基于大数据技术的炉缸侵蚀模型

发布时间：2021-09-08 14:08

　　针对高炉炉缸侵蚀的问题,介绍了高炉炉缸智能技术研究进展,分析了实现炉缸内衬可视化的技术。基于炉缸侵蚀模型的比较及大数据预测模型的发展,提出了融合大数据技术的炉缸侵蚀模型技术思想。模型基于决策树和遗传算法优化的BP神经网络,将铁水成分及温度、冷却参数、操作参数作为输入参数,采用融合大数据技术的方法,构建了炉缸侵蚀预测模型。大数据技术为钢铁行业的发展提供了新思路,进一步推动了高炉智能化炼铁。 

【文章来源】：钢铁. 2020,55(08)北大核心CSCD

【文章页数】：9 页

【部分图文】：

热电偶纵向及周向变化

炉缸状态同类型的多个参数评价示意图

李洋龙[21]根据热电偶的位置，沿着炉缸的半径方向和高度方向将炉缸炉底分成7个不同的区域，用雷达图方式展示出了不同纵向段的砖衬剩余厚度，并从整体分析，可比较炉缸圆周方向侵蚀均匀性的差异。刘持超等[22]对炉缸温度场建模，采用数值传热学的求解方法，即可得到整个剖面的温度分布，如图4所示。最后得出结论：若想提高温度场的计算精度，还需要提高热电偶布置的密度。2.3 三维数字化炉缸侵蚀可视化系统

【参考文献】：
期刊论文
[1]人工智能技术在钢铁行业中的应用研究[J]. 李新创,栾治伟,施灿涛.  冶金自动化. 2020(01)
[2]基于时间序列的高炉水温差多维度模糊综合评判[J]. 崔桂梅,张胜男,张勇,马祥.  中国测试. 2019(09)
[3]大数据云平台技术在高炉工艺应用与发展[J]. 车玉满,郭天永,孙鹏,姜喆,姚硕,费静,刘炳南.  鞍钢技术. 2019(04)
[4]高炉炉缸内衬形状预测研究[J]. 李佳玲,朱蓉甲,周萍,阳春华,周谦.  工程热物理学报. 2019(07)
[5]大数据在高炉炼铁生产中的应用与愿景[J]. 白少斐,张古兴,张永升.  冶金管理. 2019(09)
[6]基于网状无线网络的高炉炉缸温度场无线监控系统[J]. 刘持超,阮静平,柯汉,韩韬.  电子测量与仪器学报. 2019(01)
[7]铁前数模技术进展与大数据应用探讨[J]. 马富涛,张建良,张磊,焦克新,郝良元,刘福龙.  钢铁. 2018(12)
[8]高炉炉缸侵蚀特征及侵蚀原因探析[J]. 马洪修,张建良,焦克新,常治宇,王一杰,郑朋超.  钢铁. 2018(09)
[9]温度和铁水成分对炭砖溶解行为的影响[J]. 邓勇,张建良,焦克新.  钢铁. 2018(05)
[10]基于DirectX的高炉三维断面显示方法研究与实现[J]. 林敏.  武汉工程职业技术学院学报. 2018(01)

博士论文
[1]京唐5500 m3高炉炉缸工作状态研究[D]. 李洋龙.北京科技大学 2016

硕士论文
[1]基于数据的高炉煤气受入量的预测[D]. 王妍鹏.天津工业大学 2017
[2]神经网络法预测高炉炉缸内衬状态[D]. 王勇.东北大学 2011
[3]基于BP神经网络的高炉炉缸内衬侵蚀识别[D]. 韩帅.东北大学 2010
[4]类旋转柱面的生成与高炉炉缸内衬侵蚀形貌的显示系统[D]. 成效先.东北大学 2008



本文编号：3390924