CN104846192A - 一种计算铁矿石烧结最佳配加比例的方法 - Google Patents

Abstract

本发明公开了一种计算铁矿石烧结最佳配加比例的方法，该方法根据混匀矿化学成分要求以及原料物化性能和配比的约束，采用线性规划与遗传算法相结合的方法计算出满足条件的初始配矿方案组；计算各配矿方案的烧结工艺参数、产质量指标和配矿成本；依据配矿成本、烧结固体燃料配比、烧结矿转鼓强度和利用系数计算配矿方案的技术经济综合评价指数，以综合评价指数最高作为最佳配矿方案的选择依据，指导钢铁厂铁矿石采购和烧结生产，并为新矿种的推广应用提供技术支持。

Description

一种计算铁矿石烧结最佳配加比例的方法

技术领域

本发明属于钢铁冶金领域，涉及一种计算铁矿石烧结最佳配加比例的方法。

背景技术

随着我国的钢铁产量逐年增加，对铁矿原料的需求量也在不断地增长，为解决原料供应紧张的局面，主要途径是大量进口铁矿石并充分利用国内矿石资源。进口矿石的含铁品位高，杂质少，但进口价格高、种类繁多。国内铁矿石产能与需求差距仍然很大，且种类增多、质量下降、粒度越来越细。同时，为了降低烧结生产成本，国内钢铁企业积极地利用便宜的低品位矿和含有有害元素的矿石，以及一些含铁的工业物料和废料。目前国内烧结厂的原料品种繁多复杂，原料的不稳定性给制粒和烧结带来很大的困难。因此，利用不同矿种之间烧结性能的互补性，实现新增原料的合理利用一直是钢铁生产的重要课题和难题。

铁矿石烧结是先将各类铁矿石按一定配矿方案配制成混匀矿，再与熔剂、固体燃料(以焦粉为主)混合、制粒、烧结成矿的过程；烧结矿碱度R和成分要求(TFe、SiO₂、CaO、MgO、Al₂O₃)是依据高炉炼铁生产的需要确定的，其中混匀矿主要提供TFe(Fe₂O₃、Fe₃O₄)、SiO₂、Al₂O₃。对于新矿种的利用，目前普遍采用的方法是通过烧结配矿试验以确定各种矿石的适宜配比^[1,2]。该方法工作量大，难以适应原料快速变化的需求，且不具有通用性。另外，部分研究者根据铁矿石高温性能的差异进行配矿^[3,4]。该方法存在的问题是单种矿石的高温性能叠加不一定等于混匀矿的性能，配矿方案也不能达到准确定量的要求。另外有研究者使用线性规划、多目标规划等数学方法或者遗传算法、专家系统等人工智能技术对各矿种的配比进行寻优，获取经济效益、烧结技术指标较优的配矿方案^[5-8]。该方法的主要不足是缺乏对原料性能与烧结指标间的内在关系的考虑，也未能对技术指标和经济指标进行综合评价。

因此，开发铁矿石烧结最佳配加比例的计算方法，对指导钢铁厂铁矿石采购和烧结生产具有重要意义，并可以为新矿种的推广应用提供技术支持。

发明内容

本发明的目的是开发一种计算铁矿石烧结最佳配加比例的方法，克服现有技术中配矿方案定量不准确的问题，本发明所提出的方法具有准确、快速和实用的特点。

一种铁矿石烧结最佳配加比例的计算方法，根据混匀矿成分、粒度要求以及铁矿石物化性能和配比的约束，以配矿成本为优化目标，采用线性规划与遗传算法相结合的配矿方法计算出满足条件的初始配矿方案组；采用支持向量机模型计算各组配矿方案的烧结工艺参数、产质量指标；依据配矿成本、烧结固体燃料配比、烧结矿转鼓强度和利用系数计算配矿方案的技术经济综合评价指数，以综合评价指数最高的配矿方案作为铁矿石烧结最佳配加比例；

所述综合评价指数EI的计算公式如下：

$\mathrm{EI}={\mathrm{\ω}}_{\mathrm{TI}}\×\frac{\mathrm{TI}}{{\mathrm{TI}}_{\max }}+{\mathrm{\ω}}_r\×\frac{r}{r_{\max }}+{\mathrm{\ω}}_{\mathrm{FC}}\×\frac{{\mathrm{FC}}_{\min }}{\mathrm{FC}}+{\mathrm{\ω}}_{\mathrm{PC}}\×\frac{{\mathrm{PC}}_{\min }}{\mathrm{PC}}$

