烧结机焙烧酸性球团矿矿物组成和显微结构

针对烧结机焙烧酸性球团工艺焙烧负压低、固结速度快等工艺特点 ,对不同烧结机焙烧工艺条件下的酸性球团矿矿物组成和显微结构进行了研究 .结果表明 ,在烧结机焙烧工艺条件下 ,采用低硅铁精矿、添加 1%膨润土时 ,球团矿仍以磁铁矿和赤铁矿再结晶的固相固结为主 ,不同于传统的烧结矿固结方式 .当印度矿配比增加时 ,球团矿中磁铁矿随着增加 ,球团结构变致密 ,转鼓强度提高 .当煤粉用量增加 ,球团矿中磁铁矿再结晶增加 .煤粉用量为 4.5 %时 ,球团中磁铁矿占 5 0 .2 % ,结构较致密 ,转鼓强度和利用系数均较佳 .过高的煤粉用量使得球团矿中气孔率增加 ,局部过熔 ,出现蜂窝状结构 .球团矿中SiO2 增加 ,磁铁矿再结晶增加 ,赤铁矿再结晶减少 ,液相量变化不大 ,球团矿转鼓强度增加 ,还原性降低 .

带式烧结机焙烧的酸性球团矿矿物组成及结构

研究了涟钢 4 0m2 带式烧结机上试生产的酸性球团矿的矿物组成和结构。该厂酸性球团矿以Fe3O4 和Fe2 O3的再结晶固结为主 ,呈交织结构 ,强度高 。

烧结机漏风率测点布局方案研究

在烧结机漏风率测试研究中,为获得准确高效的测试方案,利用多孔介质模型、SIMPLE算法和标准两方程湍流模型,运用CFD/FLUENT对烧结机台车-风箱-支管段进行数值仿真,根据实际生产状况改变料层温度值和出口压力值,得出相应的压力场、温度场和速度场。结果给烧结机漏风率测量的测点布局提供理论依据,从而得出合理的漏风率测点布局方案。结果表明:通过数值模拟的方法能得出烧结机漏风率测点布局方案,改进方案能对烧结机漏风率参数进行准确高效地测量。

混合料矿槽模糊预估器的建立

混合料矿槽料位控制系统是一个大滞后、非线形、时变的控制系统。本文应用模糊预估器去实现混合料矿槽料位控制 ,通过近一年的运行 。

430m^2带式烧结机旋转阻尼器加载装置设计与动力学仿真分析

以430 m2带式烧结机为例,对烧结机下台车列起拱与台车速度波动问题进行了研究。通过建立单辆台车的力学模型,得出下台车列无起拱的力控制阈值;分析了引起台车速度波动的原因;针对尾部星轮角速度波动引起的台车速度波动,提出将旋转阻尼器安装在尾部星轮主轴上来减小波动幅值。仿真结果表明,液压阻力矩加载装置与旋转阻尼器串联使用后,彻底解决了起拱问题,尾部星轮的最大角速度波动值降低了59%,台车速度波动得到了极大地缓解,最大速度波动值仅为之前的40%。

用行程开关测量烧结机台车速度和终点位置

本文介绍了利用自行研制的行程开关测量烧结台车速度和终点位置的方法，将该方法用在烧结机尾断面图象分析仪中控置摄象时刻取得了良好的效果．

安(阳)钢烧结厂提高90m^2烧结机利用系数的实践

安钢烧结厂从提高原料混匀效率、配加生石灰、改进工艺和设备以及加强操作等方面入手 ,有效地提高了烧结机的利用系数和烧结矿产量 ,满足了高炉生产的需求。

铬精矿烧结大型化工艺研究与应用

铬系铁合金冶炼中,利用铬精矿生产的铬烧结矿可有效降低铁合金冶炼成本。文章针对铬精矿烧结的特点,论述了铬精矿烧结的工艺流程和主要设备选型,创新设计并建造了国内最大的一条采用120 m2带式烧结机配套环冷机生产铬烧结矿的生产线。通过对生产的跟踪,摸索出每吨铬烧结矿配加膨润土量控制在110±10 kg、混合料的水分控制在7.5%±0.5%时,混合料制粒效果和烧结料层的透气性较好;每吨铬烧结矿配加焦粉量控制在130±10 kg时,能够保证烧结矿质量满足要求,铬烧结矿的成品率达70%,并提出了稳定烧结生产的措施。该生产线的投产为铬精矿烧结的大型化发展提供了宝贵的经验。

关于大型烧结机生产操作方法的探讨

根据武钢烧结厂的生产情况,从质量控制、能耗控制和产量控制三个方面探讨了大型烧结机的生产操作方法。

铬精粉矿带式烧结工艺研究与实践

针对铬精粉矿的特性和烧结难题,对其烧结制粒和烧结工艺配方进行了研究,得出优化配比结论:水分配比11%~13%、焦粉5%~8%、膨润土3%~6%为宜,配加部分颗粒物料对制粒和烧结均有益。同时,介绍了某公司建设的45 m^2带式烧结机设备参数和工艺流程,对烧结铬精粉矿的工艺进行了优化实践,得出优化配方和烧结指标。烧结实践证明:带式烧结机可烧结处理铬精粉矿,并且烧结指标较好,烧结矿质量指标适宜于矿热炉冶炼生产,该烧结方式得到产业化应用。

临钢烧结降低固体燃耗的实践与探讨

本文分析了临钢24m2烧结机固体燃耗高的原因，并在总结近几年降低固体燃耗实践的基础上，提出了今后进一步降低燃耗的思路和措施。

烧结机煤气消耗量预测模型的性能比较研究

针对钢铁企业烧结机煤气消耗量预测精度较低的问题,研究建立差分自回归移动平均模型(ARIMA)、长短期记忆网络模型(LSTM)和极端梯度提升模型(XGBoost),用于预测烧结机的高炉煤气消耗量,利用钢铁联合企业的实际数据对比验证了预测模型性能。结果表明,XGBoost模型的预测精度高于ARIMA模型和LSTM模型。XGBoost模型的MAPE为3.45%,RMSE为703.53 m^(3)/min,R^(2)为99.91%,鲁棒性和泛化能力较强。此外,为了强化预测模型与烧结机不同运行状态间的联系,对烧结机不同运行状态的煤气消耗量进行预测。LSTM模型在烧结机正常生产状态表现出最好的预测效果,XGBoost模型则在烧结机减产和增产状态预测效果最佳。