CN107236862B - 一种基于对数正态分布函数的烧结料层温度预测方法 - Google Patents
一种基于对数正态分布函数的烧结料层温度预测方法 Download PDFInfo
- Publication number
- CN107236862B CN107236862B CN201710544724.6A CN201710544724A CN107236862B CN 107236862 B CN107236862 B CN 107236862B CN 201710544724 A CN201710544724 A CN 201710544724A CN 107236862 B CN107236862 B CN 107236862B
- Authority
- CN
- China
- Prior art keywords
- sinter bed
- normal distribution
- useless
- temperature
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22B—PRODUCTION AND REFINING OF METALS; PRETREATMENT OF RAW MATERIALS
- C22B1/00—Preliminary treatment of ores or scrap
- C22B1/14—Agglomerating; Briquetting; Binding; Granulating
- C22B1/16—Sintering; Agglomerating
Abstract
本发明涉及一种基于对数正态分布函数的烧结料层温度预测方法,包括如下步骤:S1:建立烧结废气温度和料层温度分布数学建模;S2:建立映射关系;S3:将烧结废气温度随时间变化的曲线带入烧结废气温度随时间分布的对数正态分布函数模型,得到烧结废气对应的对数正态分布函数特征值,再将烧结废气对应的对数正态分布函数特征值输入上述对应的映射关系中,得到预测的烧结料层对应的对数正态分布函数特征值,最后将预测的烧结料层对应的对数正态分布函数特征值带入烧结料层温度随时间分布的对数正态分布函数模型,即得到预测烧结料层温度曲线。该方法可以预测烧结料层温度变化规律,预测精度高,在工业应用上操作简单,适用型强,极易实施推广。
Description
技术领域
本发明涉及冶金工程技术领域,尤其涉及一种基于对数正态分布函数的烧结料层温度预测方法。
背景技术
烧结过程涉及燃料燃烧、铁氧化物氧化还原、结晶水和碳酸钙分解、水分蒸发和冷凝、液相形成和凝固等物理化学反应,而这些反应都与料层温度息息相关,因此掌握料层温度分布对于了解烧结过程机理有着深远的意义。
烧结过程是一个“黑箱”系统,料层温度分布规律一直是烧结研究的难点,在预测方法上,基于物理化学过程的烧结数学模型的研究始于20世纪60年代,并在80到90年代计算机技术的辅助下得到快速发展,但是由于烧结工业过程的系统性和复杂性,这一预测方法在生产实际中实施难度大,信息反馈滞后。因此,发明一种“剥离”复杂反应过程的烧结料层温度预测新方法,势在必行。
发明内容
针对现有技术存在的上述问题,本发明的目的是提供一种通过烧结废气温度来预测烧结料层温度的预测方法。
为实现上述目的,本发明采用如下技术方案:一种基于对数正态分布函数的烧结料层温度预测方法,包括如下步骤:
S1:建立烧结废气温度和料层温度分布数学建模,烧结废气温度随时间分布和烧结料层温度随时间分布均符合对数正态分布函数的变化规律,因此,分别建立烧结料层温度随时间分布的对数正态分布函数模型和烧结废气温度随时间分布的对数正态分布函数模型;
S2:建立映射关系;
首先,从烧结杯实验中采集烧结料层温度和该烧结料层温度所对应的时间点,并得到烧结料层温度随时间变化的曲线、采集烧结废气温度和该烧结废气温度所对应的时间点,并得到废气温度随时间变化的曲线;
