铁矿粉高温性能特征数之间的关联性研究

为了快捷地评价铁矿粉高温性能,为烧结配矿提供依据和参考,采用铁矿粉高温性能特征数,对15种不同铁矿粉的高温性能特征数进行了测定。铁矿粉高温性能特征数主要包括同化反应特征数(TH)、流动性能特征数(LD)和粘结强度特征数(BS),它们是根据冶金物理化学和传输原理,将铁矿粉高温反应过程中的反应温度、时间等参数,与实际相结合,同时考虑了温度、生成速率和烧结生产实际温度的影响,建立理论与应用之间的联系,动态地表征反应过程中的行为信息。根据自身粘结相强度与烧结矿转鼓强度有很好的对应关系,在此基础上,分别分析了TH和LD与BS之间的关系。结果表明:当TH和LD均适中时,其BS最好,由此可以推论其成矿的转鼓强度质量也较好。     

铁矿粉高温反应性能综合指数评价烧结性能

 为了解决如何利用铁矿粉多项高温反应性能指标评价其烧结性能的难题,基于综合评价方法,提出了铁矿粉高温反应性能综合指数,并通过铁矿粉高温反应性能4项指标的测定及烧结杯试验,研究了单矿A、B、C以及C矿分别与A矿和B矿混合的矿粉的高温反应性能及烧结性能。结果表明,对于高温反应性能,混合矿粉同化性能和液相流动性具有线性迭加性,黏结相自身强度和铁酸钙生成特性线性迭加性差。对于烧结性能,混合矿粉烧结矿转鼓强度具有线性迭加性,烧结矿产量（利用系数）和固体燃耗没有线性迭加性。无论单矿或混合矿,烧结转鼓强度与其高温反应性能综合指数呈线性正相关,其[R2]（相关系数的平方值）值分别高达0.9403和0.9702,拟合度好;而烧结利用系数及固体燃耗与其相关性差。因此,铁矿粉高温反应性能综合指数可以很好地评价和预测烧结矿转鼓强度,但不能有效地解释烧结矿产量和固体燃耗的变化。     

铁矿粉与CaO同化反应性能的表征方法

为解决在研究铁矿粉与CaO进行同化反应时通常采用最低同化温度这一终点体系指标来表征,而没有考虑同化反应速度和升温速率的缺陷以及采用多个指标来表征同化反应温度和速度在使用上的不便,本文充分利用铁矿粉在高温同化反应过程中获得的数据和范特霍夫规则,提出了量纲为1的同化反应特征数.该特征数包括同化反应速度、升温速率、同化温度和温度对同化反应速度的影响,可用来表征铁矿粉与CaO的同化过程中铁矿粉的同化温度、同化反应时间、同化反应结束温度等性能,并以烧结过程中的实际温度作为基准.该特征数综合了铁矿粉与CaO在同化反应过程中各重要信息,可以更全面地反映铁矿粉与CaO的同化反应性能.对两种方法得到的结果进行了比较,发现仅考虑最低同化温度这一终点指标时得到的结果相近,而采用同化反应特征数可以进一步细分出不同铁矿粉同化反应性能的差异.      

基于铁矿粉的高温性能特征数指导烧结配矿

为了指导烧结生产配矿,利用高温性能特征数对铁矿粉的高温性能进行研究。铁矿粉的高温性能特征数结合了烧结过程的各种信息参数,从而能够更加准确、全面地表征烧结铁矿粉的高温基础特性。在对7种单一矿粉进行实验分析的基础上,按照其高温性能差异,将混合矿粉中的等性能矿粉进行置换,分析置换前后混合矿的高温性能变化,并通过工业实验,验证置换前后烧结矿的质量波动。实验结果表明,在一定比例范围内,等性能矿粉置换,混合矿粉高温性能特征数变化不大,高温性能稳定,生产出烧结矿转鼓强度保持在稳定水平,质量满足高炉生产要求。可用于指导烧结配矿,为实际烧结生产提供参考依据。     

基于铁矿粉高温基础性能的烧结配料优化研究

对铁矿粉的高温基础性能进行了测定,并以此为依据,进行了烧结杯优化配矿试验.以垂直烧结速度、转鼓强度和低温还原粉化性能作为评价指标,考察了不同配矿方案的优劣.结果表明:当改变混合料中高温基础性能不同的铁矿粉配比时,会对烧结过程生成液相的数量产生影响,进而影响烧结矿产量和冶金性能.     

