高炉炉壁侵蚀状态预测的神经网络分析法

采用二维简化的炉壁模型，用ANSYS软件进行热传导仿真计算，同时在MATLAB环境中建立BP网络模型，并利用炉壳外部测点的温度值识别炉壁侵蚀线，从而证明了神经网络方法在高炉炉壁侵蚀状态预测中应用的可行性。     

喷射精炼过程炉衬侵蚀模拟研究：Ⅳ.从炉衬的机械冲蚀研究复吹转炉…

在复吹转炉所受剪切应力和冲击应力分布的模型实验研究基础上，本文研究了不同炉型的炉衬所受剪切应力分布，为合理选用炉型提供依据，实验结果表明，底吹对延长转炉炉衬寿命有利，转炉下部形状的合理性可以减少流动死区和降低液面波动；还表明在复吹转炉内接近钢液面的炉衬所受侵蚀最为严重。在受损最严重的地方可以采用特殊材质的炉衬或使炉壁向上呈有扩张趋势的梨状炉型，来达到减少炉壁受侵蚀的速度，同时还讨论了转炉大小与底吹     

提高电炉炉衬寿命的几种途径

阐述了通过一些小的技术改造，在机械设备允许的条件下进行合理扩容，将三支电极向中心倾斜，增加电极到炉壁的距离，降低耐火材料的侵蚀指数。提高炉壁的水冷效果，实施水冷挂渣技术。增加铁水装入量，缩短冶炼周期的方法。在现场实施后，效果良好。     

CR炉用镁铬质耐火材料的侵蚀机理分析

由于CR炉相较于传统火法冶炼炉有较大的工艺区别,关于其镁铬砖侵蚀机理的研究文献较少。本文以扩大实验用CR炉耐火砖残砖为研究对象,采用化学分析、物理性质检验、电子探针等手段进行侵蚀过程分析研究,探究炉渣对镁铬耐火砖的侵蚀机理,得到如下结论:炉壁砖的损坏程度高于炉底砖;炉壁砖以渣的侵蚀渗透为主,MgO首先溶解到渣中,而侵入耐火材料的渣在耐火材料中形成硅酸盐化合物、镁铁橄榄石、铁酸镁和硅酸镁等,渗透进入的铜锍不与耐火材料反应;炉底砖以铜锍以及金属单质Cu、Fe、Pb的渗透为主。     

用灰气体加权和模型研究非灰参与介质炉内的辐射热交换

对参与介质的非灰行为采用灰气体加权和（ＷＳＧＧ）模型，并把ＷＳＧＧ模型与段法结合分析计算了简单加热炉中炉壁黑度对炉内辐射热交换的影响。计算结果表明，加热物料吸收的净辐射热流随炉壁黑度的增加而减少     

转炉炉衬侵蚀机理及防护

<正>转炉冶炼是在高温条件下的一系列物理、化学反应过程,在这个过程中炉衬受到一系列强烈的机械、物理、化学作用而侵蚀。1.侵蚀机理(1)机械冲击侵蚀加废钢、兑铁水等操作都是直接对着转炉大面炉衬,对大面炉衬产生强烈的冲击、磨损、冲刷,是炉衬耐材侵蚀的主要因素。(2)物理作用冶炼过程中炉内气流对炉壁、炉帽等耐材的冲     

用段法分析高辐射率涂料强化传热的机理

用段法计算了灰体和非灰介质加热炉中的热交换，分析了炉壁热阻和炉壁内表面黑度对炉内辐射换热的影响，阐明在不同的介质中，炉壁特性对炉内辐射传热影响的机理是不同的，第一次得出在非灰介质加热炉中，炉壁温度会随炉壁黑度的增大而降低的结论。     

电炉炼钢过程渣线镁碳砖侵蚀机理研究

针对宝钢电炉冶炼过程中，炉衬渣线镁碳砖耐火材料侵蚀严重导致电炉炉龄偏低的问题，通过对镁碳砖耐火材料侵蚀微观结构的观察及钼丝炉内炉渣侵蚀镁碳砖试验，得知FeO_x·MnO·MgO相是镁碳砖耐火材料溶解到炉渣后形成的主相，渣中FeO、MnO具备了溶解MgO能力，炉渣中FeO_x含量偏高是导致镁碳砖耐火材料侵蚀严重的主要因素；电炉炉渣体系内，炉渣碱度对镁碳砖耐火材料侵蚀影响不明显。钼丝炉内炉渣侵蚀试验表明：温度越高，镁碳砖耐火材料侵蚀越严重；高温段保温时间对侵蚀影响不大；渣线镁碳砖耐火材料进行冷热交替试验后，镁碳砖耐火材料侵蚀相对严重。根据试验结果，采取降低炉渣FeO_x含量、缩短冶炼过程炉与炉之间间隔时间等措施，炉壁镁碳砖耐火材料侵蚀得到缓解，电炉中期炉龄稳定提升到450炉以上。     