其中，ω_TI为转鼓强度权重，TI为转鼓强度，单位为％；ω_r为利用系数权重，r为利用系数，单位为t/(m²·h)；ω_FC为固体燃耗权重，FC为固体燃耗，单位为kg/t-s，根据固体燃料配比和成品率计算；ω_PC为原料成本权重，PC为原料成本，元/t-s；TI_max和r_max分别为在所有初始配矿方案中最大转鼓强度和最大利用系数；FC_min和PC_min分别为在所有初始配矿方案中的最小固体燃耗和最小原料成本；

ω_TI、ω_r、ω_FC及ω_PC的取值范围为[0,1]，且ω_TI+ω_r+ω_FC+ω_PC＝1。

【利用以下公式将烧结矿化学成分要求转化获得混匀矿要求，得到原料配比，用于初始配矿方案组计算：

${\mathrm{\ω}}_{\min }^Q\≤\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_i^Q\·x_i}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(1-{\mathrm{\ω}}_i^{\mathrm{LOI}})\·x_i}\≤{\mathrm{\ω}}_{\max }^Q\⇒\left\{\begin{array}{c}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}[{\mathrm{\ω}}_i^Q-{\mathrm{\ω}}_{\max }^Q(1+{\mathrm{\ω}}_i^{\mathrm{LOI}})]\·x_i\≤0\\ \underset{i=1}{\overset{m}{\mathrm{\Σ}}}\left[{\mathrm{\ω}}_{\min }^Q(1-{\mathrm{\ω}}_i^{\mathrm{LOI}}-{\mathrm{\ω}}_i^Q)\right]\·x_i\≤0\end{array}\right.$

$R_{\min }\≤\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_i^{\mathrm{CaO}}\·x_i}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_i^{{\mathrm{SiO}}_2}\·x_i}\≤R_{\max }\⇒\left\{\begin{array}{c}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}({\mathrm{\ω}}_i^{\mathrm{CaO}}-R_{\max }\·{\mathrm{\ω}}_i^{{\mathrm{SiO}}_2})\·x_i\≤0\\ \underset{i=1}{\overset{m}{\mathrm{\Σ}}}(R_{\min }{\·\mathrm{\ω}}_i^{{\mathrm{SiO}}_2}-{\mathrm{\ω}}_i^{\mathrm{CaO}})\·x_i\≤0\end{array}\right.$

式中：和分别烧结矿化学成分Q的下限和上限，单位为％；为原料i中的化学成分Q的含量，单位为％；x_i为原料i的配比，单位为％；为原料i的烧损；R_min和R_max分别为烧结矿碱度的下限和上限；和分别是原料i的氧化钙含量及二氧化硅含量，单位为％；

所述烧结矿化学成分Q包括R、TFe、SiO₂、Al₂O₃。

由于烧结矿是通过混匀矿和其他原料配合，通过产生化学反应后生产获得；利用已知的最佳烧结矿指标，转化获得最佳的混匀矿指标，这样更加有利于指导生产。】

根据混匀矿成分、粒度要求，结合各铁矿石的化学成分、粒度组成、价格及其配比约束，采用线性规划法计算获得成本最低的配矿方案；再以该方案作为初始种群，采用遗传算法中的交叉、变异算子获得满足约束条件、经济性较优的多组配矿方案；

所述遗传算法中的交叉因子取0.8，变异因子取0.05；作为约束条件的目标函数为配矿成本；迭代次数为终止条件之一，为1000次。

所述各组配矿方案的烧结工艺参数和产质量指标是采用支持向量机的建模方法计算获得，所述支持向量机模型包括三层，分别为输入层、中间层及输出层，输入层输入待计算参数或指标的参数x，x为多维向量，维数为输入参数的个数，中间层采用核函数K(x_i,x)，其中，x_i表示训练样本中的某一x向量，x则为训练样本中其它任一x向量，输出层为待计算参数或指标f(x)；

