CN109815282A - 一种炼铁系统大数据平台 - Google Patents
一种炼铁系统大数据平台 Download PDFInfo
- Publication number
- CN109815282A CN109815282A CN201811464906.3A CN201811464906A CN109815282A CN 109815282 A CN109815282 A CN 109815282A CN 201811464906 A CN201811464906 A CN 201811464906A CN 109815282 A CN109815282 A CN 109815282A
- Authority
- CN
- China
- Prior art keywords
- data
- blast furnace
- big
- ironmaking
- big data
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000007689 inspection Methods 0.000 claims abstract description 7
- 230000009471 action Effects 0.000 claims abstract description 6
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 239000002994 raw material Substances 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 27
- 239000000463 material Substances 0.000 claims description 20
- 229910052742 iron Inorganic materials 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000007418 data mining Methods 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 239000004615 ingredient Substances 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000010079 rubber tapping Methods 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 238000005275 alloying Methods 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010223 real-time analysis Methods 0.000 abstract description 3
- 230000007123 defense Effects 0.000 abstract description 2
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 239000000571 coke Substances 0.000 description 7
- 238000005245 sintering Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005453 pelletization Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开一种高炉炼铁系统大数据平台，使用多源数据融合技术将炼铁系统仪表数据、检化验数据、关键设备动作信号、人工输入数据及模型计算数据进行数据抽取、数据清洗、数据过滤、计算形成数据库。并利用大数据分析结合机理模型开发出满足现场生产不同需求的九大功能模块。该大数据平台利用大数据分析手段帮助操作者对原料、设备状态、高炉炉况进行在线监控、预警和实时分析，根据外围状况和高炉炉况诊断给高炉操作者制定攻守方向，操作者可依据大数据分析结果和炉况治理案例库制定炉况治理方案。该大数据平台以高炉生产为中心，为操作者提供方向性指导。
Description
技术领域
本发明属于冶金行业智能制造信息化领域，特别涉及一种炼铁系统大数据平台。
背景技术
