冶金自动化

Select

序言

吴敏

冶金自动化. 2024, 48(2): 1.

摘要 ( ) PDF全文 ( )

可视化

Select

高炉炼铁过程智能感知尧诊断与控制方法的研究现状与展望

安剑奇, 郭云鹏, 张新民, 杜胜, 黄元峰, 吴敏

冶金自动化. 2024, 48(2): 2.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.001

摘要 ( )

可视化

随着“双碳冶政策的推进,对钢铁行业中主要能源消耗环节———高炉炼铁过程提出了更高的要求。实现高炉炼铁过程的关键指标智能感知、炉况诊断以及操作参数的合理优化控制,对推动高炉炼铁过程的安全、绿色低碳发展具有重要意义。首先,以高炉关键状态指标智能感知与预测作为切入点,从煤气利用率、铁水硅含量、透气性指数3 个关键指标的感知与预测方法进行综述。其次,从专家系统以及数据驱动2 个层面对高炉炉况监测与诊断的研究现状进行分析。然后,从专家系统与专家经验提取、多目标优化以及数据驱动预测控制3 个角度综述了高炉操作参数优化及控制的研究进展。最后,通过分析各类模型、算法的优缺点,提出了当前高炉智能感知、炉况诊断以及操作优化当前面临的挑战与发展方向。

Select

铁前一体化烧结数智配矿系统的开发

徐云, 孙洪军, 马艳, 储健, 代兵

冶金自动化. 2024, 48(2): 24.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.002

摘要 ( )

可视化

针对钢铁生产中烧结配料过程,由于铁矿粉价格波动较大、烧结原料信息复杂以及烧结配矿受到多种因素影响,应用传统遗传算法(genetic algorithm,GA)进行配料优化容易陷入局部最优。为解决这一问题,本研究提出了一种改进GA 的数学模型,旨在优化烧结配矿过程,以应对这些影响对烧结配料成本的挑战。该模型可以根据具体问题环境来自动调整操作过程中算子的大小,有效避免了传统GA 过早收敛的问题,确保算法在优化烧结建模时最终输出全局最优解。系统以铁矿粉为出发点,采用Python、MySQL 和PyQt5 等相关技术手段构建铁前一体化烧结配矿模型,通过对后端数据的分析处理最终形成烧结优化配矿方案。

Select

基于水流量目标的圆盘造球控制系统研究

张学锋, 张海威, 祝忠阳, 余正伟, 龙红明

冶金自动化. 2024, 48(2): 34.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.003

摘要 ( )

可视化

针对球团矿生产过程中,球团粒度难以精确把控、生产方式较为落后等特点,提出了一种基于水流量目标的圆盘造球自动控制系统。首先,依托图像识别算法从实际生产过程中的球团图像里提取出球团的粒径大小、分布和个数等基本信息。然后,系统对接收到的球团信息进行分析计算,得到当前球团的生产状态与粒径变化趋势。最后,系统以球团粒径变化趋势和生产状态为参数确立水流量目标设定值,并且根据球团生产状态适当修改阀门开度调整周期以适应生产。系统实际运用于国内某钢铁厂圆盘造球机的控制,实践结果表明,在平均粒度与目标粒度的差值方面,自动控制模式相较于传统人工控制模式减少了32. 54% 的误差;在不同造球工况下,提出的控制系统在实际生产过程中水流量波动稳定,对比人工控制模式,球团粒度均方根误差减少了6. 59% ,具有良好的稳定性。这对提升球团生产效率及合格率,降低人工劳动强度有积极作用。

Select

基于冷却壁温度信息粒度分析的高炉炉况智能预测方法

黄元峰, 杜胜, 胡杰, 吴敏, Pedrycz Witold

冶金自动化. 2024, 48(2): 41.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.004

摘要 ( )

可视化

稳定顺行的高炉炉况对提高铁水的产量和质量有着至关重要的作用,渣皮稳定性是表征炉况的重要指标,而冷却壁温度常用于衡量渣皮稳定性。为了利用冷却壁温度的动态特征预测炉况,本文提出了一种基于冷却壁温度信息粒度分析的炉况智能预测方法。首先,采用斯皮尔曼相关性分析方法,选择与冷却壁温度波动相关性较大的参数。然后,针对选取的参数,利用信息粒化方法进行动态特征提取,构成信息粒。再次,利用相应参数的信息粒作为输入,建立基于支持向量回归的冷却壁温度信息粒预测模型,预测冷却壁温度信息粒。最后,结合炉况预测方法,分析预测的冷却壁温度信息粒完成炉况预测。利用实际钢铁企业数据进行的实验表明,所提方法能有效预测冷却壁温度信息粒与高炉炉况,为操作人员制定合理的布料策略提供了有力指导。

Select

基于BS-TransUNet网络的高炉雷达料线分割方法

蒋博涵, 陈先中, 侯庆文, 张洁, 张森

冶金自动化. 2024, 48(2): 50.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.005

摘要 ( )