所述适宜水分模型，支持向量机模型输入层的输入参数分别为：混合料-0.5mm含量、最大毛细水、比表面积以及+0.5mm粒级的最大分子水；

所述适宜固体燃料配比模型，支持向量机模型输入层的输入参数分别为：混合料的FeO、LOI含量、熔融区成分(CaO/Fe₂O₃、SiO₂、Al₂O₃、MgO)配比；

所述烧结矿转鼓强度模型，支持向量机模型输入层的输入参数分别为：熔融区成分、-0.5mm含量、混合料水分和固体燃料配比；

所述利用系数模型，支持向量机模型输入层的输入参数分别为：熔融区成分、-0.5mm含量、混合料水分和固体燃料配比；

所述核函数采用径向基核函数(RBF)σ取1.4142。

ω_TI＝0.3，ω_r＝0.2，ω_FC＝0.2，ω_PC＝0.3。

有益效果

与现有技术相比，本发明所述方法具有以下特点：

(1)科学性

本发明基于铁矿石物理化学性能、制粒性能、高温成矿性能进行初始配矿方案组计算、适宜水分工艺参数以及烧结矿产、质量指标计算，具有充分的理论依据。在保证混匀矿进行混合、烧结后所得到的烧结矿满足化学成分要求的基础上，在初始配矿方案组计算过程中对混匀矿的-0.5mm颗粒含量进行约束，可以保证混匀矿具有良好的制粒性能，从而提高其烧结性能；对混匀矿在烧结过程中的适宜水分含量、适宜固体燃料配比以及最终烧结产、质量指标进行计算时，除了考虑化学成分和粒度组成等常温特性以外，高温成矿性能也是一项重要指标。

(2)准确性

本发明采用了支持向量机技术建立了适宜水分、适宜固体燃料配比、转鼓强度和利用系 数的计算模型，模型准确率达90％以上，从图3～图6中可以明显看出这一结果，为配矿方案的技术经济指标综合评价提供准确的基础数据。

(3)实用性

本发明根据化学成分、-0.5mm含量、最大毛细水、最大分子水、比表面积等原料物理化学性能对配矿方案进行寻优，并计算烧结产、质量指标，能为新矿种的高效应用提供技术指导，避免生产企业进行反复试验，因此本发明具有良好的实用性。

本发明应用于指导钢铁厂铁矿石采购和烧结生产，可提高烧结生产效率，优化烧结生产的技术经济指标。

附图说明

图1为本发明所述的铁矿石最佳配加比例计算流程示意图；

图2为烧结工艺参数和产质量指标模型结构；

图3为适宜烧结水分效果图；

图4为适宜固体燃料配比效果图；

图5为烧结矿转鼓强度效果图；

图6为烧结矿利用系数效果图。

具体实施方式

实施例1：

一种计算铁矿石烧结最佳配加比例的方法，其计算过程如图1所示，在确定的应用环境下，根据其烧结生产要求，逐步提高某铁矿石的配比，确定一组配矿成本较低、烧结指标优良的配矿方案，根据模型计算结果，对不同配比的配矿方案进行综合评价，确定铁矿石在该应用环境中技术经济综合评价指数最高的配比及相应配矿方案。

所述烧结工艺参数和产质量指标模型结构如图2所示，模型中的，a表示拉格朗日乘子；b表示偏差，它们是在模型训练过程中，求使得训练样本与最优分类面的误差最小而获得的最优解；

按照本发明所述的方法得到的各项参数的预测值和实测值如图3-图6所示；

以某鲕状赤铁精矿应用为例，在国内某烧结厂的配矿环境下，计算出不同鲕状赤铁精矿配比时最低成本的配矿方案、相应的混匀矿物化性能；应用本发明所述的方法，结合配料结果，计算出适宜的工艺参数和烧结产量质量指标，如表1～表3所示。结合烧结的技术经济综合评价指数，确定适宜的鲕状赤铁精矿的配比在13％以内。

表1 不同鲕状赤铁精矿配比配矿方案/％

表2 不同鲕状赤铁精矿配比混匀矿物化性能/％

表3 不同鲕状赤铁精矿比例烧结指标预测结果

为了验证计算结果的可靠性，针对方案1#和方案6#进行了烧结杯验证实验，结果见表4。

表4 不同鲕状赤铁精矿比例烧结试验结果

对比表3和表4，可以看出： 

(1)鲕状赤铁精矿的配比提高到13％左右，混匀矿中-0.5mm含量增加，适宜的混合料水分由7.25％提高到8.0％，烧结速度、成品率和利用系数降低，烧结矿转鼓强度变化不大。

(2)烧结杯实验结果与本发明所述模型计算结果基本一致，说明本发明所述的方法计算结构准确，并且可以用计算结果来评价鲕状赤铁精矿的烧结性能；此种铁矿石最佳配比评价方法也是适宜和准确的。

