基于模块化神经网络的铁水硅含量预测系统

目的提出基于模块化神经网络的铁水硅含量预测方法,改善系统控制性能指标.方法采用模块化神经网络预测控制策略,建立模块化神经网络预测模型,按输入物理量的性质构成4个神经网络模块,再由预测神经网络输出铁水硅含量的预测值,从而控制炉温.结果提高了学习效率和泛化能力,有效地改善了模型的预测精度.结论模块化神经网络铁水硅含量预测模型,将同类量进行了模块划分,通过对铁水硅含量预测,可提高炉温的控制精度和动态跟踪能力,具有结构简单、实时性好、预测精度高等特点.

低碳和超低碳含铝系列钢硅含量的控制

采取合理控制含铝系列钢出钢碳含量、使用硅含量低的合金、改进脱氧合金化制度、规范钢包和真空室的管理、使用镁质涂料中包和规范大包换包操作等措施,杜绝含铝系列钢因硅含量出格而改判。

铁水含硅量预报与控制模型的研究

以高炉的综合煤气成分、渣铁温度及炉料装入情况作为主要参数 ,建立铁水含硅量预报与控制的数学模型 ,提出了生铁含硅变动量的计算公式 该模型取用参数较少 ,易于掌握操作 ,可以做到早预报、快预报和准确预报 。

主成分分析结合极限学习机的高炉炉温预测模型

炉温控制是高炉过程控制的基础与核心技术,炉温的走势最直接地反应了高炉的运行状况.因此,建立合理的炉温控制模型至关重要.铁水中硅的含量与炉温成正比例关系,而冶炼过程中状态变量、控制变量及入炉基本条件等都会影响炉温,如果考虑全部的相关因素,势必会因信息冗余降低模型的性能.为此,首先采用主成分分析(PCA)方法对多维输入变量进行降维,同时回避了变量间的多重共线性问题.其次,将PCA处理得到的相互独立的主成分用于网络训练,建立了基于极限学习机(ELM)的炉温预测模型,该模型克服了前馈神经网络训练速度慢、容易陷入局部极小的缺点.最后比较了传统的BP学习算法、ELM算法和PCA结合ELM算法的预测效率,试验证明本文算法具有较高的命中率,可以用来指导高炉实际生产.

低硅钢种LF精炼控硅脱硫技术进展

对前人开发的低硅钢种控硅脱硫技术的最新进展进行了总结。通过控硅热力学分析,明确了为达到目标Si含量,钢液中Al和Ca的控制目标含量。为防止脱硫过程中回硅,应重点控制转炉下渣量、脱硫LF精炼时间、LF进站铝含量,采用合适的渣系,还应控制钢液中钙含量。由于脱硫要求增加吹氩量以强化钢渣间界面反应,但控硅要求吹氩量不宜过大,所以存在最佳吹氩量。为提高脱硫率,应采用碱度为5.0~8.0的精炼渣,还应控制钢水温度高于1565℃。

无缝管用低硅ST30Al钢LF精炼过程钢水硅含量控制

分析了低硅钢ST30A1(/%:0.06~0.10C,≤0.05Si,0.30~0.45Mn,≤0.015P,≤0.005S,0.025~0.050Al)在LF精炼过程中钢水回磷量、钢水铝含量、精炼渣二元碱度、精炼渣Al_2O_3含量等因素对钢水增硅量的影响,得出转炉下渣量、钢水铝含量、精炼炉渣碱度是影响增硅的主要因素。通过控制转炉下渣、降低原辅料中的硅含量、调整精炼渣中SiO_2、Al_2O_3含量、控制精炼渣二元碱度14,渣中Al_2O_3为27%,控制钢水铝含量0.010%~0.020%,LF钢水增硅量由原0.033%~0.047%降低到0.004%~0.018%,成品钢水硅含量≤0.035%。

ADI适宜碳硅量优化设计与控制

适宜碳硅含量是获得优质等温淬火球墨铸铁(ADI)的前提条件。分析研究了碳硅含量对ADI铸件凝固过程、奥氏体化过程、等温淬火过程及其组织的影响。结果表明,ADI铸件适宜碳硅含量范围较球墨铸铁更窄,一般为:3.4%~3.8%C、2.3%~2.7%Si;适宜碳硅含量、合理的孕育球化及等温淬火工艺是获得ADI理想微观组织及优异力学性能的关键。