其次,将得到的烧结料层温度随时间变化的曲线带入所述步骤S1建立的烧结料层温度随时间分布的对数正态分布函数模型,得到烧结料层对应的对数正态分布函数特征值;
将得到的废气温度随时间变化的曲线带入所述步骤S1建立的烧结废气温度随时间分布的对数正态分布函数模型,得到烧结废气对应的对数正态分布函数特征值;
再次,进行多次烧结杯实验,然后对每个对数正态分布函数特征值,以烧结料层对应的对数正态分布函数特征值为横坐标、以烧结废气对应的对数正态分布函数特征值为纵坐标,进行线性拟合得到映射关系;
S3:预测烧结料层温度曲线,将任一烧结废气温度随时间变化的曲线带入烧结废气温度随时间分布的对数正态分布函数模型,计算得到烧结废气对应的对数正态分布函数特征值,然后将计算得到的烧结废气对应的对数正态分布函数特征值输入上述对应的映射关系中,得到预测的烧结料层对应的对数正态分布函数特征值,最后将预测的烧结料层对应的对数正态分布函数特征值带入所述烧结料层温度随时间分布的对数正态分布函数模型,即可得到预测烧结料层温度曲线。
作为优化,所述步骤S1中所建立的烧结料层温度随时间分布的对数正态分布函数模型和烧结废气温度随时间分布的对数正态分布函数模型分别为:
烧结料层温度随时间分布的对数正态分布函数模型参见公式(1);
烧结废气温度随时间分布的对数正态分布函数模型参见公式(2);
其中,T料为烧结料层温度,t料为烧结料层温度所对应的时间点,T料0、t料c、w料和A料为对数正态分布函数特征值,分别表示烧结料层温度初始值、烧结料层所对应的平均时间、烧结料层温度对应时间的方差和烧结料层温度对应时间的形状系数;
T废为烧结废气温度,t废为烧结废气温度所对应的时间点,T废0、t废c、w废和A废为对数正态分布函数特征值,分别表示烧结废气温度初始值、烧结废气所对应的平均时间、烧结废气温度对应时间的方差和烧结废气温度对应时间的形状系数。
这样,就将烧结料层温度和废气温度通过一个函数的四个特征值“模型化”,定量表征温度变化规律以及寻求废气温度到料层温度的映射关系才有了可能。
作为优化,所述步骤S2建立烧结废气温度到烧结料层温度分布的映射关系时,在烧结杯实验中,选定烧结料层M个不同高度位置点,采集每个高度位置点烧结料层温度和该烧结料层温度所对应的时间点,所述M为自然数。烧结杯为模拟烧结台车的实验室装置,在负压抽风烧结过程中,温度的变化是沿着杯体纵向进行的,因此预测纵向上一系列位置点的温度变化是描述料层温度的必经之路。
作为优化,所述M的取值为M≥5。理论上,选取的位置点越多,预测的温度场越贴近实际,但是考虑模型展示的简洁和缩小计算量,选择5个料层位置温度点。
作为优化,,所述步骤S2建立映射关系的步骤如下:
S2a:烧结杯实验中,选定烧结料层M个不同高度位置点,并进行N烧结杯实验,所述M和N均为自然数;
设:T料ij表示第j次烧结实验中,烧结料层位于第i个高度位置点的烧结料层温度,t料ij表示第j次烧结实验中,烧结料层位于第i个高度位置点的烧结料层温度所对应的时间点,i=1,2,3…M,j=1,2,3…N;
T废j表示第j次烧结实验中烧结废气温度,t废j表示第j次烧结实验中,烧结废气温度所对应的时间点;
S2b:数学建模;
1)令j=1;
2)令i=1;
3)令T料0ij=50℃;
4)采集第j次烧结实验中,第i个高度位置点烧结料层温度T料ij及与该高度位置点烧结料层温度所对应的时间点t料ij,得到第j次烧结实验中,第i个高度位置点烧结料层温度随时间变化的曲线;
5)将T料ij和t料ij带入公式(1),得到第j次烧结实验中,烧结料层对应的对数正态分布函数特征值,t料cij、w料ij和A料ij;
6)采集第j次烧结实验中,烧结废气温度T废j及与该烧结废气温度所对应的时间点t废j;
7)将T废j和t废j带入公式(2),得到第j次烧结实验中,烧结废气对应的对数正态分布函数特征值,T废0j、t废cj、w废j和A废j;
8)设i=i+1,当i>M时,执行下一步,否则返回3);
9)设j=j+1,当j>N时,执行下一步,否则返回3);
10)令i=1;
