高炉炼铁智能化的研究现状与展望

在环保与去产能化的双重影响下，中国钢铁开始向高质、智能、绿色的生产模式转变，传统的高能耗、高污染的高炉冶炼理念已不再适用于“十四五”规划的发展方向。随着大数据与人工智能技术的兴起，新一代钢铁工业在智能制造的推动下向着绿色制造迈进，通过分析钢铁企业多年积累的数据而建立各种预测模型已成为一种大趋势。本文首先以高炉智能化转型作为研究背景，通过由简入繁的方式介绍了当前高炉冶炼指标预测模型及冶炼过程监测系统。然后，分析了数据处理与专家决策优化策略的重要性，并简要阐述了当前各企业高炉大数据云平台的搭建情况。最后，对高炉智能化转型作出了相应的结论与展望。     

高炉喷吹富氢煤造气工艺的(火用)分析

针对高炉喷吹富氢煤造气新工艺，在采用热质平衡数学模型获得系统整体物质流的基础上，利用■分析理论建立了相应的■流分析数学模型，评价其能量利用情况。对传统高炉和两种工况条件下喷吹富氢煤造气高炉系统的■流分布以及■损失、热力学完善度、■效率等主要■指标进行计算和进一步分析。结果表明，与传统高炉物料结果相比，新工艺两种工况下条件下的矿石用量、鼓风量、渣量和炉顶煤气产生量等资源消耗、副产品降低幅度较为明显；技术经济指标中，喷吹富氢煤造气高炉工况1号和工况2号的焦比分别降低了9.2%和22.3%;尽管煤比升高了18.6%和26.1%,但系统整体燃料比仍降低1.1%和8.2%。高炉喷吹富氢煤气新工艺的■能结构不同于传统高炉，■收入来自于高炉单元的焦炭和造气炉单元的煤，同时增加了造气炉单元焦炉煤气和工业氧的■投入。虽然新工艺两种工况下总■投入较传统高炉分别升高了5.4%和5.1%,但外供煤气可利用的质量较高，■收益较高。新工艺总■损失明显降低，较传统高炉降低了16.5%和21.7%,热力学完善度由传统高炉的82.0%上升到了85.6%和86.5%,能量利用质量得到了提高。此外，新工艺■效率也有所升高，...     

考虑节理影响的岩体基本质量指标定量评价

岩体完整性系数K_v是确定岩体基本质量指标BQ的主要参数，目前国家标准只考虑节理数量而未反映节理倾角和填充物对K_v影响。通过对含不同节理面的花岗岩岩样的纵波波速测试，探讨节理数量、倾角、填充物对岩体纵波波速的影响规律。考虑节理倾角、填充物的影响，提出了一种定量计算K_v的评价方法。将K_v视为正态分布随机变量，以90%的保证率估算K_v值，获得与Jv的对应关系，结果与国家标准推荐值非常接近。从岩体力学强度评价角度，计算验证了该方法在实际岩体评价中的适用性。提出方法可为岩体基本质量指标BQ的定量评价提供参考。     

基于深度学习的烧结返矿量组合预报模型研究

返矿量是影响烧结矿质量和炼铁成本的重要因素。针对该数据难以在短时间内获得且相关预测研究较少的问题，本文提出了一种应用深度学习算法构建的烧结返矿量组合预报模型。该模型首先将烧结实际生产流程大数据与数据预处理技术相结合，建立模型基础数据集；然后将烧结流程中存在的滞后性与时域神经网络相结合，实现模型的提前预报功能；同时将皮尔逊相关性分析和PCA技术制定的烧结配料规则与深度森林相结合，实现模型的实时监测功能。预测结果分析表明：该模型整体误差范围(返矿量在15 t/h内)命中率能够达到90%以上，并展示出良好的提前预报和实时监测效果，能够达到预测返矿趋势与数量的目标。     

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。