低硅钢Q345L生产工艺控制

为满足市场需求,根据低硅钢Q345L的钢种特点,通过对关键工序生产工艺参数进行优化调整,如控制转炉下渣量、减少LF精炼时间、使用Si O2含量较低的原材料、全程保护浇铸等措施,成功开发出低硅钢Q345L。实践表明,生产出的钢水可浇性良好,钢种成分合格率达到100%,铸坯性能完全能够满足带钢轧制要求。

高纯铝铸锭的铁、硅、铜含量控制

介绍了工业生产中对高纯铝铸锭中铁、硅、铜含量的控制方法,包括配料、炉前成分调整、防止高纯铝成分污染的措施,以及控制其他因素,把铁、硅、铜含量控制在小范围内,为生产高质量的高纯铝箔打下良好的基础。

控制SPHC钢硅含量的生产实践

针对低碳硅铝镇静钢SPHC硅含量超标的问题,从动力、热力学及实际生产方面进行了研究,结果表明控制硅含量的关键点在于:使用SiO2含量较低的原材料、保证进精炼站钢水较低硫含量、转炉控制下渣量3 kg/t以下、控制转炉出钢及LF处理各阶段合适的钢水AlS含量、精确控制吹氩流量、控制热态钢渣回收量8 kg/t以下等。实践中唐山钢铁集团有限责任公司第一钢轧厂SPHC硅合格率达到了100%,取得了很好的效果。

高炉炉热闭环智能控制系统研究与应用评价

践行以大数据分析+冶炼智能诊断+人工智能算法+专家控制策略为主线的技术体系,通过IT与OT的深度融合,研发高炉炉热闭环智能控制系统,并成功投用于太钢4 350 m~3高炉。设计系统闭环下发逻辑,以系统研发目标、技术框架为指导,形成集物料跟踪、目标设定、寻优燃料比、数据预处理、异常状况处理等模块为一体的技术路线。投用后,工长只需要设置目标Si范围和目标铁水测温上下限,系统即可自动跟踪高炉焦炭负荷变化,自动寻优控制燃料比,自动平衡料速,自动平衡热负荷、煤气利用、焦炭煤粉质量变化、炉缸盈亏变化等影响炉热的关键因素,自动计算当前状态下的喷煤量,并自动下发一级系统执行,取代人工操作。投用效果表明,该系统不仅能够有效降低炉温波动,提高铁水质量,降低炼钢双渣冶炼次数30%,而且能够通过稳定炉温有效促进高炉炉况顺行,显著降低燃料比,综合创效1 276万元/年。

HPLC-CAD法测定乳糖含量及有关物质

目的:针对目前普遍反映的国内外药典中乳糖的含量和有关物质测定方法灵敏度低、硅胶基质的氨基色谱柱因流失严重而耐用性较差的问题,尝试采用聚合物基质的氨基柱,建立适合乳糖含量及有关物质测定的高效液相色谱-电喷雾检测器(HPLC-CAD)方法。方法:采用Shodex Asahipak NH_2P-50 4E色谱柱(4.6 mm×250 mm,5μm),柱温30℃,流动相为乙腈-水(75∶25),流速1.0 mL·min^(-1),供含量及有关物质测定用溶液的质量浓度分别为20μg·mL^(-1)和2.0 mg·mL^(-1),电喷雾检测器参数为:雾化温度35℃,采样频率10 Hz,幂率(PFV)参数1.15。结果:乳糖与相邻杂质以及各杂质峰间的分离均良好;乳糖质量浓度在1.0~100.4μg·mL^(-1)范围内线性关系良好(r=0.999 8);方法检测限(S/N=3)为8.03 ng,定量限(S/N=10)为20.08 ng;进样精密度RSD为1.1%;重复性RSD为0.90%;色谱柱在连续进样超过300次后,柱效没有明显降低。结论:所建方法灵敏度明显优于现行方法,选用的色谱柱耐用性明显提高,弥补了现有国内外药典中乳糖的含量和有关物质测定方法的不足,可作为乳糖质量控制新方法。