11)j=1,2,3…N,然后对每个对数正态分布函数特征值,以烧结料层对应的对数正态分布函数特征值为横坐标、以烧结废气对应的对数正态分布函数特征值为纵坐标,进行线性拟合得到映射关系,并输出;
即分别对数据点(t废cij,t料cij)、(w废ij,w料ij)和(A废ij,A料ij)进行线性拟合得到如下映射关系,并输出:
t料ci=a1·t废c+b1(3-1);
w料i=a2·w废+b2(3-2);
A料i=a3·A废+b3(3-3);
12)设i=i+1,当i>M时,结束循环,否则返回11)。
作为优化,所述步骤S3预测烧结料层温度曲线包括如下步骤:
S3a:将任一烧结废气温度随时间变化的曲线带入公式(1)通过计算得到T'废0、t'废c、w'废和A'废,然后将t'废c带入公式(3-1)得到t'料ic,w'废带入公式(3-2)得到w‘料i、A'废带入公式(3-3)得到A'料i;
S3b:令T料0i=50,然后将T料0i、t'料ic、w‘料i和A'料i带入公式(2),即可得到烧结料层温度随时间变化的预测曲线Q′料i。
作为优化,所述步骤S2b中所述的M的取值为N≥50。
相对于现有技术,本发明具有如下优点:
1、本发明方法通过对数正态分布函数对烧结废气和料层温度变化曲线进行数学建模,并找到废气温度到料层温度的模型映射关系,通过废气温度的输入得到烧结料层温度的变化规律。该预测方法可以预测烧结料层温度变化规律,预测精度高,在工业应用上操作简单,适用型强,极易实施推广。
2、本发明对烧结料层温度分布的预测模型为单纯“数学模型”,相比于基于复杂的烧结物理化学过程的“物理模型”,在预测方法上更加直接且可操作性强,并在数学模型反复优化之下,预测准确率也足以保障。
3、在烧结工业生产上,对烧结废气温度的监测,可以通过在烧结台车下安装一系列热电偶轻易实现,经本发明的方法预测料层温度,可以间接优化实际生产操作参数,使得料层温度分布更加合理。
附图说明
图1为实施例1中测试数据1的料层温度预测曲线和实验曲线。
图2为实施例2中测试数据2的料层温度预测曲线和实验曲线。
图3为实施例3中测试数据3的料层温度预测曲线和实验曲线。
图4为实施例4中测试数据4的料层温度预测曲线和实验曲线。
具体实施方式
下面对本发明作进一步详细说明。
本发明通过对烧结废气和料层温度的曲线特征分析发现,数学模型化后废气温度可以间接推导料层温度的变化规律,而这一推导过程的实质就是找到了废气温度到料层温度的映射关系。这在工业应用上意义极大,由于抽风带式烧结机运行的持续性和高料层的特征,测量不同位置点的料层温度在操作上难以进行,然而废气温度值可以轻易检测,如果找到废气温度到料层温度的映射关系,料层温度这一“黑箱”变得透明可见。这便是烧结料层温度预测的数学方法,即单纯通过温度曲线的建模特征,由废气温度模型到料层温度模型进行数学推导。本发明旨在建立烧结废气和料层温度分布模型,并通过废气温度预测料层温度。
本发明提供的预测方法,通过对数正态分布函数对烧结废气和料层温度进行数学建模,即:探究烧结废气和料层温度模型参数之间的映射关系,以烧结废气温度随时间变化为输入量,得到烧结料层不同高度位置的温度随时间分布曲线。比较料层温度的预测值和实验值发现,此方法可以很好地建立烧结温度变化模型并能够准确预测料层温度的变化规律。
一种基于对数正态分布函数的烧结料层温度预测方法,包括如下步骤:
S1:建立烧结废气温度和料层温度分布数学建模,烧结废气温度随时间分布和烧结料层温度随时间分布均符合对数正态分布函数的变化规律,因此,分别建立烧结料层温度随时间分布的对数正态分布函数模型和烧结废气温度随时间分布的对数正态分布函数模型;
烧结废气和料层温度随时间分布具有升温速度快和降温速度慢的特点,因此在数学模型构建上符合对数正态分布函数变化规律;
具体建立的烧结料层温度随时间分布的对数正态分布函数模型和烧结废气温度随时间分布的对数正态分布函数模型分别为:
烧结料层温度随时间分布的对数正态分布函数模型参见公式(1);
烧结废气温度随时间分布的对数正态分布函数模型参见公式(2);