从冶炼的角度讲，高炉是一个巨大的对流反应器，流程复杂，影响因素多；从监测的角度讲，高炉是一个“黑盒子”，仅能从有限的检测手段推断高炉内部发生的变化；从控制的角度讲，高炉是一种多变量、大滞后、非线性的系统。这样一来，操作者主要依靠有限的监测手段和操作经验对高炉过程进行分析、判断和调剂来维持高炉生产的进行。为了改变这个现状，人们开发了高炉专家系统，但专家系统强调实时决策、闭环控制，而这要求原料条件稳定，设备运行良好，各种仪表及检化验数据可靠。另外专家系统主要对高炉本体相关数据如气流分布、下料、透气性、炉热、渣铁等的分析和诊断结合日常操作知识库给炉况进行综合诊断，而这些在原料非常稳定的条件可以实现较高的吻合度。事实上，高炉是前道工序，包括煤粉质量、矿粉质量、储运、焦化工艺、烧结工艺、球团工艺、配料、设备状况等各个环节发生波动及故障的“吸纳器”，前道工序发生变化，高炉稳定顺行受到影响后，操作者根据自己的经验来进行炉况调整操作。因次，专家系统的应用情况不尽人意。
发明内容
本发明的目的在于提供一种炼铁系统大数据平台，利用大数据分析手段帮助操作者对原料、设备状态、高炉炉况进行在线监控、预警、实时分析，并建立高炉开炉以来历史上应对各种状况的炉况治理经验数据库，操作者根据预警及分析结果和炉况治理案例库制定最终的应对措施。
为达到上述目的，本发明提供如下技术方案：
一种高炉炼铁大数据平台，包括：
基础数据库表：通过通讯服务器、以太网将炼铁系统仪表数据和关键设备动作信号传输到数据采集服务器，通过以太网将炼铁系统的检化验数据、前端录入数据、数学模型计算数据传输到数据采集服务器，建立基础数据库表；
二级数据库表：将基础数据库表的各类数据进行数据清洗和过滤，利用多源数据融合技术将各类型数据整合并进行数据挖掘，按功能建立秒、分钟、小时、班、天级别的二级数据库表；
九大功能模块：基于二级数据库表进行数据清洗，利用大数据分析结合冶金机理模型在功能服务器上建立原料质量预警、设备故障预警、在线监控、高炉炉况诊断及预警、大数据实时分析、炉况治理案例库、离线模型计算、关键参数趋势查询及自动化报表九大功能模块。
进一步，所述的高炉炼铁大数据平台中检化验数据包括入炉原料以及高炉铁水和炉渣的物理和化学性能数据。
进一步，所述的高炉炼铁大数据平台中前端录入数据包括通过前端录入界面录入的对于炼铁系统重要但仪表检测不到的工艺数据，录入后传输到数据库服务器，参与数据融合及二级数据库表的建立。
进一步，所述的高炉炼铁大数据平台中采用的模型包括料层分布模型、下部送风模型、高炉配料模型、热平衡模型和里斯特操作线数学模型。
更进一步，所述的高炉炼铁大数据平台中模型自离线触发后，从一级或二级数据库表中自动抽取所需要的数据并开始运算，结果传输到数采服务器，并参与数据融合及二级数据库表的建立。
进一步，所述的高炉炼铁大数据平台中二级数据库表包括数据融合和数据挖掘项：利用料罐装料信号、料流阀动作信号、探尺提放尺信号及料线深度进行逻辑处理和数据融合，挖掘反映下料顺畅性的工艺数据；利用料速、配料模型计算的离散数据结合煤量、煤气成分连续值进行数据融合，计算出直接还原碳量；利用每包、每炉、每铁口的铁渣信息，挖掘出每班、每天各个铁口之间炉温、铁口深度、出铁前后温差信息的偏差。
进一步，所述的高炉炼铁大数据平台中功能模块通过浏览器/服务器模式经以太网传输到各个工作电脑，实现一处安装全网可用，维护方便，并设置不同权限，满足操作者、技术员、生产管理者、研发人员的使用需求。
与现有技术相比较，本发明至少具有如下有益效果：
1.本发明利用大数据分析、数据挖掘和机理模型为炼铁生产者提供原料质量、设备状况、高炉操作的预警和分析结果以及历史炉况治理案例，最大限度帮助操作者制定高炉攻守方向以及技术调整方案，但不干扰现场的操作，具备较高灵活性。
2.本发明利用大数据分析手段帮助操作者对炼铁前道工序及高炉炉况进行预警和实时分析，使高炉操作者充分利用大数据分析结果，摆脱靠经验操作高炉的现状，同时又摒弃专家系统取代操作者，完全依靠数据实现闭环操作的缺点，提高了大数据平台的使用率和实用性。
附图说明
图1为炼铁系统大数据平台功能实现流程图。
图2高炉大数据平台网络架构图。
图3为炉况诊断打分系统。
图4为大数据分析。
图5为自动化报表。
具体实施例
下面将结合附图，对本发明的优选实施例进行详细的描述。
一种高炉炼铁系统大数据平台的功能实现过程如图1所示，按照数据的流向主要分为：数据采集、模型层、业务逻辑层和呈现层。按照网络架构可以分为如图2所示的11个部分，其中1代表铁前系统仪表检测数据，2代表铁前系统设备动作信号，3代表铁前系统检化验数据，4代表前端录入数据，5代表离线模型计算数据，6代表通讯服务器，7代表数据服务器，8代表铁前系统功能服务器，9代表以太网，10代表数据流，11代表功能界面呈现。通讯服务器通过PLC采集铁前系统仪表监测数据和关键设备动作信号。
一种高炉炼铁大数据平台，包括：基础数据库表、二级数据库表和九大功能模块。
基础数据库表：通过通讯服务器、以太网将炼铁系统仪表数据和关键设备动作信号传输到数据采集服务器，通过以太网将炼铁系统的检化验数据、前端录入数据、数学模型计算数据传输到数据采集服务器，建立基础数据库表；