可视化

高炉雷达料线提取目前普遍采用神经网络加能量重心法的两步提取料线法,存在网络模型和机理模型混合分步计算,易受特殊环境强噪声影响的问题。本文提出了一种改进的基于语义分割的高炉料线提取BS-TransUNet 算法。首先,针对高炉料面周期性形态和粒度变化以及信噪比衰减问题,在卷积神经网络(convolution neural network,CNN)和Transformer 模块之间引入了空洞空间金字塔池化(atrous spatial pyramid pooling, ASPP)模块,获得料面细粒度特征;然后,将坐标注意力(coordinate attention,CA)模块集成到每次上采样之后,
更全面地滤除背景噪声,抑制对无效高频纹理特征的提取;最后,将跳跃链接替换为跳跃连接融合(BiFusion)模块,进一步提高分割性能。实验结果表明,改进的算法在高炉雷达料面数据集上,平均交并比(mean intersection over union,MIoU)和F1 分数分别提高了1. 77% 和1. 46% ,类别平均像素准确率(mean pixel accuracy, MPA)提高了1. 97% ,其中F1 分数可以达到86. 18% 。与传统的两步提取料线法相比,在高炉恶劣环境下采用端到端的分割料线一步法,料线获取的精度和稳定性均得到了改善。

Select

基于冶炼强度分类的高炉煤气利用率时间序列预测模型

郭云鹏, 安剑奇, 赵国宇

冶金自动化. 2024, 48(2): 60.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.006

摘要 ( )

可视化

冶炼强度(smelting intensity,SI)影响高炉内部的物理化学反应,煤气利用率(gas utilization rate,GUR)与送风参数之间的关系随着SI 的变化而变化。忽略SI,即忽略了GUR 与送风参数之间的动态变化关系,对利用送风参数的GUR 预测产生不利影响。本文提出了一种考虑SI 分类的GUR 预测模型。首先,从铁水熔炼机理的角度评价SI 对高炉状态参数的影响。其次,提出一种基于状态参数的加权核模糊c 均值聚类方法(weighted kernel fuzzy C-means method,WKFCM)对SI 进行分类。再次,利用监督主成分分析(supervised principal component analysis,SPCA)对输入数据进行降维并基于支持向量回归(support vector regression,SVR)对GUR 的发展趋势进行预测。最后,利用该模型对不同SI 下的真实GUR 数据进行了预测。对实际生产数据的分析表明,考虑SI 分类的预测方法更适用于高炉复杂的生产环境中GUR 时间序列的预测。

Select

基于周期配准和趋势分解的多关联高炉炉温预测

张亚娴, 张森, 杨永亮, 肖文栋

冶金自动化. 2024, 48(2): 74.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.007

摘要 ( )

可视化

高炉煤气流可表征高炉炉况运行状态,而十字测温温度反映了高炉煤气流的分布状态。本文提出了一种基于周期配准与季节性趋势分解(seasonal and trend decomposition using loess,STL)的多变量关联高炉十字测温温度动态建模方法,以提高煤气流的准确估计。首先,通过滑动窗口方法划分周期窗口,并进行多变量间的周期配准,匹配精准的多变量关联关系;其次,引入稳健型季节性趋势分解(RobustSTL)方法,保留关键参数信息,提取全局变化趋势,提高在线估计模型的准确度;再次,使用门控循环单元(gated recurrent unit, GRU)建立十字测温多变量关联的多步预测模型;最后,利用十字测温数据集进行实验验证,结果表明,本文提出的预测模型取得了较好的性能提升。

Select

基于长短期记忆网络的富氧鼓风条件下高炉全压差预测建模方法

秦梓杰, 贺东风, 冯凯, 王广伟, 刘纲, 刘崇

冶金自动化. 2024, 48(2): 84.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.008

摘要 ( )

可视化

高炉冶炼过程中,受到工况动态变化及生产现场复杂因素的影响,压差的波动存在一定的时滞性,要实现基于实时在线数据精准提前预报压差还存在一定困难。针对该问题,基于高炉实际冶炼过程中,其具有多元变量的、时间上前后依赖的时序数据特点,分别采用了能够有效反映生产过程参数波动程度的波动率分析和决策树特征重要性分析方法,选取了不同的模型输入特征子集,从而分别建立了基于长短期记忆网络(long short term memory,LSTM)的时序性压差预测模型。两种方法对比结果表明,基于波动率分析确定输入特征的LSTM 预测模型在预测误差范围[ -5, +5] kPa 以内,命中率提高了0. 761% 。基于生产参数的波动率分析的特征选择方法,能够有效提升LSTM 模型的预测精度,验证了在高炉富氧鼓风条件下,时序性压差预测模型输入特征选取方法的有效性。

Select

基于泊松算法和多尺度特征编码网络的三维料面重构及修复

谭福容, 孙绍伦, 张森, 陈先中, 赵宝永

冶金自动化. 2024, 48(2): 94.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.009

摘要 ( )

