基于AdaBoost模型和SVM模型的铁水温度预测

以某炼铁厂3号高炉实际生产数据为基础,针对原始数据存在的重复值、缺失值和异常值等问题进行数据处理,选用AdaBoost模型和SVM模型对铁水温度进行预测。结果表明,AdaBoost模型相较于SVM模型取得更好的预测效果,R达到0.878,±5℃预测准确率为85.21%,可满足高炉实际生产需要。基于高炉炼铁数据仓库系统,建立FineBI前端工具与铁水温度预测应用的数据连接,构建由特征参数、相关性分析、预测结果、模型评估和预测曲线等模块组成的前端界面,实现了高炉铁水温度预测应用的可视化展示。

基于规则的铁钢界面铁水温度预测功能开发

为精确预测铁水温度,提高转炉冶炼质量和效率,文章以“鱼雷罐”为铁水转运工具,基于相关规则,提出一套行之有效的铁钢界面铁水温度预测功能开发方案。首先,结合某钢厂铁水转运工艺流程,分析铁水转运过程温降影响因素,并完成对铁水转运过程模型的构建。其次,从数据采集、数据治理、预测温度计算三个方面入手,完成对铁水温度预测功能设计。最后,应用铁水温度预测功能,可视化分析铁水温度变化趋势和特定时刻的铁水温度。研究表明:铁水温度预测值与实测值吻合较好,促使鱼雷罐在线周转率不断提升,使得铁水温降幅度降到最低,为提高钢铁企业智能化控制水平打下坚实的基础。

基于支持向量回归与极限学习机的高炉铁水温度预测

选取某4000 m^(3)级别高炉2014年至2019年时间范围内的日平均数据,以铁水温度为目标函数,首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理,获取了显著影响铁水温度的正负相关性特征参量.在此基础上,基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型,模型均可对铁水温度实现有效预测,基于支持向量回归算法构建的预测模型较优,预测平均绝对误差为4.33℃,±10℃误差范围内的命中率为94.0%.

支持向量机在高炉铁水温度预测中的应用

铁水温度是高炉冶炼过程的关键参数,是影响高炉稳定顺行及节能降耗的重要指标。以高炉炉内热状态的重要指示剂-铁水温度为研究对象,在综合利用K-means聚类和支持向量机方法的各自优势和互补情况下,提出一种基于K-means聚类的支持向量机预测铁水温度的方法,该方法首先将训练样本数据分为m类,建立m个支持向量机回归预测模型,同时采用粒子群算法优化模型参数;其次建立m个判别函数,判别待预测样本数据属于哪一类;最后将待预测样本数据代入相应类的回归模型中进行预测。相比标准支持向量机预测,得到了较高的预测精度。

铁水温度价值的分析和评价

提出了铁水温度价值和热价值的观点,对其进行了分析,提出了科学正确评估铁水质量和温度价值的方法。指出要进一步降低铁水单耗,要有技术上的投入和管理、政策上的支持。

基于最小二乘支持向量机的高炉铁水温度预测

关于铁水温度控制模型的优化设计问题,由于炉温变化为非线性的,采用传统的神经网络方法存在因素漏选、训练速度慢、预测精度低等问题。为解决上述问题,提出一种主成分分析(PCA)和最小二乘支持向量机(LS-SVM)的铁水温度时间序列预测方法。改进的方法首先对影响铁水温度变化因素的数据做主成分分析,求取主成分作为模型的输入变量,其次建立最小二乘支持向量机时间序列预测模型,并用粒子群算法优化模型参数,最后预测输出。采用某钢厂大型高炉的在线采集数据作为应用案例,建立改进方法的预测模型。相比小波神经网络时间序列预测模型,改进方法不仅可以考虑所有因素对铁水温度变化的影响,还具有训练时间短、预测精度高等优点。仿真证实了改进方法的有效性。

转炉入炉铁水温度低的原因分析及其对炼钢的影响

系统分析了新钢公司一钢厂转炉入炉铁水温度低的原因及铁水温度对炼钢的影响。

攀钢高炉炉渣温度低于铁水温度的原因探究

1 前言 钒钛氧化物及其还原产物在高炉内的行为和对渣铁性质的影响,是造成高炉冶炼钛磁铁矿与冶炼普通矿的根本区别所在。了解和掌握钒钛氧化物在炉内的还原变化及其对渣铁的影响对深入掌握高炉冶炼行程。

面向铁水温度的高炉异常数据检测及修补

铁水温度是表征高炉炉温的重要参数,受高炉数据采集系统影响,存在数据缺失及异常等问题,给高炉建模及操作优化带来较大的困难。针对常规异常数据检测及修补方法存在的误检测及修补精度低等问题,该文研究高炉异常数据检测及修补新方法。首先,从高炉操作的角度介绍现场数据采集的特点;然后,针对现场采集的数据存在的具体问题,用常规方法对异常数据进行检测、处理及修补,并说明存在的不足;进而提出以出铁批次为时间序列的多尺度的铁水温度异常数据检测及修补新方法。最后,应用某钢厂高炉数据做模型试验,结果表明该方法具有良好的有效性。

GA-BP的铁钢界面铁水温度预测

铁钢界面铁水温度对炼钢生产的控制与优化具有重要意义.因此,为了更加准确地获取铁钢界面铁水温度,本文采用较大样本构建了基于遗传算法(GA)优化的BP神经网络铁水温度预测模型.对影响铁钢界面铁水温度的因素分析,选取了出铁时间、预处理时间、重罐时间、空罐时间、出铁铁水温度、预处理后铁水温度、铁水质量7个关键因素作为模型的输入,铁钢界面铁水温度作为输出.结果表明:GA-BP神经网络预测模型具有较好的性能表现,绝对误差10℃范围内的预测命中率达到了89%,平均绝对百分比误差(MAPE)为0.39%,均方根误差(RMSE)为6.41℃.相比于BP神经网络预测铁钢界面铁水温度,GA-BP模型具有更高的精确度和稳定性.