烧结矿粘结相粘结强度特征数的研究

烧结过程中,铁矿粉粘结相与未熔含铁矿物间的粘结强度,对烧结矿的形成及强度都起着至关重要的作用。对8种不同铁矿粉烧结产生的粘结相的粘结强度进行研究,对烧结矿的形成过程进行微元选取和理想处理。测定粘结相与未熔含铁矿物两者之间的剪切力来表征粘结相的粘结强度。充分考虑不同矿粉高温特性和国内使用情况的差异,选取同化性能、液相流动性能居中,配矿占比高且应用广泛的PB粉作为基准矿粉,建立粘结相粘结强度特征数,并可作为参考指标进行指导配矿。     

基于辅料运行特性的烧结矿质量预测模型

 从辅料运行特性的角度对烧结工艺做了总体分析,并对烧结矿的质量指标及其影响因素做了研究,在此基础上运用了一种带动量项和变学习率的BP神经网络算法建立了烧结矿质量预测模型。模型预报结果表明,用拓扑结构为15-20-4的BP神经网络和0000191的网络误差进行训练后,模型的命中率在833%以上,充分展示了基于辅料运行特性的烧结矿质量预测模型的准确性和有效性。     

基于BP神经网络的烧结过程预报模型

根据烧结矿化学成分与烧结工艺的预报、控制特点,采用了BP神经网络方法建立了烧结矿化学成分的预报模型。仿真实验的结果表明,模型具有较高的预测精度和较强的自学习功能,用拓扑结构为15-21-4的BP神经网络和0.6×10~(-3)的网络误差进行训练,模型的预报命中率在75%以上,充分验证了基于过程参数控制的烧结矿化学成分预测模型的准确性和有效性。     

基于BP神经网络钒钛烧结矿低温还原粉化性能预测

为了改善钒钛烧结矿的低温还原粉化性能,将BP神经网络算法应用于钒钛烧结矿低温还原粉化性能预测中,指标数据的样本分为输入样本和输出样本,其中:输入样本为配碳量、碱度、w(Mg O)以及FMG粉配比,输出样本为钒钛烧结矿RDI+3.15,运用BP神经网络算法探索输入样本与输出样本间的关系。结果表明:BP神经网络模型适用于烧结矿还原粉化性能的研究,可以根据输入样本有效的预测输出样本,且平均相对误差为5.7%,满足工程实践中预测精度的要求,为钒钛烧结矿生产提供了指导。     

基于模糊数学的多目标非线性配矿模型研究

对烧结矿性能进行分析,运用模糊数学理论、铁矿粉的理化性能和高温性能特征数,建立了加权型评价模型,由此获得一个可以综合评价烧结矿性能的参数β。模型中权重和隶属度函数分别用Fuzzy AHP方法和指派法进行确定。利用评价模型,在对烧结矿性能和供应量进行约束的基础上,将成本最低和烧结性能最好同时作为目标函数,建立多目标非线性的配矿模型,并用粒子群优化算法和Visual Studio软件编程对模型求解,得到最优配矿方案。基于新方法得到的烧结优化配料模型,通过实际生产运用,验证了模型的可行性。     