其中,T料为烧结料层温度,t料为烧结料层温度所对应的时间点,T料0、t料c、w料和A料为对数正态分布函数特征值,分别表示烧结料层温度初始值、烧结料层所对应的平均时间、烧结料层温度对应时间的方差和烧结料层温度对应时间的形状系数;烧结料层温度四个特征参数值根据实际不同废气曲线(随温度变化),通过MATLAB软件计算可得;
T废为烧结废气温度,t废为烧结废气温度所对应的时间点,T废0、t废c、w废和A废为对数正态分布函数特征值,分别表示烧结废气温度初始值、烧结废气所对应的平均时间、烧结废气温度对应时间的方差和烧结废气温度对应时间的形状系数。烧结废气温度四个特征参数值根据实际不同废气曲线(随温度变化),通过MATLAB软件计算可得。
S2:建立映射关系;
首先,从烧结杯实验中采集烧结料层温度和该烧结料层温度所对应的时间点,并得到烧结料层温度随时间变化的曲线、采集烧结废气温度和该烧结废气温度所对应的时间点,并得到废气温度随时间变化的曲线;
作为优化,在烧结杯实验中,最好选定烧结料层M个不同高度位置点,采集每个高度位置点烧结料层温度和该烧结料层温度所对应的时间点,所述M为自然数。M的取值最好为M≥5,具体地,本发明的实施例部分中M=5。
其次,将得到的烧结料层温度随时间变化的曲线带入所述步骤S1建立的烧结料层温度随时间分布的对数正态分布函数模型,得到烧结料层对应的对数正态分布函数特征值;
将得到的废气温度随时间变化的曲线带入所述步骤S1建立的烧结废气温度随时间分布的对数正态分布函数模型,得到烧结废气对应的对数正态分布函数特征值;
再次,进行多次烧结杯实验,然后对每个对数正态分布函数特征值,以烧结料层对应的对数正态分布函数特征值为横坐标、以烧结废气对应的对数正态分布函数特征值为纵坐标,进行线性拟合得到映射关系;
具体地,所述步骤S2建立映射关系的步骤如下:
S2a:烧结杯实验中,选定烧结料层M个不同高度位置点,并进行N烧结杯实验,所述M和N均为自然数;
设:T料ij表示第j次烧结实验中,烧结料层位于第i个高度位置点的烧结料层温度,t料ij表示第j次烧结实验中,烧结料层位于第i个高度位置点的烧结料层温度所对应的时间点,i=1,2,3…M,j=1,2,3…N;
T废j表示第j次烧结实验中烧结废气温度,t废j表示第j次烧结实验中,烧结废气温度所对应的时间点;
S2b:数学建模;
1)令j=1;
2)令i=1;
3)令T料0ij=50℃;
4)采集第j次烧结实验中,第i个高度位置点烧结料层温度T料ij及与该高度位置点烧结料层温度所对应的时间点t料ij,得到第j次烧结实验中,第i个高度位置点烧结料层温度随时间变化的曲线;
5)将T料ij和t料ij带入公式(1),得到第j次烧结实验中,烧结料层对应的对数正态分布函数特征值,t料cij、w料ij和A料ij;
6)采集第j次烧结实验中,烧结废气温度T废j及与该烧结废气温度所对应的时间点t废j;
7)将T废j和t废j带入公式(2),得到第j次烧结实验中,烧结废气对应的对数正态分布函数特征值,T废0j、t废cj、w废j和A废j;
8)设i=i+1,当i>M时,执行下一步,否则返回3);
9)设j=j+1,当j>N时,执行下一步,否则返回3);
10)令i=1;
11)j=1,2,3…N,然后对每个对数正态分布函数特征值,以烧结料层对应的对数正态分布函数特征值为横坐标、以烧结废气对应的对数正态分布函数特征值为纵坐标,进行线性拟合得到映射关系,并输出;
即分别对数据点(t废cij,t料cij)、(w废ij,w料ij)和(A废ij,A料ij)进行线性拟合得到如下映射关系,并输出:
t料ci=a1·t废c+b1(3-1);
w料i=a2·w废+b2(3-2);
A料i=a3·A废+b3(3-3);
12)设i=i+1,当i>M时,结束循环,否则返回11)。
S3:预测烧结料层温度曲线,将任一烧结废气温度随时间变化的曲线带入烧结废气温度随时间分布的对数正态分布函数模型,计算得到烧结废气对应的对数正态分布函数特征值,然后将计算得到的烧结废气对应的对数正态分布函数特征值输入上述对应的映射关系中,得到预测的烧结料层对应的对数正态分布函数特征值,最后将预测的烧结料层对应的对数正态分布函数特征值带入所述烧结料层温度随时间分布的对数正态分布函数模型,即可得到预测烧结料层温度曲线。