准三维法在高炉炉缸内衬轴截面侵蚀计算的应用

为了提高高炉炉缸内衬侵蚀情况的计算精度、缩短计算时间,运用准三维法研究高炉炉缸内衬轴截面的侵蚀情况。该方法利用周向传热量修正项代替周向上的传热,并给出了周向传热量修正项的处理方法。利用ANSYS软件建立了炉壁轴截面的侵蚀模型,采用逐步逼近法修改侵蚀边界,进行稳态求解,并详细阐述了准三维法的计算过程。通过实例,分析了二维和准三维侵蚀方法的差异。仿真结果表明,该方法是正确的、可行的,准三维法较二维法计算精度高,计算时间短,近似于三维侵蚀分析。     

电弧炉炉壁氧枪的搅拌特性研究

通过对1：10的偏心底出钢电弧炉进行水模型实验，探讨了电弧炉炉壁氧枪的流量、布置、垂直角和水平角各个因素对混匀时间的影响，确定了炉壁氧枪因素的最佳取值后对流场进行了研究。说明炉壁氧枪对电弧炉熔池搅拌有良好的辅助效果。     

高炉铁水温度的多元时间序列建模和预测

针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型。应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度。     

基于T-S模糊神经网络模型的高炉铁水温度预测建模

 针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于T-S模糊神经网络的高炉铁水温度预测模型。最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性。     

石钢高炉铁水含硅量神经网络预报模型

按照现代控制理论,利用人工神经网络方法,把高炉视为多输入—单输出系统,结合高炉生产实际建立了石钢高炉铁水含硅量神经网络预报模型。通过引入动态步长和惯性项系数提高了网络收敛速度。采用不断更新学习样本集的方法提高了铁水含硅量预报的命中率。结果表明:在允许误差为0.1%时,命中率达到了86.67%,可以为高炉操作提供指导。     

高炉炉喉煤气流分在数学模型

应用人工神经网络方法中的误差逆传播模型（BP）建立了高炉炉喉煤气而分布数学模型。该数学模型在攀钢4高炉VAX机上在线运行，能连续推测炉喉煤气流分布，其命中率达到82％，有效地指导了高炉操作。     

Some applications of neural networks for prediction of blast furnace irregularities

The on-line analysis of operational data and prediction of furnace irregularities, though difficult, are essential for the improvement of the control of blast furnace operation. Three models based on artificial neural networks for the recognition of top gas distribution, distributions of the heat fluxes through the furnace wall, and for the prediction of slips have been designed. The off-line test results showed that a trained perceptron network could recognise various types of top gas profiles. A classifier consisting of a self-organising feature map network and a learning vector quantizer could classify the characteristic patterns of heat flux distribution; and a model based on a back propagation network could properly predict the probability of upcoming slips in advance. The most important operational variables needed for predicting slips have also been extracted. It has been proved that the neural network used has a good capability of predicting furnace irregularities.     

石钢高炉铁水含硅神经网络预报模型

按照现代控制理论,把高炉视为多输入单输出系统,利用人工神经网络方法,结合高炉生产实际,建立了石钢高炉铁液中硅神经网络模型;通过引入动态步长和“惯性项系数”提高了网络收敛速;并不断更新学习样本集,提高了铁液中硅预报的命中率。结果表明,在允许误差为0.1%时,命中率达到86.67%,可为高炉操作提供指导。     

Evaluation of Scheme Design of Blast Furnace Based on Artificial Neural Network

Blast furnace scheme design is very important, since it directly affects the performance, cost and configuration of the blast furnace. An evaluation approach to furnace scheme design was brought forward based on artificial neural network. Ten independent parameters which determined a scheme design were proposed. The improved threelayer BP network algorithm was used to build the evaluation model in which the 10 independent parameters were taken as input evaluation indexes and the degree to which the scheme design satisfies the requirements of the blast furnace as output. It was trained by the existing samples of the scheme design and the experts＇ experience, and then tested by the other samples so as to develop the evaluation model. As an example, it is found that a good scheme design of blast furnace can be chosen by using the evaluation model proposed.     

小波模糊神经网络在高炉炉温预测中的应用

在运用模糊神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪,根据去噪处理对模糊神经网络作相应处理的预测模型,并将所建模型应用于高炉炉温预测。仿真结果证明小波模糊神经网络比模糊神经网络更具优越性,预测准确率明显提高。     

���ڻ�ɫ����������ELM��¯�¶�Ԥ��ģ��

Aiming at the inherent defects of the traditional blast furnace temperature model, a kind of grey relational analysis based ELM (extreme learning machine) temperature prediction model was put forward. Due to the characteristics of ironmaking process with multivariable nonlinear, strong coupling, the traditional modeling methods were unable to meet the requirements of high precision prediction of blast furnace temperature. Firstly, the correlation of input variables was analyzed with the gray correlation analysis, and then the performance of the model was improved. Secondly, combined with analytical variables, the neural network was trained by ELM learning algorithm. Finally, the field data was used for training and testing of the network, and then compared with the traditional model. The results show that the model can predict the blast furnace temperature quickly and accurately, and also can meet the guide workers to manipulate the needs of blast furnace.