富铅渣与铅烧结块在还原反应中的差异研究

选用实验室制备的不同PbO含量的富铅渣与工业化生产的铅烧结块在竖管炉中用石墨坩埚进行还原反应对比试验。结果表明,烧结块和富铅渣主要以液相形式与碳反应。它们之间由于结构上的差异对还原反应的影响要小于成分的影响。

高锌高碱度铅烧结矿的性能

研究表明:采用高锌高碱度铅烧结矿,可显著改善烧结块的冶金性能,有利于降低成本和增加产量。

热煤气在铅烧结机点火炉上的应用

本文介绍了热煤气在铅烧结机点火炉上的成功应用 ,将热煤气与重油、冷煤气进行了简单的比较 ,对设计作了扼要阐述 。

株冶铅烧结烟气的治理

如何根治铅烧结低浓度SO2烟气环境污染,是国内外铅冶炼厂家面临的一大难题。本文就株冶采用动力波洗涤净化和WSA制酸技术来治理铅烧结低浓度SO2烟气的方案和应用实践进行了阐述,并对动力波洗涤净化和WSA制酸技术的特点和原理进行了详尽分析。

铅烧结破碎收尘系统的改造

简要分析沈阳冶炼厂铅烧结破碎收尘系统的现状及存在的问题 ,结合当前布袋除尘技术的发展情况提出了改造办法。

热煤气代替重油在铅烧结机点火工序的应用

热煤气代替重油应用于45m2铅烧结机点火,解决了使用重油燃料成本太高的问题。

铅烧结工艺及设备改进初探

对我厂铅烧结工艺技术条件及设备现状进行了分析，并提出了在保证粗铅生产达到能力且有适度增加的基础上，要降低烧结机出口烟气量，提高烟气ＳＯ２浓度在工艺条件及设备密封方面改进的方案。

铅锌烧结配料过程的智能集成建模与综合优化方法

以铅锌烧结配料过程为背景,针对传统配料方法中存在的成本高和准确率低的问题,提出一种智能集成建模与综合优化方法.首先,在建立过程神经网络模型和改进灰色系统预测模型的基础上,利用信息论中熵值的概念,提出一种既可保证预测精度又能满足配料计算对数据完备性要求的烧结块成分集成预测模型;其次,以成本最小为目标建立烧结配料优化模型,采用基于专家推理策略和改进免疫遗传算法的定性定量综合集成方法,实现烧结配料的优化.仿真结果验证了该方法的有效性.

铅锌烧结过程烧穿点的模糊预测控制方法

针对具有时滞、非线性、不确定等特性的铅锌密闭鼓风烧结过程,提出一种烧穿点的模糊预测控制方法。首先,基于台车速度和烧穿点之间的分段线性化关系,建立烧穿点的模糊T-S模型。然后,采用动态线性化方法获得烧穿点的全局模型,并在此基础上进行模型预测控制器设计,以实现烧穿点的模糊预测控制。最后,采用烧结生产历史数据,对模糊预测控制方法进行了仿真和实验研究。结果表明:模糊T-S模型能有效抑制垂直燃烧速度不确定性的影响,具有较高的辨识精度,能够满足工业现场生产指导的需要;此外,烧穿点的模糊预测控制方法比单纯的模糊控制调节时间短、超调量小,能快速有效地响应烧穿点的变化,具有一定的应用价值。

基于综合建模方法的铅锌烧结块成分预测

针对铅锌烧结过程异常复杂的实际情况,提出了一种既可保证预测精度又满足配料计算对数据完备性要求的铅锌烧结块成分预测智能集成模型。该模型综合了机理与多种智能建模方法的优点,对于正常生产情况(即数据完备区),通过模糊分类/组合以及神经网络NN分段描述方法建立了成分预测的监督式分布神经网络模型;对于异常或不常用工况(即数据不完备区),通过专家经验规则修正部分假定或统计参数方式建立经验机理模型;采用串、并联形式将2种模型有机结合,并通过专家推理进行集成协调与更新修正,形成智能集成模型,实现成分可靠、准确的在线预测。在实际生产中运用该模型,烧结块铅、锌成分预测的相对误差分别为1.51%和0.41%。

铅锌烧结过程智能集成优化控制技术

针对复杂的铅锌烧结过程,提出了基于神经网络和模糊专家规则模型的自学习模糊专家控制方法进行状态参数优化,基于神经网络模型的模糊C均值聚类搜索混沌遗传算法进行综合指标参数优化.智能集成优化控制技术具有高效性和实用性,有效地抑制了工况波动,提高了烧结矿产量和质量,取得了较好的工业控制效果.