具体地,所述步骤S3预测烧结料层温度曲线包括如下步骤:
S3a:将任一烧结废气温度随时间变化的曲线带入公式(1)通过计算得到T'废0、t'废c、w'废和A'废,然后将t'废c带入公式(3-1)得到t'料ic,w'废带入公式(3-2)得到w‘料i、A'废带入公式(3-3)得到A'料i;
S3b:令T料0i=50,然后将T料0i、t'料ic、w‘料i和A'料i带入公式(2),即可得到烧结料层温度随时间变化的预测曲线Q′料i。
实施例1:
1)废气温度建模。将测试数据1根据测量的烧结废气温度和该烧结废气温度所对应的时间点,得到的烧结废气温度随时间变化的曲线作为输入,根据公式(2)进行数学建模,得到模型化参数T废0、t废c、w废和A废。
2)根据所述的映射关系,计算得到烧结料层五个高度位置点的对数正态分布函数特征值,根据得到的对数正态分布函数特征值绘制烧结料层五个高度位置点温度随时间变化曲线,即预测曲线。
3)预测结果验证。将烧结料层温度的预测曲线和已知的实验曲线对比如图1,发现两条曲线非常的接近,因此证明了本发明预测方法的预测精度高。
实施例2:
1)废气温度建模。将测试数据1根据测量的烧结废气温度和该烧结废气温度所对应的时间点,得到的烧结废气温度随时间变化的曲线作为输入,根据公式(2)进行数学建模,得到模型化参数T废0、t废c、w废和A废。
2)根据所述的映射关系,计算得到烧结料层五个高度位置点的对数正态分布函数特征值,根据得到的对数正态分布函数特征值绘制烧结料层五个高度位置点温度随时间变化曲线,即预测曲线。
3)预测结果验证。将烧结料层温度的预测曲线和已知的实验曲线对比如图2,发现两条曲线非常的接近,因此证明了本发明预测方法的预测精度高。
实施例3:
1)废气温度建模。将测试数据1根据测量的烧结废气温度和该烧结废气温度所对应的时间点,得到的烧结废气温度随时间变化的曲线作为输入,根据公式(2)进行数学建模,得到模型化参数T废0、t废c、w废和A废。
2)根据所述的映射关系,计算得到烧结料层五个高度位置点的对数正态分布函数特征值,根据得到的对数正态分布函数特征值绘制烧结料层五个高度位置点温度随时间变化曲线,即预测曲线。
3)预测结果验证。将烧结料层温度的预测曲线和已知的实验曲线对比如图3,发现两条曲线非常的接近,因此证明了本发明预测方法的预测精度高。
实施例4:
1)废气温度建模。将测试数据1根据测量的烧结废气温度和该烧结废气温度所对应的时间点,得到的烧结废气温度随时间变化的曲线作为输入,根据公式(2)进行数学建模,得到模型化参数T废0、t废c、w废和A废。
2)根据所述的映射关系,计算得到烧结料层五个高度位置点的对数正态分布函数特征值,根据得到的对数正态分布函数特征值绘制烧结料层五个高度位置点温度随时间变化曲线,即预测曲线。
3)预测结果验证。将烧结料层温度的预测曲线和已知的实验曲线对比如图4,发现两条曲线非常的接近,因此证明了本发明预测方法的预测精度高。
通过实施例1-4,发现对数正态分布函数是描述烧结废气和料层温度的理想数学模型。以废气温度为输入值,通过废气到料层温度的模型化参数映射关系,预测料层温度变化规律,预测精度高,在工业应用上操作简单,适用型强,极易实施推广。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于对数正态分布函数的烧结料层温度预测方法,其特征在于,包括如下步骤:
S1:建立烧结废气温度和料层温度分布数学建模,烧结废气温度随时间分布和烧结料层温度随时间分布均符合对数正态分布函数的变化规律,因此,分别建立烧结料层温度随时间分布的对数正态分布函数模型和烧结废气温度随时间分布的对数正态分布函数模型;
所述步骤S1中所建立的烧结料层温度随时间分布的对数正态分布函数模型和烧结废气温度随时间分布的对数正态分布函数模型分别为:
烧结料层温度随时间分布的对数正态分布函数模型参见公式(1);
烧结废气温度随时间分布的对数正态分布函数模型参见公式(2);
其中,T料为烧结料层温度,t料为烧结料层温度所对应的时间点,T料0、t料c、w料和A料为对数正态分布函数特征值,分别表示烧结料层温度初始值、烧结料层所对应的平均时间、烧结料层温度对应时间的方差和烧结料层温度对应时间的形状系数;
T废为烧结废气温度,t废为烧结废气温度所对应的时间点,T废0、t废c、w废和A废为对数正态分布函数特征值,分别表示烧结废气温度初始值、烧结废气所对应的平均时间、烧结废气温度对应时间的方差和烧结废气温度对应时间的形状系数;
S2:建立映射关系;
首先,从烧结杯实验中采集烧结料层温度和该烧结料层温度所对应的时间点,并得到烧结料层温度随时间变化的曲线、采集烧结废气温度和该烧结废气温度所对应的时间点,并得到废气温度随时间变化的曲线;
其次,将得到的烧结料层温度随时间变化的曲线带入所述步骤S1建立的烧结料层温度随时间分布的对数正态分布函数模型,得到烧结料层对应的对数正态分布函数特征值;
将得到的废气温度随时间变化的曲线带入所述步骤S1建立的烧结废气温度随时间分布的对数正态分布函数模型,得到烧结废气对应的对数正态分布函数特征值;
再次,进行多次烧结杯实验,然后对每个对数正态分布函数特征值,以烧结料层对应的对数正态分布函数特征值为横坐标、以烧结废气对应的对数正态分布函数特征值为纵坐标,进行线性拟合得到映射关系;
S3:预测烧结料层温度曲线,将任一烧结废气温度随时间变化的曲线带入烧结废气温度随时间分布的对数正态分布函数模型,计算得到烧结废气对应的对数正态分布函数特征值,然后将计算得到的烧结废气对应的对数正态分布函数特征值输入上述对应的映射关系中,得到预测的烧结料层对应的对数正态分布函数特征值,最后将预测的烧结料层对应的对数正态分布函数特征值带入所述烧结料层温度随时间分布的对数正态分布函数模型,即可得到预测烧结料层温度曲线。
2.如权利要求1所述的基于对数正态分布函数的烧结料层温度预测方法,其特征在于,所述步骤S2建立烧结废气温度到烧结料层温度分布的映射关系时,在烧结杯实验中,选定烧结料层M个不同高度位置点,采集每个高度位置点烧结料层温度和该烧结料层温度所对应的时间点,所述M为自然数。
3.如权利要求2所述的基于对数正态分布函数的烧结料层温度预测方法,其特征在于,所述M的取值为M≥5。
4.如权利要求3所述的基于对数正态分布函数的烧结料层温度预测方法,其特征在于,所述步骤S2建立映射关系的步骤如下:
S2a:烧结杯实验中,选定烧结料层M个不同高度位置点,并进行N烧结杯实验,所述M和N均为自然数;
设:T料ij表示第j次烧结实验中,烧结料层位于第i个高度位置点的烧结料层温度,t料ij表示第j次烧结实验中,烧结料层位于第i个高度位置点的烧结料层温度所对应的时间点,i=1,2,3…M,j=1,2,3…N;
T废j表示第j次烧结实验中烧结废气温度,t废j表示第j次烧结实验中,烧结废气温度所对应的时间点;
S2b:数学建模;
1)令j=1;
2)令i=1;
3)令T料0ij=50℃;
4)采集第j次烧结实验中,第i个高度位置点烧结料层温度T料ij及与该高度位置点烧结料层温度所对应的时间点t料ij,得到第j次烧结实验中,第i个高度位置点烧结料层温度随时间变化的曲线;
5)将T料ij和t料ij带入公式(1),得到第j次烧结实验中,烧结料层对应的对数正态分布函数特征值,t料cij、w料ij和A料ij;
6)采集第j次烧结实验中,烧结废气温度T废j及与该烧结废气温度所对应的时间点t废j;
7)将T废j和t废j带入公式(2),得到第j次烧结实验中,烧结废气对应的对数正态分布函数特征值,T废0j、t废cj、w废j和A废j;
8)设i=i+1,当i>M时,执行下一步,否则返回3);
9)设j=j+1,当j>N时,执行下一步,否则返回3);
10)令i=1;
11)j=1,2,3…N,然后对每个对数正态分布函数特征值,以烧结料层对应的对数正态分布函数特征值为横坐标、以烧结废气对应的对数正态分布函数特征值为纵坐标,进行线性拟合得到映射关系,并输出;