二级数据库表：将基础数据库表的各类数据进行数据清洗和过滤，利用多源数据融合技术将各类型数据整合并进行数据挖掘，按功能建立秒、分钟、小时、班、天级别的二级数据库表；
九大功能模块：基于二级数据库表进行数据清洗，利用大数据分析结合冶金机理模型在功能服务器上建立原料质量预警、设备故障预警、在线监控、高炉炉况诊断及预警、大数据实时分析、炉况治理案例库、离线模型计算、关键参数趋势查询及自动化报表九大功能模块。
基础数据库表建立：通过通讯服务器、以太网将炼铁系统仪表数据和关键设备动作信号及传输到数据采集服务器，通过以太网将炼铁系统的检化验数据、前端录入数据、数学模型计算数据传输到数据采集服务器，建立基础数据库表。
数据为以高炉炼铁生产为中心，覆盖焦化厂、烧结厂、高炉的关键工艺过程参数。前端录入数据包括通过前端录入界面录入的对于炼铁系统重要但仪表检测不到的工艺数据，录入后传输到数据库服务器，参与数据融合及二级数据库表的建立。检化验数据包括煤粉、矿粉到烧结矿、焦炭、球团等入炉原料以及高炉铁水和炉渣的物理和化学性能。关键设备设备信号为：料流阀开、停信号、探尺提尺和放尺信号、充放压信号、料空料满信号、休风信号、换炉信号等。前端录入的关键信息有：铁水温度、出铁、出渣相关信息、风口寿命、特殊炉况等相关信息。
二级数据库表建立：将基础数据库表的各类数据进行数据清洗和过滤，利用多源数据融合技术将各类型数据整合并进行数据挖掘，按功能建立秒、分钟、小时、班、天级别的二级数据库表。
二级数据库表包括大量的数据融合和数据挖掘项，例如通过料罐装料信号、料流阀动作信号、探尺提放尺信号及料线深度根据时间、工艺特点进行逻辑处理和数据融合，挖掘出偏料、滑料、悬料等反映下料顺畅行的工艺数据；利用料速、配料模型计算的批铁、焦批等离散数据结合煤量、煤气成分等连续值进行数据融合，计算出直接还原碳量；利用每包、每炉、每铁口的铁渣信息，挖掘出每班、每天各个铁口之间炉温、铁口深度、出铁前后温差等重要信息的偏差。
高炉炼铁大数据平台中采用的模型包括料层分布模型、下部送风模型、高炉配料模型、热平衡模型和里斯特操作线数学模型。数学模型自离线触发后，从一级或二级数据库表中自动抽取所需要的数据并开始运算，结果传输到数采服务器，并参与数据融合及二级数据库表的建立。
九大功能模块：基于二级数据库表进行数据清洗，利用大数据分析结合冶金机理模型在功能服务器上建立原料质量预警、设备故障预警、在线监控、高炉炉况诊断及预警、大数据实时分析、炉况治理案例库、离线模型计算、关键参数趋势查询及自动化报表九大功能模块。
原料质量预警主要包括对高炉入炉原料包括焦炭、煤、矿等的质量进行监控和预警，以及前道工序的矿分、煤粉、熔剂等原料发生较大成分波动时按照级别用不同颜色进行预警。另外对焦炭和矿石的仓位变化进行监控和预警，使操作者对于高炉前道工序发生的变化及时进行干预。
设备故障预警主要包括对影响高炉稳定生产的主要设备如主供料皮带、旋转溜槽、风口漏水等进行监控和预警，并及时采取应对措施。
在线监控主要针对高炉监测数据进行数据挖掘和分析并实时显示给操作者，主要包括炉下料偏差监控、炉身气流分布及稳定性监控模型、炉缸温度及偏差监控模型、铁口偏析监控、出铁出渣理论值与实际值偏差监控等。
高炉炉况诊断及预警主要包括从技术指标、操作参数、下料、气流、出铁等27个主要诊断项，每个诊断项根据阈值分成稳定、较稳定、不稳定、极差四个等级，并给定权值，对每个班操作情况进行综合诊断打分，对得分较低的项以红色标出，以示警戒，如图3所示。
大数据实时分析主要包括自动对主要指标压差、燃耗等重要指标进行相关性分析并将分析结果按照相关性系数大小进行排序，指导操作者进行炉况调整以及指标改善。图4为其中一个分析结果。短期上根据监控结果及炉况诊断情况及大数据分析结果制定高炉攻守方向，为操作者提供参考。长期上对重要指标自动进行相关性分析及分类分析，指导生产组织者进行原料质量及操作制度的搭配，操作方向的制定。
炉况治理案例库主要包括自开炉以来处理各种炉况的案例，如焦炭强度恶化、落地焦、湿熄焦、烧结矿粒度恶化、烧结矿FeO异常、溜槽更换等，操作者可以根据关键字查询历史上应对类似情况时的影响因素变化幅度、炉况表现、采取措施、治理过程、治理结果等重要信息。操作者结合上述的分析结果及案例库制定炉况治理措施。
主要数学模型有料层分布模型、下部送风模型、高炉配料模型、热平衡模型、里斯特操作线等数学模型。数学模型结果作为分析工具，给操作者提供帮助，高炉配料模型的输出结果参与到数据挖掘及底层数据库的建立中。
关键参数趋势查询模块主要提供以高炉生产为中心的所有重要参数的历史数据，操作者可以根据自己的需求在界面上选择起始和结束日期进行查询。
自动化报表模块为操作者节省大量的时间，使他们不再手工记录数据，减少错误，且腾出时间用于炉况的分析，自上线来减少了每日3000多个点的手工输入，如图5所示。
