焦炭预测系统在邯钢焦化厂的应用

通过小焦炉和铁箱试验对大焦炉质量进行预测,建立了一套比较成熟的焦炭预测模型。该模型对预测大焦炉焦炭质量具有很大的帮助。

炼焦机理和焦炭质量预测的研究进展

综述了煤的热塑性、炼焦机理和焦炭质量预测的研究进展。煤的化学结构如煤中镜质组的烷基侧链和移动氢的含量决定了煤的热塑性,核磁共振、质子磁共振热分析、拉曼光谱和电子顺磁共振谱等从分子水平解释煤的热塑性、配合煤的相互作用和炼焦机理。塑性成焦机理认为,良好的氢传递和分子重排是炼焦中获得优质焦炭的重要条件,塑性成分在焦炭光学组织形成中非常关键,改变加热速率可使煤的光学组织形成机理改变。碱度指数(modified basicity index,MBI)、复合焦势(composite coking potential,CCP)和组合煤指数(combined coal index,CCI)等参数可精确地预测焦炭反应后强度和焦炭反应性。矿物质对焦炭强度的影响是研究热点,控制焦炭的裂纹和尺寸是未来焦炭质量的要求。

基于神经网络的特大型焦炉焦炭质量预测研究

预测焦炭质量是焦化企业面临的重要课题,对焦炭质量进行准确的预测,既保证焦炭质量符合要求,又合理利用煤炭资源。研究某焦化公司特大型焦炉炼焦配煤的工艺流程,采用具有非线性特性和自学习能力的BP神经网络对炼焦过程进行建模,确定焦炭质量预测模型的结构和参数,解决炼焦过程中变量之间复杂的非线性关系问题。使用MATLAB软件对模型进行训练和预测仿真,并对影响模型预测精度的因素进行详细的分析。最后采用MATLAB软件与VC++混合编程的方法来完成焦炭质量预测系统的开发。

基于PCA与RBF的焦炭质量预测模型

针对炼焦生产过程焦炭质量难于实时测量的问题,建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型。通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数;采用主元分析减少径向基函数网络的输入;最后采用k-均值聚类算法确定径向基函数隐含层的参数,并用最小二乘法确定线性输出层参数。采用炼焦生产过程现场数据进行仿真,结果表明,该模型具有学习速度快、跟踪性能好以及泛化能力强等优点,实现了焦炭质量的在线预测。

捣固胶质层指数在焦炭质量预测中的应用

通过对烟煤胶质层指数测定方法进行改进,在捣固密度为1.10t/m3下测定配合煤捣固胶质层指数(Yd,Xd),以配合煤的干燥无灰基挥发分(Vdaf)、黏结指数(G)和捣固胶质层最大厚度(Yd)为自变量,分别以焦炭的冷态强度(M10,M25)和热态性能(CRI,CSR)为因变量,利用多元线性回归分析方法,建立捣固密度下的Vdaf-G-Yd焦炭质量预测模型,并对其进行F检验和误差分析。结果表明,捣固胶质层指数(Yd,Xd)能更准确地反映配合煤在捣固炼焦过程中的黏结性能与结焦性能;与传统的Vdaf-G-Y焦炭质量预测模型相比,Vdaf-GYd焦炭质量预测模型具有更好的预测精准度,除M10的相对误差略有增加外,CRI、CSR、M25的相对误差均有所减小,其减小幅度分别为5.7%、12.8%和10.1%。

基于GRU神经网络多标签多分类的焦炭质量预测模型

通过关联配合煤中硫、灰分、挥发分的质量分数等主要的煤质指标,利用基于Adma算法为优化器的GRU神经网络模型,不断对模型参数进行调整后,通过sigmoid激活函数判断模型准确率的多标签多分类方法,建立了焦炭质量预测模型。结果表明:当三层GRU网络的隐层神经元数量为(64,64,64);学习率为0.01;样本批次大小为64;样本训练次数为50;丢弃率为0.3时,得到了模型的最优参数,此时模型预测准确率达到97%。采用GRU神经网络多标签多分类焦炭预测模型不仅具有高精度、低损失函数等特点,而且针对小样本配煤数据预测焦炭质量可以达到很好的效果,对实际的配煤炼焦具有一定的参考意义。