神经网络与激光诱导击穿光谱技术结合的烧结矿中硅元素定量分析方法探究

烧结矿中二氧化硅的含量对高炉炉渣产量以及冶炼能耗有重要影响,因此探索一种能够快速、准确地分析烧结矿中硅元素含量的方法具有重要的研究意义。拟采用激光诱导击穿光谱技术(LIBS)对30个烧结矿实际样品进行快速分析,收集其190～300 nm范围的光谱信号,先建立特征线(Si 288.16 nm)的标准曲线,分析特征线信号强度与元素浓度之间的关系;再以不同数量的特征作为输入,建立神经网络预测模型,分析不同模型的预测性能。实验结果表明,标准曲线法预测性能较差,相关系数为0.230 9;以55个特征建立的神经网络预测模型出现了过拟合现象,无法满足检测需求;以5个特征建立的神经网络预测模型为3个模型中最优,针对测试集,相关系数为0.886 3,均方根误差为0.209 0,相对误差为1.42%。此外,随着特征数的减少,模型平均训练时间从11.9 s缩短至0.3 s。LIBS技术结合神经网络方法能够有效地分析烧结矿中硅元素的含量,将为冶金过程快速调整配料提供数据支撑。     

基于铁矿粉的高温性能特征数指导烧结配矿

??In order to guide the ordination of sintering production?? high temperature performance characteristic numbers were used to study the high temperature performance of iron ore fines. The high temperature performance characteristic numbers of iron ore powder combined with various information parameters of sintering process?? which could characterize the high temperature characteristics more accurately and comprehensively. Based on the experimental analysis of 7 single ore fines?? different kinds of equal performance ore fines in the mixed ore were replaced according to their high temperature performance difference?? and the high temperature performance of the mixed ore after replacement was analyzed. Then the quality fluctuation of sintered ore before and after replacement was verified through industrial experiments. It is found through the experiments that within a certain percentage?? the high temperature performance characteristic numbers of mixed ore powder change little and the high temperature performance of the mixed ore remains stable basically during the equal performance replacement. The tumbler strength of sinter is maintained at a stable level?? and the quality meets the requirement of the blast furnace production?? which can be used to guide the ore proportioning and provide reference for actual sintering production.     

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。     

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。     

基于神经网络集成-X射线荧光光谱法的铁矿石中全铁含量测定

为了探索人工智能在铁矿石品质快速检验中的应用,研究了机器学习算法与化学计量学和X射线荧光光谱仪(XRF)相结合快速测定铁矿石中全铁含量的方法。收集来自于不同产地的,主要物相为赤铁矿、褐铁矿、磁铁矿、针铁矿和多物相混和结构的铁矿石样品共1098个作为样本集。采用X射线荧光光谱仪对铁矿石样品熔片进行扫描,扫描后的光谱图提取数据点后作为神经网络的输入,以全铁含量作为输出结果。然后依据X射线衍射(XRD)得到的物相结构优化自组织(SOM)网络,并对全部样本的XRF图谱进行分类,对分类后的每一个子集分别采用反向传播(BP)和径向基函数(RBF)网络建立回归子模型,对各子模型的预测结果进行整合,最终建立基于集成神经网络和X射线荧光光谱法的铁矿石中全铁含量预测模型。方法模型建立后,不需要额外标准物质建立校准曲线,能够实现对未知样品的分类和输出全铁含量结果。     

铁矿粉烧结优化配矿及其模型研究进展

随着铁矿粉资源的不断消耗,各类铁矿粉呈劣化趋势,且大量新矿种出现,使烧结优化配矿需求愈发迫切.主要介绍了铁矿粉常温和高温等基础特性.其中,常温特性主要有化学成分、铁矿粉种类、粒度组成等,同时重点分析了与烧结生产息息相关的高温特征指标,主要有同化性、液相流动性、黏结性强度、铁酸钙生成特性、连晶特性、熔融特性、吸液性和烧结...     

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。     

基于综合神经网络的优化配矿系统模拟模型及应用

针对烧结配矿的复杂性，建立了综合神经网络模拟模型，用以仿真烧结配矿与烧结矿产质量指标问的关系，并利用生产数据对模型进行了检验。综合神经网络的应用能大大提高预报的命中率。同时，对在其他领域的应用，也有很好的参考价值。