功能模块通过浏览器/服务器模式经以太网传输到各个工作电脑，实现一处安装全网可用，维护方便，并设置不同权限，满足操作者、技术员、生产管理者、研发人员的使用需求。
Claims (7)
1.一种高炉炼铁大数据平台，其特征在于，包括：
基础数据库表：通过通讯服务器、以太网将炼铁系统仪表数据和关键设备动作信号传输到数据采集服务器，通过以太网将炼铁系统的检化验数据、前端录入数据、数学模型计算数据传输到数据采集服务器，建立基础数据库表；
二级数据库表：将基础数据库表的各类数据进行数据清洗和过滤，利用多源数据融合技术将各类型数据整合并进行数据挖掘，按功能建立秒、分钟、小时、班、天级别的二级数据库表；
九大功能模块：基于二级数据库表进行数据清洗，利用大数据分析结合冶金机理模型在功能服务器上建立原料质量预警、设备故障预警、在线监控、高炉炉况诊断及预警、大数据实时分析、炉况治理案例库、离线模型计算、关键参数趋势查询及自动化报表九大功能模块。
2.根据权利要求1所述的高炉炼铁大数据平台，其特征在于，所述检化验数据包括入炉原料以及高炉铁水和炉渣的物理和化学性能数据。
3.根据权利要求1所述的高炉炼铁大数据平台，其特征在于，所述前端录入数据包括通过前端录入界面录入的对于炼铁系统重要但仪表检测不到的工艺数据，录入后传输到数据库服务器，参与数据融合及二级数据库表的建立。
4.根据权利要求1所述的高炉炼铁大数据平台，其特征在于，所述数据平台中采用的模型包括料层分布模型、下部送风模型、高炉配料模型、热平衡模型和里斯特操作线数学模型。
5.根据权利要求4所述的高炉炼铁大数据平台，其特征在于，所述模型自离线触发后，从一级或二级数据库表中自动抽取所需要的数据并开始运算，结果传输到数采服务器，并参与数据融合及二级数据库表的建立。
6.根据权利要求1所述的高炉炼铁大数据平台，其特征在于，所述二级数据库表包括数据融合和数据挖掘项：利用料罐装料信号、料流阀动作信号、探尺提放尺信号及料线深度进行逻辑处理和数据融合，挖掘反映下料顺畅性的工艺数据；利用料速、配料模型计算的离散数据结合煤量、煤气成分连续值进行数据融合，计算出直接还原碳量；利用每包、每炉、每铁口的铁渣信息，挖掘出每班、每天各个铁口之间炉温、铁口深度、出铁前后温差信息的偏差。
7.根据权利要求1所述的高炉炼铁大数据平台，其特征在于，所述功能模块通过浏览器/服务器模式经以太网传输到各个工作电脑，实现一处安装全网可用，维护方便，并设置不同权限，满足操作者、技术员、生产管理者、研发人员的使用需求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811464906.3A CN109815282A (zh) | 2018-12-03 | 2018-12-03 | 一种炼铁系统大数据平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811464906.3A CN109815282A (zh) | 2018-12-03 | 2018-12-03 | 一种炼铁系统大数据平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109815282A true CN109815282A (zh) | 2019-05-28 |
Family
ID=66601932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811464906.3A Pending CN109815282A (zh) | 2018-12-03 | 2018-12-03 | 一种炼铁系统大数据平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109815282A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110908346A (zh) * | 2019-11-13 | 2020-03-24 | 中冶赛迪重庆信息技术有限公司 | 一种多工序智能管控系统、方法及设备 |
| CN111254243A (zh) * | 2020-03-11 | 2020-06-09 | 中南大学 | 一种高炉出铁过程堵铁口时间智能确定方法及系统 |
| CN111593155A (zh) * | 2020-05-28 | 2020-08-28 | 江苏省沙钢钢铁研究院有限公司 | 高炉诊断系统及方法 |
| CN111607673A (zh) * | 2020-05-28 | 2020-09-01 | 江苏省沙钢钢铁研究院有限公司 | 铁前诊断系统及方法 |
| CN111639302A (zh) * | 2020-05-28 | 2020-09-08 | 江苏省沙钢钢铁研究院有限公司 | 烧结诊断系统及方法 |