可视化

高炉冶炼在完全密闭高压的环境下进行,无法直接观测高炉内部运行状况和料面形状,难以准确判断炉况,料面数据资源利用率不高,影响操作人员对炉顶布料制度的调整。为提高数据利用率,提升点云数据的质量和精度,本文提出双边滤波器对原始高炉料面三维点云数据进行预处理。通过泊松重建算法对滤波后的点云数据进行三维重构,搭建多尺度特征编码网络,对缺失的三维点云料面进行修复。泊松表面重构能够保留料面细节特征并平滑表面,为快速判断料面类型提供重要依据。通过提取不同尺度的点云特征信息,实现了三维点云特征增强和多层级表达,实验表明所提方法点云缺失预测误差小、点云补全形状完整,为处理含有缺失料面的点云数据提供了一种快速、高效且实用的解决方案。

Select

基于KPCA-CNN-LSTM 模型的高炉透气性指数预测

刘小杰, 李天顺, 李欣, 李宏扬, 李红玮, 孙艳芹

冶金自动化. 2024, 48(2): 103.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.010

摘要 ( )

可视化

高炉透气性指数是一个可以快速、直观、综合反映高炉炉况的重要参数。对高炉透气性指数准确预测,可以尽早(约提前10 min)发现和避免高炉的管道、悬料、崩料、煤气流失等炉况失常现象的发生。本文提出了一种结合核主成分分析(kernel principal component analysis,KPCA)、卷积神经网络(convolutional neural network,CNN)和长短期记忆神经网络(long short鄄term memory,LSTM)的高炉透气性指数预测模型。首先,运用KPCA 对原始高维输入变量进行降维,再用CNN 捕捉数据的特征,最后利用LSTM 对高炉透气性指数进行预测。结果表明,所构建的KPCA鄄CNN鄄LSTM 高炉透气性指数预测模型较降维之前预测误差大幅减小,预测准确度大幅升高。这有利于高炉操作人员尽快掌握炉况的瞬时变化并采取有效措施恢复高炉顺行。

Select

基于多时间尺度的高炉透气性指数多步预测模型

郑键, 李炜俊, 安剑奇

冶金自动化. 2024, 48(2): 114.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.011

摘要 ( )

可视化

高炉透气性指数是反映炉料间接还原程度以及炉况状态的重要指标,受高炉各操作在不同时间尺度下影响,目前对透气性指数发展趋势的分析、建模和预测多数是基于同一时间尺度且预测步长较短,预测结果难以指导现场判断。因此,本文提出一种基于多时间尺度的高炉透气性指数多步预测模型。首先通过机理和数据分析计算高炉各操作对透气性指数多时间尺度影响的时域特性,并结合频域特性多维度论证透气性指数受各操作在不同时间尺度影响;然后根据高炉操作在不同时间尺度影响透气性指数发展的特性,建立基于支持向量机的单步预测模型;最后在单步预测模型的基础上建立基于递归策略的透气性指数多步预测模型。实验结果表明,该方法能有效预测透气性指数未来发展趋势,便于现场决策。

Select

唐钢新区转炉智能出钢系统的研究与应用

张弛, 李晓刚, 李毅挺, 王燕伟, 李亚男

冶金自动化. 2024, 48(2): 125.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.012

摘要 ( )

可视化

随着钢铁行业的发展,钢铁制造模式逐渐由人工生产转向无人化、智能化生产。目前转炉出钢过程工作强度大,设备操作繁琐,炉后工作环境较恶劣。以一键出钢、安全出钢为目标,对转炉出钢系统进行改造优化,建立了转炉智能出钢系统。对自动化系统改造,首先增加出钢曲线设定,完善合金溜槽功能设计;然后,增加安全连锁程序、钢车检测装置、转炉倾动检测装置,确保出钢过程安全。同时,利用机器视觉辅助系统、二级模型对出钢进行监控和校正计算,保证钢水、钢渣不外溢。通过在河钢集团唐钢公司两座200 t 转炉的实际应用,验证该系统促进了转炉炼钢标准化生产,减轻了工人劳动强度,保证了出钢过程安全稳定。

Select

转炉炉渣泡沫化程度可视化检测研究与实践

李毅挺, 张弛, 张军国, 周泉林, 赵雷

冶金自动化. 2024, 48(2): 131.
https://doi.org/10.3969/j.issn.1000-7059.2024.02.013

摘要 ( )

可视化

通过分析现有转炉冶炼检测单一技术存在的问题,在总结归纳的基础上,开发炉渣泡沫化程度在线量化评估技术和烟气分析的过程特征点在线预测技术,解决转炉黑箱问题,实现转炉冶炼可视化。根据检测技术识别结果,应用出钢口喷粉抑渣的智能干预技术和氧枪智能干预技术,实现转炉吹炼过程的稳定控制。技术应用后,转炉冶炼过程溢渣风险显著降低,杜绝了中后期的爆发性喷溅,降低了金属料损失。转炉冶炼过程控制稳定后,有利于提升终点温度和碳预测命中率。

选择文件类型/文献管理软件名称

选择包含的内容

2024年, 第48卷, 第2期　刊出日期：2024-03-25

扫码分享

扫码分享

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

2024年, 第48卷, 第2期 刊出日期：2024-03-25

扫码分享

扫码分享

2024年, 第48卷, 第2期　刊出日期：2024-03-25