基于改进的灰色理论预测铅锌烧结过程综合透气性

针对铅锌烧结过程中影响烧结综合透气性的因素具有不确定性以及目前已知的预测模型存在建模过程复杂的特点,利用改进的灰色理论来建立其预测模型。首先,考虑到灰色理论能在一定程度上降低不确定性带来的影响以及建模过程简单,建立了基于灰色理论的综合透气性预测模型。接着,针对建模数据序列的单调性改变后传统灰色理论不能及时跟踪数据序列变化的情况,根据建模数据序列单调性改变后的数据个数以及结合具体的单调性改变情况,提出了相应的修正公式,对传统灰色理论的预测结果进行适当的修正。实验结果表明,所提出的改进灰色理论比传统的灰色理论能在一定程度上提高预测精度。

铅锌烧结过程的集成建模方法及智能优化算法

以铅锌烧结过程的集成建模和优化控制为背景 ,首先集成主元分析、神经网络、模糊专家系统等多种方法 ,建立了铅锌烧结过程的综合工况模型 ,然后根据综合工况模型预测的结果 ,采用聚类搜索混沌遗传算法获得最优的操作参数 ,给出操作优化指导 .本文提出的集成建模方法与操作优化算法 ,很好地解决了多输入多输出复杂工业过程的建模和优化控制问题 。

基于模糊分类变系数的铅锌烧结过程综合透气性状态预测

针对铅锌烧结过程的强非线性、时变等特点,运用智能集成建模的思想,提出一种模糊分类变系数透气性状态预测方法。首先深入机理分析和工况参数相关性分析研究,采用神经网络方法建立工艺参数和时间序列透气性预测模型;然后借助于模糊组合器实现两个子模型的有机组合,设计了模糊分类变系数综合透气性集成预测模型结构,其中加权系数由工况波动程度确定。运行结果表明:提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果,该模型具有一定的灵敏度和鲁棒性。

提高铅锌烧结结块率的新型高效粘结剂

为了强化铅锌烧结 ,从 18种粘结剂中筛选出能强化制粒、提高制粒小球强度的有机粘结剂L。工业应用表明 :在混合料中加入 0 .0 5 94%的L ,可使价廉、难处理的小矿山矿石用量增加 34 .2 2 % ,烧结机小时产块增加 11.6 % ,铅锌烧结结块率提高 16 .17%。使用粘结剂L经济效益显著 ,无环境污染 ,易于工业实践。

基于PNN和IGS的铅锌烧结块成分智能集成预测模型

针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和改进灰色系统的铅锌烧结块成分智能集成预测模型.首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的特点,分别对烧结块成分进行预测,然后从信息论的观点出发,提出一种确定各预测模型加权系数的熵值递推算法,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果.结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求.

铅锌烧结过程透气性状态及热状态优化控制

本文针对具有非线性、强耦合、不确定、多约束特性的复杂铅锌密闭鼓风烧结过程 ,采用神经网络模型实现了透气性状态和烧穿点位置预测 ,集成惩罚函数法、基于聚类点的并行变步长网格法和最优保存简单遗传算法 (OMSGA)进行状态整体优化 .算法具有全局收敛性和工业有效性 ,解决了复杂铅锌烧结过程实时智能优化控制问题 。

铅锌烧结过程的智能集成优化控制系统

以铅锌烧结过程的优化控制为背景,建立了铅锌烧结过程的烧穿点预测模型、综合透气性预测模型、综合工况预测模型,得到了烧结过程的优化控制的目标函数.采用模糊专家规则进行烧结过程状态控制,同时采用聚类搜索混沌遗传算法获得最优的操作参数,从而实现了铅锌烧结过程的在线实时集成优化控制.提出了智能集成优化控制系统,解决了多输入多输出复杂工业过程的控制问题.