| CN113091808A (zh) * | 2021-03-29 | 2021-07-09 | 江苏利宏科技发展有限公司 | 一种具有综合信息管理系统的化工工控仪表及其系统 |
| CN113946140A (zh) * | 2020-07-16 | 2022-01-18 | 上海宝信软件股份有限公司 | 基于工业互联网的炼钢集控系统、方法及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01319616A (ja) * | 1988-06-17 | 1989-12-25 | Kawasaki Steel Corp | 高炉の操業方法 |
| CN1403594A (zh) * | 2002-10-17 | 2003-03-19 | 浙江大学 | 智能控制高炉冶炼的系统 |
| RU2209837C2 (ru) * | 2001-10-31 | 2003-08-10 | Региональное уральское отделение Академии инженерных наук РФ | Способ управления энерготехнологическим агрегатом - доменной печью |
| CN1995401A (zh) * | 2006-12-18 | 2007-07-11 | 冶金自动化研究设计院 | 高炉智能诊断与决策支持系统 |
| CN103544273A (zh) * | 2013-10-21 | 2014-01-29 | 武汉钢铁(集团)公司 | 利用模式识别技术对炉况整体状态进行评估的方法 |
| CN106302739A (zh) * | 2016-08-16 | 2017-01-04 | 北京大邦实创节能技术服务有限公司 | 一种工业锅炉监测及分析辅助决策云平台系统 |
-
2018
- 2018-12-03 CN CN201811464906.3A patent/CN109815282A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01319616A (ja) * | 1988-06-17 | 1989-12-25 | Kawasaki Steel Corp | 高炉の操業方法 |
| RU2209837C2 (ru) * | 2001-10-31 | 2003-08-10 | Региональное уральское отделение Академии инженерных наук РФ | Способ управления энерготехнологическим агрегатом - доменной печью |
| CN1403594A (zh) * | 2002-10-17 | 2003-03-19 | 浙江大学 | 智能控制高炉冶炼的系统 |
| CN1995401A (zh) * | 2006-12-18 | 2007-07-11 | 冶金自动化研究设计院 | 高炉智能诊断与决策支持系统 |
| CN103544273A (zh) * | 2013-10-21 | 2014-01-29 | 武汉钢铁(集团)公司 | 利用模式识别技术对炉况整体状态进行评估的方法 |
| CN106302739A (zh) * | 2016-08-16 | 2017-01-04 | 北京大邦实创节能技术服务有限公司 | 一种工业锅炉监测及分析辅助决策云平台系统 |
Non-Patent Citations (1)
| Title |
|---|
| 陈致蓬: "基于两种探尺数据融合的高炉料位检测方法", 《有色冶金设计与研究》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110908346A (zh) * | 2019-11-13 | 2020-03-24 | 中冶赛迪重庆信息技术有限公司 | 一种多工序智能管控系统、方法及设备 |
| CN111254243A (zh) * | 2020-03-11 | 2020-06-09 | 中南大学 | 一种高炉出铁过程堵铁口时间智能确定方法及系统 |
| CN111254243B (zh) * | 2020-03-11 | 2020-11-24 | 中南大学 | 一种高炉出铁过程堵铁口时间智能确定方法及系统 |
| CN111593155A (zh) * | 2020-05-28 | 2020-08-28 | 江苏省沙钢钢铁研究院有限公司 | 高炉诊断系统及方法 |
| CN111607673A (zh) * | 2020-05-28 | 2020-09-01 | 江苏省沙钢钢铁研究院有限公司 | 铁前诊断系统及方法 |