基于分布式神经网络的焦炭质量预测模型

焦炭质量预测模型是确保焦炭生产顺利的基础.但在生产多种类焦炭时,模型的泛化能力变差.针对此问题,提出了基于分布式神经网络的焦炭质量预测模型,给出了基于粗划分的自组织网络初始权值选取方法,通过对基于遗传算法-反向传播人工神经网络的预测模型(GA-BP)和基于自组织映射网络-径向基函数的分布式神经网络(SOM-RBF)的预测模型比较,发现后者比前者的预测精度高且稳定,完全满足现场要求.

共轭梯度法优化的BP神经网络焦炭质量预测模型

针对目前焦炭质量预测线性方法的现状及不足,建立了共轭梯度法优化的BP神经网络焦炭质量预测模型。该模型既能满足焦炭质量预测的非线性关系,又克服了神经网络收敛速度低、易陷入局部极小值的缺点。模型的实例验证分析表明,共轭梯度法优化的BP神经网络焦炭质量预测模型有较好的适应性和预测精度,具有一定的实际应用价值。

宝钢焦炭强度预测和配煤煤质控制

在总结国内外炼焦配煤控制方法的基础上 ,确定了宝钢焦炭强度预测和配煤煤质控制方法的基本思想 ,构筑了一种新的预测焦炭强度的参数CCI。根据试验获得的数据 ,采用多元逐步回归进行了焦炭强度的预测 ,宝钢焦炉焦炭的DI1 501 5 。

影响焦炭质量预测效果的原因分析

焦炭质量预测非常重要但误差较大,文章对影响焦炭质量预测效果的因素进行了探讨,将工艺变量引入预测模型用大数据方法进行研究,对误差原因进行了分析,并提出了改进建议。

指标可加性在焦炭质量预测中的应用研究

以有关参考文献中的配煤炼焦实验数据为研究对象,分析其数据具有明显非线性交互作用的规律,得到的结论是焦炭的性质尤其是热性质,是可以通过单种焦的热性质加和进行预测的。同时文中提出了改进的焦炭性质加和预测方法,既保持了加和方法简捷明了的优点,又限定了该方法的适用范围,有利于在配煤炼焦生产实践中应用。

基于双精英进化樽海鞘群算法优化ELM的焦炭价格预测

焦炭是焦化企业生产的重要工业原料之一,准确地预测其未来价格趋势对焦化企业制定排产计划具有重要意义。极限学习机(ELM)泛化能力强,计算速度快,适合作为焦炭价格预测的模型,但ELM的预测性能受模型关键参数影响较大,故需对其参数进行优化。基于此,文中提出了基于双精英进化樽海鞘群算法的ELM焦炭价格预测方法。首先,采用Logistic混沌映射、改进的收敛因子、自适应惯性权重和双精英进化机制来改进樽海鞘群算法,提出了双精英进化樽海鞘群算法(MDSSA),提高算法的搜索能力;其次,运用MDSSA优化ELM的连接权值与阈值,找到ELM的最优参数组合,构建MDSSA-ELM焦炭价格预测模型;最后,在8个基准测试函数上测试MDSSA的收敛性能,在实际焦炭价格数据集上对MDSSA-ELM模型的预测性能进行实验,实验结果表明,MDSSA-ELM相比其他方法预测能力更优,MDSSA相比其他群智能算法搜索能力更强,为焦化企业实现焦炭智慧排产提供了有效的预测工具。

焦炭质量指标分析与预测

焦炭作为高炉炼铁的主要原料,在高炉中起供热、还原剂、骨架等作用,其质量直接影响生铁质量。提出一种基于多层神经网络的焦炭质量指标预测方法,该方法采用极限梯度增强树对影响焦炭质量的指标进行相关性分析,选取相关性较强的指标构建训练样本,并采用多层神经网络预测焦炭质量指标。基于实际运行数据的实验与现场应用的统计结果表明,该模型精度能够满足焦化厂生产需求。