即分别对数据点(t废cij,t料cij)、(w废ij,w料ij)和(A废ij,A料ij)进行线性拟合得到如下映射关系,并输出:
t料ci=a1·t废c+b1 (3-1);
w料i=a2·w废+b2 (3-2);
A料i=a3·A废+b3 (3-3);
12)设i=i+1,当i>M时,结束循环,否则返回11)。
5.如权利要求4所述的基于对数正态分布函数的烧结料层温度预测方法,其特征在于,所述步骤S3预测烧结料层温度曲线包括如下步骤:
S3a:将任一烧结废气温度随时间变化的曲线带入公式(1)通过计算得到T'废0、t'废c、w'废和A'废,然后将t'废c带入公式(3-1)得到t'料ic,w'废带入公式(3-2)得到w‘料i、A'废带入公式(3-3)得到A'料i;
S3b:令T料0i=50,然后将T料0i、t'料ic、w'料i和A'料i带入公式(2),即可得到烧结料层温度随时间变化的预测曲线Q'料i。
6.如权利要求5所述的基于对数正态分布函数的烧结料层温度预测方法,其特征在于,所述步骤S2b中所述的M的取值为N≥50。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710544724.6A CN107236862B (zh) | 2017-07-06 | 2017-07-06 | 一种基于对数正态分布函数的烧结料层温度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710544724.6A CN107236862B (zh) | 2017-07-06 | 2017-07-06 | 一种基于对数正态分布函数的烧结料层温度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107236862A CN107236862A (zh) | 2017-10-10 |
CN107236862B true CN107236862B (zh) | 2018-08-10 |
Family
ID=59990974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710544724.6A Active CN107236862B (zh) | 2017-07-06 | 2017-07-06 | 一种基于对数正态分布函数的烧结料层温度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107236862B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651884B (zh) * | 2020-06-03 | 2023-12-26 | 北京首钢股份有限公司 | 一种用于温度控制的带钢分层方法和装置 |
CN112935251B (zh) * | 2021-01-31 | 2022-03-11 | 华中科技大学 | 一种非晶合金梯度复合材料的制备方法 |
CN113254738B (zh) * | 2021-04-27 | 2022-01-04 | 佛山众陶联供应链服务有限公司 | 烧成曲线的自适应预测方法、设备及计算机存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105039685B (zh) * | 2015-08-03 | 2017-03-22 | 中南大学 | 一种铁矿烧结过程状态的软测量方法 |
CN105093928B (zh) * | 2015-08-25 | 2018-02-16 | 中南大学 | 一种基于主抽风机变频调控的烧结过程状态智能控制方法 |
CN105624394B (zh) * | 2016-01-13 | 2017-11-07 | 中国地质大学(武汉) | 一种基于风箱废气温度的烧结料层热状态识别方法 |