基于LabVIEW的铁水温度在线监测系统的设计

将蓝宝石光纤插入AOD炉底枪主枪内,导出铁液内的光信号,通过比色法推导出铁水的比色温度并采集到计算机中,利用LabVIEW提供操作界面和显示界面,实现了铁水温度的在线数据采集、传送、分析、显示和查询功能。

涟钢KR法脱硫过程铁水温度变化规律研究

采用多元线性回归方法建立了涟钢KR法铁水预处理过程中铁水温度的变化模型,并利用此模型对涟钢KR法处理过程中铁水温度变化规律和影响脱硫过程温降的主要因素进行研究。结果表明,导致铁水温降的主要因素依次是搅拌时间、脱硫剂量、脱后扒渣时间和铁水等待时间;采用KR法处理过程中,铁水温降为24~53℃,允许KR处理最低温度约为1 210℃;通过合理确定脱硫剂加入量及搅拌强度、提高扒渣速度和缩短铁水等待时间可减少过程温降,降低处理成本。

铁水温度对炭砖坩埚动态侵蚀的影响研究

在实验室条件下,考察了不同铁水温度下、炭砖和焦炭同时作为渗碳碳源时,炭砖的侵蚀速率和焦炭的溶解速率及炭砖微观结构的变化。结果表明:在实验范围内,随着铁水温度升高,炭砖侵蚀速率和焦炭溶解速率加快,且焦炭的溶解速率远大于炭砖坩埚的侵蚀速率,说明铁液更易与焦炭发生渗碳反应;侵蚀后的炭砖分层明显,并且有清晰的铁液渗透通道。由此得出,在高炉实际生产中,添加渗碳性能好的焦炭以及定期更新炉缸内死料柱可在一定程度上缓解铁液对炉缸炭砖的侵蚀,从而实现高炉长寿。

铁水温度和硅含量对搅拌法脱硫的影响

从热力学和动力学两方面探讨了铁水温度和Si含量对搅拌法脱硫的影响。结果表明,较低的温度可以降低平衡时铁水中的S含量,较高的温度则有利于提高S的传质速度。Si控制着铁水中的氧含量,促进脱硫反应的进行;Si含量的变化对脱硫后的平衡S含量影响不大。Si在脱硫反应生成的致密性高熔点2CaO·SiO2层包裹着石灰颗粒,阻碍了S在渣中的传质。

高炉铁水温度成份对水淬粒化工艺的影响

1.前言 “脱碳粒铁”作为一种新型优质电炉炼钢原料,已在冶金行业中初露头角。“铁水粒化、固态脱碳、电炉炼钢”新技术,由于国内年产10万吨脱碳粒铁生产线的建成和投产,并在几家大钢铁企业的超高功率电炉上试用,证明这一新技术的成功和这一新型炉料代替普通废钢的诸多的优越性。此外,粒铁生产工艺与常规铸铁工艺相比还具有占地面积小,设备简单、投资少、重熔时间短,便于运输和机械化加料等优点。

高炉出铁过程中铁水温度及成份的变化

通过大量的测定 ,掌握了出铁时铁水温度和生铁成分的变化规律。经分析 ,了解了铁水温度与各种因素的关系。

提高铁水温度合格率的生产实践

概述了山东钢铁集团日照有限公司提高铁水温度合格率的生产实践情况,针对铁水温度合格率偏低的现象,从高炉出铁温度、铁水罐周转效率、铁水出铁量偏差等多个方面进行了分析。通过采取相应的措施,优化工艺操作,显著提高了铁水温度的合格率。

影响铁水温度的因素浅析

通过对湘钢炼铁高炉的铁水测温．找出了炼铁铁水罐粘罐的主要原因是铁水温度过低．同时还指出了1#高炉冶炼低硅铁的可行性。通过分析铁水温度的影响因素．找出提高铁水温度的有效途径。

提高铁水温度的途径

横观国外先进国家提高铁水温度的方法有两种:一是单独使用电炉熔炼铁水,二是冲天炉和电炉双联法熔炼铁水。 当前我国提高铁水温度的途径有: 1.严格执行修炉和开炉工艺,是提高出炉铁水温度的基础。 认真地落实修补冲天炉工艺和冲天炉操作规程,不但能消除冲天炉事故,保证冲天炉正常工作,而且能提高出炉铁水温度20～25℃,如果再实行曲线炉膛。

鱼雷罐加金属化球团对铁水温度的影响

在倒完铁水的空鱼雷罐中加入金属化球团,鱼雷罐再次受铁过程中,在铁水的动力学冲击和热力学作用下,金属化球团中的氧化铁与铁水中的碳和硅发生还原反应,可实现金属化球团的无危害返生产利用。研究了金属化球团对鱼雷罐中铁水温度的影响,从理论分析和生产实践两个方面,证实了金属化球团的加入不会降低铁水温度。