序能耗（标煤）为47.70kg/t,远低于同期国内钢铁企业和韩国浦项光阳厂烧结工序能耗,达到国内一流、国际先进水平。     

基于烧结大数据预测小于10 mm烧结矿含量模型

为了给高炉提供合格的烧结矿，提出基于烧结生产线各个环节的大量数据，将XGBoost算法、因子相关分析与深度学习算法相结合的大数据技术对烧结矿小于10 mm粒级含量进行预测。首先，对烧结厂数据库的数据进行搜集、整合和预处理；其次，进行因子分析，筛选出适合建模的14个相关变量并进行变量之间的相关性分析；最后，建立深度神经网络算法模型。通过测试并与传统算法模型进行性能比较，结果表明，模型预测效果很好，达到了精确预测烧结矿小于10 mm粒级含量的目的，对烧结实际生产具有很好的指导意义。     

BP网络在烧结矿质量预测中的初步应用

烧结矿质量指标包括FeO含量、转鼓强度、还原性、低温还原粉化以及软化和熔滴性能等多方面，寻求烧结矿质量指标分析的新方法和有效途径是极为必要的。本文通过建立烧结矿质量指标预测的神经网络模型，利用实际烧结生产数据对模型进行训练，对烧结矿低温还原粉化性能(RDI)和转鼓强度(TI)进行预测。     

Failure of metallurgical sinter

Strength tests of sinter associated with the optimization of sinter production have certain deficiencies, whose analysis calls for models of sinter failure. The theory of melt mixing in sintering and structure formation in the sinter cake is reviewed. A model for the failure of metallurgical sinter is proposed on the basis of a model of the stress state of the solid inclusions in the matrix and a failure model based on the Rittinger law. The load in the sinter pieces in the test drum is determined, and a method is proposed for adapting the model of sinter failure by means of granulometric data regarding the test products. The adaptation employs the probability distributions of the model parameters. The dependence of these parameters on the sinter basicity, the carbon content in the batch, and the size of the limestone pieces is determined.     

铁矿粉富氧烧结试验研究

为提高烧结矿冶金性能,以不同氧气流通量(0、6、7、8 m3/h)进行铁矿粉富氧烧结试验研究,结合试验过程的废气温度、收缩率、烧结速度等技术参数和烧结矿的显微矿相分析结果,研究不同富氧量对烧结矿的成品率、利用系数、转鼓强度、粒度组成等综合性能的影响。结果表明:在富氧7 m3/h的条件下,烧结矿综合指标达到最佳。与基准样相比,所得烧结矿中针状铁酸钙的比例明显增多,且烧结矿成品率、转鼓强度、抗磨指数分别提高了12.03%、0.66 MPa、1.2%;此外,烧结矿中的氧化亚铁含量与基准样相比有所降低,其他化学成分无明显影响。富氧烧结有利于提高烧结矿强度,降低高炉冶炼焦比,对实际生产具有提高冶炼效率的指导意义和降低生产成本的经济意义。     

不同SiO2质量分数精粉对烧结指标的影响

为了比较不同精粉配入混合料后对烧结指标及烧结矿质量的影响，进行了精粉高温性能测试及烧结杯试验。结果表明，不同精粉的表观形貌及高温性能有显著差别；在基本不改变熔剂结构的条件下，随精粉SiO2质量分数的升高，液相流动性显著降低，烧结过程中黏结相生成量减少，不利于混合料中各矿物之间黏结成矿。采用不同精粉烧结时，烧结矿微观矿物结构具有显著的差异；精粉中SiO2质量分数升高会导致烧结矿中铁酸钙生成量减少，SiO2酸盐逐渐增多，孔洞增加。与低SiO2精粉烧结相比，采用高SiO2精粉烧结后，固体燃耗增加，转鼓指数下降，粒度组成中小于10 mm的量增加。