| CN111639302A (zh) * | 2020-05-28 | 2020-09-08 | 江苏省沙钢钢铁研究院有限公司 | 烧结诊断系统及方法 |
| CN111593155B (zh) * | 2020-05-28 | 2022-09-20 | 江苏省沙钢钢铁研究院有限公司 | 高炉诊断系统及方法 |
| CN111639302B (zh) * | 2020-05-28 | 2023-10-17 | 江苏省沙钢钢铁研究院有限公司 | 烧结诊断系统及方法 |
| CN113946140A (zh) * | 2020-07-16 | 2022-01-18 | 上海宝信软件股份有限公司 | 基于工业互联网的炼钢集控系统、方法及介质 |
| CN113091808A (zh) * | 2021-03-29 | 2021-07-09 | 江苏利宏科技发展有限公司 | 一种具有综合信息管理系统的化工工控仪表及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109815282A (zh) | 一种炼铁系统大数据平台 | |
| CN100485047C (zh) | 高炉智能诊断与决策支持系统 | |
| CN111593155B (zh) | 高炉诊断系统及方法 | |
| CN109063358B (zh) | 一种新型高炉顺行评价的方法 | |
| CN105368996B (zh) | 一种用于高炉喷煤系统喷吹量的自动控制方法 | |
| CN108763550B (zh) | 高炉大数据应用系统 | |
| CN111607673B (zh) | 铁前诊断系统及方法 | |
| CN111985112B (zh) | 一种基于Unity3D的高炉数字孪生系统 | |
| CN101109950A (zh) | 高炉生产过程控制信息智能化系统 | |
| CN113234874B (zh) | 一种基于动态贝叶斯网络的高炉故障监测与自愈控制系统 | |
| WO2021095594A1 (ja) | 生産設備の監視方法、生産設備の監視装置、及び生産設備の操業方法 | |
| Lavrov et al. | Automated information system for analysis and prediction of production situations in blast furnace plant | |
| CN112434852A (zh) | 一种高炉送风制度合理性的评价方法 | |
| CN105506270B (zh) | 一种降低喷煤量、提高球团矿产量和质量的方法 | |
| CN116651306B (zh) | 一种智能焦煤配比系统 | |
| CN113420426A (zh) | 一种确定高炉顺行状况的方法、装置、介质及计算机设备 | |
| Bascur | Process control and operational intelligence | |
| CN116310121A (zh) | 一种炼铁高炉渣皮数字孪生系统及方法 | |
| CN114185976A (zh) | 一种高炉可视化智能感知平台 | |
| Semenov et al. | Decision support system for controlling thermal state of blast furnace smelting | |
| EP4060056A1 (en) | Method and system for operating production facility | |
| Ganguly et al. | Process visualization and diagnostic models using real time data of blast furnaces at tata steel | |
| Warren et al. | Development and implementation of a generic blast-furnace expert system | |
| Kronberger et al. | Latest generation sinter process optimization systems | |
| Faux et al. | Optimizing tap-hole performance using a risk-based asset management strategy |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190528 |
|
| WD01 | Invention patent application deemed withdrawn after publication |