参考文献

[1]周明顺，刘万山，杜鹤桂，等.鞍钢烧结优化配矿研究[J].钢铁,2004,39(6):10-13

[2]翟立委，周明顺，刘杰，等.鞍钢鲅鱼圈烧结配矿试验研究与工业应用[J].烧结球团,2011,36(3):1-4

[3]吴胜利，裴元东，陈辉，等.铁矿粉烧结液相流动性评价[J].北京科技大学学报,2008,30(10):1095-1100

[4]刘自民，吴胜利，金俊，等.马钢烧结优化配矿技术的研究[J].烧结球团,2012,37(2):13-18

[5]蒋大军，石军.铁矿石的价值评价与线性规划优化配料[J].烧结球团,1999,24(5):44-48

[6]吕学伟，白晨光，邱贵宝，等.基于遗传算法的烧结配料综合优化研究[J].钢铁,2007,42(4):12-15

[7]李勇，吴敏，曹卫华，等.基于线性规划和遗传–粒子群算法的烧结配料多目标综合优化方法[J].控制理论与应用,2011,28(12):1740-1746

[8]章亚青.专家系统在宝钢配矿中的应用[C].中国计量协会冶金分会论文汇编.2007:618-620 。

Claims (4)

1.一种铁矿石烧结最佳配加比例的计算方法，其特征在于，根据混匀矿成分、粒度要求以及铁矿石物化性能和配比的约束，以配矿成本为优化目标，采用线性规划与遗传算法相结合的配矿方法计算出满足条件的初始配矿方案组；采用支持向量机模型计算各组配矿方案的烧结工艺参数、产质量指标；依据配矿成本、烧结固体燃料配比、烧结矿转鼓强度和利用系数计算配矿方案的技术经济综合评价指数，以综合评价指数最高的配矿方案作为铁矿石烧结最佳配加比例；

所述综合评价指数EI的计算公式如下：

$\mathrm{EI}={\mathrm{\ω}}_{\mathrm{TI}}\×\frac{\mathrm{TI}}{{\mathrm{TI}}_{\max }}+{\mathrm{\ω}}_r\×\frac{r}{r_{\max }}+{\mathrm{\ω}}_{\mathrm{FC}}\×\frac{{\mathrm{FC}}_{\min }}{\mathrm{FC}}+{\mathrm{\ω}}_{\mathrm{PC}}\×\frac{{\mathrm{PC}}_{\min }}{\mathrm{PC}}$

其中，ω_TI为转鼓强度权重，TI为转鼓强度，单位为％；ω_r为利用系数权重，r为利用系数，单位为t/(m²·h)；ω_FC为固体燃耗权重，FC为固体燃耗，单位为kg/t-s，根据固体燃料配比和成品率计算；ω_PC为原料成本权重，PC为原料成本，元/t-s；TI_max和r_max分别为在所有初始配矿方案中最大转鼓强度和最大利用系数；FC_min和PC_min分别为在所有初始配矿方案中的最小固体燃耗和最小原料成本；

ω_TI、ω_r、ω_FC及ω_PC的取值范围为[0,1]，且ω_TI+ω_r+ω_FC+ω_PC＝1。

2.根据权利要求1所述的一种铁矿石烧结最佳配加比例的计算方法，其特征在于，根据混匀矿成分、粒度要求，结合各铁矿石的化学成分、粒度组成、价格及其配比约束，采用线性规划法计算获得成本最低的配矿方案；再以该方案作为初始种群，采用遗传算法中的交叉、变异算子获得满足约束条件、经济性较优的多组配矿方案；

所述遗传算法中的交叉因子取0.8，变异因子取0.05；作为约束条件的目标函数为配矿成本；迭代次数为终止条件之一，为1000次。

3.根据权利要求2所述的一种计算铁矿石烧结最佳配加比例的方法，其特征在于，所述各组配矿方案的烧结工艺参数和产质量指标是采用支持向量机的建模方法计算获得，所述支持向量机模型包括三层，分别为输入层、中间层及输出层，输入层输入待计算参数或指标的参数x，x为多维向量，维数为输入参数的个数，中间层采用核函数K(x_i,x)，其中，x_i表示训练样本中的某一x向量，输出层为待计算参数或指标f(x)；

所述适宜水分模型，支持向量机模型输入层的输入参数分别为：混合料-0.5mm含量、最大毛细水、比表面积以及+0.5mm粒级的最大分子水；

所述适宜固体燃料配比模型，支持向量机模型输入层的输入参数分别为：混合料的FeO、LOI含量、熔融区成分配比；

所述熔融区成分包括CaO/Fe₂O₃、SiO₂、Al₂O₃及MgO；

所述烧结矿转鼓强度模型，支持向量机模型输入层的输入参数分别为：熔融区成分、-0.5mm含量、混合料水分和固体燃料配比；

所述利用系数模型，支持向量机模型输入层的输入参数分别为：熔融区成分、-0.5mm含量、混合料水分和固体燃料配比；

所述核函数采用径向基核函数σ取1.4142。

4.根据权利要求1-3任一项所述的一种计算铁矿石烧结最佳配加比例的方法，其特征在于，ω_TI＝0.3，ω_r＝0.2，ω_FC＝0.2，ω_PC＝0.3。