基于煤质综合指标的焦炭质量预测

焦炭质量预测有利于改善焦炭质量,降低钢铁企业配煤成本。焦炭质量预测包括多元线性回归分析、BP神经网络、LIBSVM等算法,上述算法大多以煤质工业分析指标和黏结性指标为基础进行预测。基于配合煤的基础数据,结合煤岩分析指标,运用KNN和SVR算法预测焦炭机械强度和热态性能,将炼焦煤的宏观与微观指标相结合预测焦炭质量,提高预测精度。通过6因素和9因素对比,配合煤的基础性质结合镜质组反射率、活性组分、惰性组分3个煤岩指标后的预测精度有所提高,KNN算法的相对误差小于SVR算法。通过对KNN算法进行参数调优,当核参K=9时,均方误差最小,预测焦炭机械强度(M_(40)、M_(10))和热态性能(C_(RI)、C_(SR))的相对误差分别为0.38%、0.98%、0.82%、0.17%。

基于RF-PCCs和RBF的焦炭质量预测模型研究

在炼焦生产实践中,焦炭质量预测模型的准确性对降低配煤成本和优质炼焦煤的消耗具有重要作用。为此,基于径向基函数神经网络模型,通过随机森林和皮尔逊相关系数算法共同进行特征选择,建立了焦炭质量预测模型,并以某钢厂炼焦部生产焦炭的各项实际数据进行仿真。结果表明,该模型预测精度高,泛化能力强,可为炼焦生产提供一定的理论依据。

基于多元回归分析的焦炭质量预测及建模

煤岩配煤是目前常用的指导配煤炼焦的方法之一,但仅根据煤岩指标来分析配合煤和焦炭热性质之间的关系仍有所不足。通过选取配合煤工艺性质指标——基式流动度作为分析因素,研究了煤岩指标、基式流动度和焦炭热性质之间的关系,得出了焦炭热性质的预测模型。研究发现,焦炭反应后强度与配合煤活惰比、镜质组平均最大反射率、基式流动度之间具有很好的线性正相关关系,焦炭反应性与配合煤镜质组平均最大反射率、基式流动度之间具有较好的相关性。

配煤模型与焦炭质量预测研究

GIKIL公司现有1座65孔5．5m顶装焦炉，投产后一直致力于生产优质焦炭的尝试。对来自世界各地的煤通过配煤模型和试验进行表征，按照三步法预测焦炭质量并确定购买的煤种：开发焦炭质量预测方程式；通过焦炉测试检验方程式；利用试验焦炉的炭化最终验证方程式。三步法使GIKIL公司生产出的高等级冶金焦自2009年起一直保持在灰分11％、M10 4％～5％、M4。85％～88％、CSR68％～71％的水平。

利用多元线性回归预测焦炭质量

利用多元线性回归统计工具，综合考虑配煤Ad，Vdaf，GRI常规指标对焦炭凡，Ad,M40，CRI，CSR几个关键指标的影响，建立了配合煤指标和焦炭关键质量指标之间的数学模型y0=bi＋∑biXi，经理论验证，所建立数学模型是有意义的；又将预测值和生产实际检验值进行比较，二者比较吻合，从生产上验证了模型的准确性。用多元线性回归技术预测焦炭质量对生产有指导意义。

煤岩配煤及焦炭质量检验系统的开发与应用

根据阿莫索夫-夏皮洛配煤原理,结合我国煤炭资源性质,研发了煤岩配煤技术及焦炭质量检验系统。CBI和SI是影响焦炭强度的两个主要指标,可以指导炼焦煤选购、确定最佳配煤比和预测焦炭强度。通过实例证明了可利用煤岩配煤技术控制调整焦炭质量。

量子遗传算法优化BP网络的焦炭质量模型

为使焦炭预测精度提高,减少不必要的能源损耗,提出基于量子遗传算法优化BP网络的焦炭质量预测模型。在算法中应用量子位概率幅、量子旋转门、量子非门对种群中的染色体进行编码、相位更新、变异的操作。仿真结果表明,该模型相较于传统的BP网络模型预测精度更高,同时大大提升了效率与可靠性。