CN106022377B (zh) * | 2016-05-20 | 2019-07-23 | 中南大学 | 一种铁矿烧结料层透气性状态的在线预测方法 |
CN106636616B (zh) * | 2016-12-20 | 2018-09-04 | 中国地质大学(武汉) | 一种基于风箱废气温度的烧结矿成品率预测方法 |
-
2017
- 2017-07-06 CN CN201710544724.6A patent/CN107236862B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107236862A (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107236862B (zh) | 一种基于对数正态分布函数的烧结料层温度预测方法 | |
CN106352542B (zh) | 一种储水式电热水器剩余洗浴时间的预测方法 | |
CN104597755B (zh) | 一种湿法冶金金氰化浸出过程优化方法 | |
CN103302777B (zh) | 一种基于神经网络的轮胎硫化机能耗异常检测方法 | |
US20070250214A1 (en) | Method and apparatus for fuzzy logic control enhancing advanced process control performance | |
CN106802977A (zh) | 一种用于烧结矿性能指标预测及综合质量评价方法 | |
CN106681183A (zh) | 监测制造装置的方法、装置、系统与计算机可读储存媒介 | |
CN107368125B (zh) | 一种基于cbr与rbr并行混合推理的高炉炉温控制系统及方法 | |
CN103706318B (zh) | 实验室智能反应系统及其控制方法 | |
CN104516339A (zh) | 优化化工间歇生产操作的方法及经优化的生产操作系统 | |
CN105094177A (zh) | 基于模糊自适应pid控制的高精度恒温控制器及方法 | |
CN109634108A (zh) | 参数自整定的mimo异因子全格式无模型控制方法 | |
CN106485022B (zh) | 一种循环流化床锅炉脱硫脱硝运行优化控制的建模方法 | |
CN109814379A (zh) | Mimo异因子全格式无模型控制方法 | |
CN102899643A (zh) | 化学镍药液自动分析添加系统 | |
CN104531932B (zh) | 一种高炉内表面温度分布模型建立方法及装置 | |
Laktionov et al. | Results of simulation and physical modeling of the computerized monitoring and control system for greenhouse microclimate parameters | |
CN105487515B (zh) | 一种连续搅拌釜式反应过程工艺设计与控制的集成优化方法 | |
JP2016065275A (ja) | 高炉内状態推定装置および高炉内状態推定方法 | |
CN105400951B (zh) | 一种用于硅钢退火的加湿混合控制系统及其控制方法 | |
CN102455134A (zh) | 一种恒温炉用温度自动调节系统 | |
CN109782586A (zh) | 参数自整定的miso异因子紧格式无模型控制方法 | |
CN116149398B (zh) | 一种基于数据反馈的温度控制器精确控制系统及方法 | |
CN201876150U (zh) | 一种恒温炉用温度自动调节系统 | |
CN105404146B (zh) | 一种电石炉炉况诊断方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |