CN110274841B - 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置 - Google Patents

烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置 Download PDF

Info

Publication number
CN110274841B
CN110274841B CN201810213315.2A CN201810213315A CN110274841B CN 110274841 B CN110274841 B CN 110274841B CN 201810213315 A CN201810213315 A CN 201810213315A CN 110274841 B CN110274841 B CN 110274841B
Authority
CN
China
Prior art keywords
weight
particle size
screening
fuel
detection
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
Application number
CN201810213315.2A
Other languages
English (en)
Other versions
CN110274841A (zh
Inventor
李宗平
李曦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongye Changtian International Engineering Co Ltd
Original Assignee
Zhongye Changtian International Engineering Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongye Changtian International Engineering Co Ltd filed Critical Zhongye Changtian International Engineering Co Ltd
Priority to CN201810213315.2A priority Critical patent/CN110274841B/zh
Publication of CN110274841A publication Critical patent/CN110274841A/zh
Application granted granted Critical
Publication of CN110274841B publication Critical patent/CN110274841B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
    • G01N5/045—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder for determining moisture content

Landscapes

  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)
  • Manufacture And Refinement Of Metals (AREA)

Abstract

本申请公开了烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置，根据燃料粒度检测样本的初始总重量和筛分后总重量，计算燃料粒度检测样本的筛分重量变化值，判断筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；同时控制烧结燃料粒度组成检测系统执行筛分数据智能诊断规则中与诊断结果对应的操作。可见，本申请提供的诊断方法及装置，对筛分过程前后的重量变化进行诊断，以判断筛分过程中检测到数据的有效性和准确性。当诊断出数据异常时可及时终止异常的出现，避免因筛分过程中检测到的数据错误而造成损失。且能够在筛分环节及时发现错误并终止检测过程，可提高生产效率，减少能源浪费。

Description

烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置
技术领域
本申请涉及烧结工艺技术领域，尤其涉及烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置。
背景技术
在烧结生产过程中，钢铁厂通常采用焦粉和煤粉等烧结燃料对烧结原料进行烧结以得到成品矿。而为了保证烧结质量，在烧结燃料的种类和配加量固定时，需要保证烧结燃料的粒度组成为最佳比例。烧结燃料粒度的大小是影响烧结过程燃料燃烧和热量传递的最重要因素，也是直接影响烧结质量并造成燃料消耗的重要因素。例如，如果烧结燃料中粒度大于3mm的燃料比例过多时，将造成燃烧带变宽，料层透气性变差；烧结燃料在料层中的分布不均匀，大颗粒周围过熔，离大颗粒远的地方则不能充分烧结。如果烧结燃料中粒度小于<0.5mm的燃料比例过多时，烧结燃料的燃烧速度加快、能耗升高，燃烧带变窄，此时不能保证成品矿中生成液相所需要的时间，造成成品矿强度差；小粒度燃料在料层中会阻碍气流运动，降低烧结料层透气性。
为了保证烧结工序的烧结质量，普遍认为烧结燃料的粒度组成中要降低燃料粒度<0.5mm、燃料粒度>3mm两个粒级的含量，同时，提高燃料粒度在0.5mm-3mm粒级的比例。因此，钢铁厂通常利用烧结燃料粒度组成检测系统对烧结燃料进行粒度组成和水分的实时检测，以控制当前烧结燃料的粒度组成保持在最佳比例范围内。如图1所示，烧结燃料粒度组成检测系统5包括：自动取样机构51、干燥装置52、筛分装置54、分级称重装置55以及设置在干燥装置52内的称重传感器53。自动取样机构51周期性地抓取适量烧结燃料作为燃料粒度检测样本，并运送至干燥装置52进行干燥，同时利用称重传感器53进行实时称重。再由自动取样机构51将干燥后的燃料粒度检测样本运送至筛分装置54进行筛分分级；筛分装置54内设有粒级分别为0.5mm、1mm、3mm和5mm的四层筛网，筛分后可得到粒度<0.5mm、在0.5mm～1mm之间、在1mm～3mm之间、在3mm～5mm之间以及>5mm五个粒级的燃料粒度检测子样本；利用分级称重装置55分别对各粒级的燃料粒度检测子样本进行称重；最后根据干燥前后的重量变化以及筛分后各粒级燃料粒度检测子样本的重量确定燃料粒度检测样本的水分含量和粒度组成比例。
但是，在实际生产中，烧结燃料粒度组成检测系统中的各设备极易出现设备故障、操作参数控制不当等现象，使得在对燃料粒度检测样本进行筛分的过程中，产生较多的燃料粒度检测样本损失。而筛分后的总质量与干燥后重量产生较大偏差，易导致燃料粒度检测样本的水分含量和粒度组成比例的检测结果不准确。可见，在水分和粒度组成检测过程中，如果筛分过程中的筛分数据不准确，即有效性无法保证，则无法准确地控制烧结燃料的粒度组成保持在最佳比例范围内，进而无法准确地调整后续烧结工序中烧结燃料的分布情况，即无法保证烧结质量，还会造成生产效率降低和烧结燃料的消耗。因此，为了避免影响生产效率，如何保证系统在筛分过程中测得的数据的有效性和准确性成为本领域亟待解决的问题。
发明内容
本申请提供了一种烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置，以解决烧结燃料粒度组成检测系统在筛分过程中，无法保证测得的数据的准确性，导致生产效率降低的问题。
第一方面，本申请提供了一种烧结燃料粒度组成检测系统中筛分过程的诊断方法，包括以下步骤：
获取燃料粒度检测样本的初始总重量，以及，获取筛分过程后每一燃料粒度检测子样本的筛分后重量；
根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量；
计算所述燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值；
判断所述筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；以及，发送警告信息，以控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作。
可选地，按照下式，根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量：
W筛总＝W1+W2+W3+W4+W5；
式中，W筛总为燃料粒度检测样本的筛分后总重量，W1为粒度<0.5mm对应的燃料粒度检测子样本的筛分后重量，W2为粒度在0.5mm～1mm之间对应的燃料粒度检测子样本的筛分后重量，W3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量，W4为粒度在3mm～5mm之间对应的燃料粒度检测子样本的筛分后重量，W5为粒度>5mm对应的燃料粒度检测子样本的筛分后重量。
可选地，所述筛分数据智能诊断规则包括：
如果所述筛分重量变化值W初-W筛总<0，确定当前筛分过程的筛分检测数据错误，终止烧结燃料粒度组成检测系统的检测过程，对所述燃料粒度检测样本进行弃样处理；其中，W初为燃料粒度检测样本的初始总重量。
可选地，所述筛分数据智能诊断规则包括：
如果所述燃料粒度检测样本的初始总重量和筛分后总重量之间的关系满足第一不等式，确定当前筛分过程的筛分检测数据错误，终止烧结燃料粒度组成检测系统的检测过程，对所述燃料粒度检测样本进行弃样处理；其中，所述第一不等式为：
(W初-W筛总)/W初≥A；
式中，A为筛分重量诊断阈值。
可选地，所述筛分数据智能诊断规则包括：
如果所述燃料粒度检测样本的初始总重量和筛分后总重量之间的关系满足第二不等式，确定当前筛分过程的筛分检测数据异常，发送提醒警告信息，控制烧结燃料粒度组成检测系统继续执行检测过程；其中，所述第二不等式为：
0<(W初-W筛总)/W初<A。
可选地，所述判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤之前，还包括：
获取粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量W3；
根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3；
如果所述重量占比w3不满足第一重量约束条件，丢弃当前筛分过程检测数据；
如果所述重量占比w3满足第一重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
可选地，按照下式，根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3：
w3＝W3/W筛总×100％；
式中，w3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比。
可选地，所述判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤之前，还包括：
获取筛分过程中粒度在1mm～3mm之间对应的当前燃料粒度检测子样本的筛分后重量W3i，以及，粒度在1mm～3mm之间对应的前一燃料粒度检测子样本的筛分后重量W3(i-1)；
计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率；
如果所述重量变化率不满足第二重量约束条件，丢弃当前筛分过程检测数据；
如果所述重量变化率满足第二重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
可选地，按照下式，计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率：
Figure BDA0001597865180000031
式中，αi为当前燃料粒度检测子样本的筛分后重量与前一燃料粒度检测子样本的筛分后重量的重量变化率。
第二方面，本申请还提供了一种烧结燃料粒度组成检测系统中筛分过程的诊断装置，所述烧结燃料粒度组成检测系统中筛分过程的诊断装置包括用于执行第一方面各种实现方式中方法步骤的模块，具体地，包括：
数据获取模块，用于获取燃料粒度检测样本的初始总重量，以及，获取筛分过程后每一燃料粒度检测子样本的筛分后重量；
总重量确定模块，用于根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量；
计算模块，用于计算所述燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值；
判断及控制模块，用于判断所述筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；以及，发送警告信息，以控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作。
由以上技术方案可知，本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置，获取燃料粒度检测样本的初始总重量和每一燃料粒度检测子样本的筛分后重量；确定燃料粒度检测样本的筛分后总重量；以筛分后总重量计算燃料粒度检测样本的筛分重量变化值，未考虑筛分过程中的损失量，可保证在筛分过程中测得数据的有效性和准确性；判断筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；同时控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作。可见，本申请提供的诊断方法及装置，对筛分过程前后的重量变化进行诊断，以判断当前筛分过程中检测到数据的有效性和准确性。当诊断出数据异常时可及时终止异常的出现，避免因筛分过程中检测到的数据错误而造成损失。而仅利用诊断结果正常时对应的筛分过程检测数据进行后序的烧结燃料水分和粒度组成的检测，可以准确地控制烧结燃料的粒度组成保持在最佳比例范围内。另外，该方法及装置能够在筛分环节及时发现错误并终止水分和粒度组成的检测过程，可提高生产效率，还可减少能源浪费。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为烧结燃料粒度组成检测系统的结构示意图；
图2为本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法的流程图；
图3为本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法的实施场景图；
图4为本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断装置的结构框图。
具体实施方式
图2为本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法的流程图；图3为本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法的实施场景图。
本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法，其中，该烧结燃料粒度组成检测系统5可应用于烧结燃料水分和粒度组成的智能检测系统中。如图3所示，烧结燃料水分和粒度组成的智能检测系统包括：四辊破碎机1、运输设备2、取样设备3、样本输送设备4、烧结燃料粒度组成检测系统5和弃样设备6。四辊破碎机1用于对烧结燃料进行破粉碎，破碎后的烧结燃料通过运输设备2运送至下一工序；在运送过程中，由取样设备3周期性地抓取运输设备2上的烧结燃料，作为燃料粒度检测样本，再利用样本输送设备4将燃料粒度检测样本运送至烧结燃料粒度组成检测系统5进行粒度组成检测，检测完毕之后通过弃样设备6做弃样处理。
由于在烧结燃料粒度组成检测系统在筛分过程中，物料容易沾在筛网上或被筛分出去，易产生物料损耗，使得筛分过程检测数据的有效性和准确性无法保证。而在筛分过程中，得到的筛分过程检测数据的有效性与系统中各设备的故障情况、控制准确与否有关。因此，本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法，可以对筛分过程中得到的数据进行诊断，避免因筛分过程检测数据的错误造成损失，影响生产效率。
具体地，如图2所示，本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法，包括以下步骤：
S1、获取燃料粒度检测样本的初始总重量，以及，获取筛分过程后每一燃料粒度检测子样本的筛分后重量；
由于烧结燃料粒度组成检测系统在进行水分和粒度组成检测时，可对燃料粒度检测样本进行干燥也可不进行干燥，即在获得燃料粒度检测样本之后直接进行筛分过程。而为了检测的烧结燃料的水分和粒度组成的准确性，可在燃料粒度检测样本被筛分分级之后，再分别对分级后的燃料粒度检测子样本进行干燥处理。
因此，在上述两种应用场景中，如果燃料粒度检测样本先进行干燥过程、后进行筛分过程，则燃料粒度检测样本的初始总重量为干燥后的重量。如果燃料粒度检测样本先进行筛分过程，后进行干燥过程，则燃料粒度检测样本的初始总重量为原始重量，即未进行干燥过程的重量。
由于筛分装置54内设有粒级分别为0.5mm、1mm、3mm和5mm的四层筛网，经过筛分后，可将燃料粒度检测样本按照粒度大小进行分级，即得到粒度<0.5mm、在0.5mm～1mm之间、在1mm～3mm之间、在3mm～5mm之间以及>5mm五个粒级的燃料粒度检测子样本。
分级之后，由自动取样机构51分别将各燃料粒度检测子样本运送至分级称重装置55的对应位置，分别对每一粒级的燃料粒度检测子样本进行称重，即可确定每一燃料粒度检测子样本的筛分后重量。本实施例中，自动取样机构51可为智能取样机器人或机器手，本申请不做具体限定。
S2、根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量；
为了准确地确定燃料粒度检测样本在经过筛分过程前后的重量变化，需要确定筛分后燃料粒度检测样本的总质量。
本实施例中，按照下式，根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量：
W筛总＝W1+W2+W3+W4+W5；
式中，W筛总为燃料粒度检测样本的筛分后总重量，W1为粒度<0.5mm对应的燃料粒度检测子样本的筛分后重量，W2为粒度在0.5mm～1mm之间对应的燃料粒度检测子样本的筛分后重量，W3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量，W4为粒度在3mm～5mm之间对应的燃料粒度检测子样本的筛分后重量，W5为粒度>5mm对应的燃料粒度检测子样本的筛分后重量。
将经过称重得到的每一燃料粒度检测子样本的筛分后重量加在一起，即为燃料粒度检测样本的筛分后总重量。可见，在确定燃料粒度检测样本的筛分后总重量时，避免考虑筛分时物料沾筛网、以及物料筛出去的损失，可以准确地确定燃料粒度检测样本的筛分后总重量，进而可进一步保证系统在筛分过程中测得数据的有效性和准确性。
S3、计算所述燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值；
燃料粒度检测样本的初始总重量和筛分后总重量被准确确定后，为了能够直接地判断出燃料粒度检测样本在经过筛分前后的重量变化趋势是否正常，需要准确计算出燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值。
本实施例中，筛分重量变化值包括：重量变化量和重量变化率。
S4、判断所述筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；以及，发送警告信息，以控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作。
由于本实施例是以筛分过程前后重量变化值作为诊断当前烧结燃料粒度组成检测系统在筛分过程中检测到的数据的有效性和准确性的依据，因此，需要预先设定一个筛分数据智能诊断规则。其中，筛分数据智能诊断规则中包括诊断判断条件，以及在满足诊断判断条件之后，系统需执行应对异常的操作内容。
如果在筛分过程后测得的燃料粒度检测样本的筛分重量变化值并不满足筛分数据智能诊断规则，说明当前筛分过程正常，测得的筛分过程检测数据准确，即该数值有效，可作为后序检测烧结燃料的水分和粒度组成的依据，即诊断结果正常。此时，无需烧结燃料粒度组成检测系统做任何操作，只需继续进行检测过程即可。利用诊断结果正常时对应的筛分过程检测数据进行后序的烧结燃料水分和粒度组成的检测，可以准确地控制烧结燃料的粒度组成保持在最佳比例范围内。
如果在筛分过程中测得的燃料粒度检测样本的筛分重量变化值满足筛分数据智能诊断规则，说明当前筛分过程出现异常，例如物料沾在筛网上的量过多，或筛分损失过多，导致测得的筛分过程检测数据与实际数值相差较大，诊断结果为数据异常。此时，为了防止利用错误的数据进行后序检测，影响生产效率，需要烧结燃料粒度检测系统采取相应的应对措施，以避免影响生产，也避免产生过多的能源消耗。
为了进行准确地诊断，在第一种可行的具体实施方式中，筛分数据智能诊断规则包括：
如果所述筛分重量变化值W初-W筛总<0，确定当前筛分过程的筛分检测数据错误，终止烧结燃料粒度组成检测系统的检测过程，对所述燃料粒度检测样本进行弃样处理；其中，W初为燃料粒度检测样本的初始总重量。
本实施例中，筛分重量变化值以重量变化量表示。根据燃料粒度检测样本的初始总重量和筛分后总重量，计算重量变化量为W初-W筛总。
当诊断出重量变化量W初-W筛总≥0，说明当前筛分过程检测到的数据有效，系统继续进行后序检测过程即可，记录诊断结果。而当诊断出重量变化量W初-W筛总<0，即燃料粒度检测样本经过筛分后燃料重量增大，说明称重传感器53出现故障或存在其他原因，造成筛分过程检测数据错误，记录诊断结果。此时需要及时终止烧结燃料粒度组成检测系统的检测过程，即在进行筛分后不再进行后序操作，同时将当前的燃料粒度检测样本进行弃样处理。
因此，当燃料粒度检测样本在筛分过程前后的重量变化值在筛分数据智能诊断规则内，需要及时控制烧结燃料粒度组成检测系统执行终止检测过程、并进行弃样的操作，避免以错误的数据进行后序水分和粒度组成检测时，得到错误的烧结燃料粒度组成比例。而以不是最佳组成比例的烧结燃料进行烧结工序的布料，无法保证烧结质量，易造成更大的损失，也会使生产效率降低。
在第二种可行的具体实施方式中，筛分数据智能诊断规则包括：
如果所述燃料粒度检测样本的初始总重量和筛分后总重量之间的关系满足第一不等式，确定当前筛分过程的筛分检测数据错误，终止烧结燃料粒度组成检测系统的检测过程，对所述燃料粒度检测样本进行弃样处理；其中，所述第一不等式为：
(W初-W筛总)/W初≥A；
式中，A为筛分重量诊断阈值。
本实施例中，筛分重量变化值以重量变化率表示。根据燃料粒度检测样本的初始总重量和筛分后总重量，计算重量变化率为(W初-W筛总)/W初。
由于钢铁厂中使用的各种设备，其对烧结燃料进行处理时，所产生的消耗并不会很大，以免增加生产成本。因此，本实施例中，在筛分过程中，筛分装置54对燃料粒度检测样本进行筛分时，设定允许筛分消耗的比例在1％以内，即筛分重量诊断阈值A设定为1％。
而当诊断出重量变化率(W初-W筛总)/W初≥1％，即经过筛分过程损失的燃料所占比例大于或等于筛分重量诊断阈值，说明筛分过程中燃料洒落量过多，或称重传感器53出现故障等原因导致，对后续粒度组成的检测结果会产生较大影响，记录诊断结果。此时测得的筛分过程检测数据错误，需要及时终止烧结燃料粒度组成检测系统的检测过程，即在进行筛分后不再进行后序操作，同时将当前的燃料粒度检测样本进行弃样处理。
因此，当燃料粒度检测样本在筛分过程前后的重量变化值在筛分数据智能诊断规则内，需要及时控制烧结燃料粒度组成检测系统执行终止检测过程、并进行弃样的操作，避免以错误的数据进行后序水分和粒度组成检测时，得到错误的烧结燃料粒度组成比例。而以不是最佳组成比例的烧结燃料进行烧结工序的布料，无法保证烧结质量，易造成更大的损失，也会使生产效率降低。
在第三种可行的具体实施方式中，筛分数据智能诊断规则包括：
如果所述燃料粒度检测样本的初始总重量和筛分后总重量之间的关系满足第二不等式，确定当前筛分过程的筛分检测数据异常，发送提醒警告信息，控制烧结燃料粒度组成检测系统继续执行检测过程；其中，所述第二不等式为：
0<(W初-W筛总)/W初<A。
本实施例中，筛分重量变化值以重量变化率表示。根据燃料粒度检测样本的初始总重量和筛分后总重量，计算重量变化率为(W初-W筛总)/W初。
当诊断出重量变化率(W初-W筛总)/W初<1％，即经过筛分过程后，燃料粒度检测样本损失的燃料所占比例在0和1％之间，说明筛分装置54的筛网上粘有少量细颗粒燃料未清扫至称重杯，对后续粒度组成检测结果可能会产生影响，记录诊断结果。此时测得的筛分过程检测数据异常，由于误差较小，且对检测结果影响较小，所以无需控制系统停止检测过程，只需发出提醒警告信息，提供工作人员注意。
可见，本实施例提供的上述三种诊断规则，可准确诊断出筛分过程中出现异常的时机和原因，以准确控制系统是否需要终止检测过程，还是只需要查看而继续检测过程等操作，避免因只要出现异常就均停止检测过程而影响系统的生产效率，或者以错误的筛分过程检测数据进行后序检测。另外，根据诊断结果，可及时控制系统作出相应的应对操作，仅以诊断结果正常时测得的数据作为有效数据，再进行后序的水分和粒度组成检测，进而可准确地控制烧结燃料的粒度组成保持在最佳比例范围内。
为了提高烧结质量，烧结燃料的粒度组成比例有一定的要求，即粒度<0.5mm、在0.5mm～1mm之间、在1mm～3mm之间、在3mm～5mm之间以及>5mm对应的烧结燃料的重量占比需满足一定重量约束条件。其中，重量约束条件包括：保证粒度在0.5mm～3mm之间的燃料占大部分，具体地，在烧结燃料粒度组成比例中，燃料粒度小于或等于3mm对应的烧结燃料组成比例大于或等于80wt％，粒度在1mm～3mm对应的烧结燃料组成比例应大于或等于50wt％，以及，燃料粒度小于或等于0.5mm对应的烧结燃料组成比例小于或等于20wt％，燃料粒度大于3mm对应的烧结燃料组成比例应控制在10wt％以内。
因此，为了准确地判断出筛分过程后燃料粒度检测样本的粒度组成比例数据的有效性，需要预先判断每一燃料粒度检测子样本的筛分后重量占总重量的比例是否满足上述约束条件。
在其中一种可行的具体实施方式中，判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤之前，还包括：
S61、获取粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量W3；
分级称重装置55在对粒度在1mm～3mm之间对应的燃料粒度检测子样本进行称重后，随即可由诊断装置获取到，即筛分后重量W3。
S62、根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3；
具体地，按照下式，计算粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3：
w3＝W3/W筛总×100％；
本实施例中，在计算燃料粒度检测子样本的重量占比时，以燃料粒度检测样本的筛分后总重量作为基础数据，而不是以筛分前的总重量，即初始总重量为基础数据。这样可将筛分过程晒落的少量烧结燃料的重量排除，进而可更加准确地确定每一燃料粒度检测子样本的重量占比，避免以筛分前的总重量为基础数据时，使得计算出的每一燃料粒度检测样本的重量占比出现误差。
S63、如果所述重量占比w3不满足第一重量约束条件，丢弃当前筛分过程检测数据；
当得到粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3之后，需判断该重量占比w3是否满足第一重量约束条件。本实施例中，粒度在1mm～3mm对应的烧结燃料组成比例应大于或等于50wt％，即第一重量约束条件为重量占比大于或等于50wt％。
如果通过判断粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3不满足第一重量约束条件，即w3<50wt％，说明当前燃料粒度检测样本中，粒度<0.5mm以及粒度>5mm的燃料过多。而烧结燃料中如果细料过多或粗料过多，均会影响烧结燃料的布料，出现燃烧不充分的现象，进而影响烧结质量。可见，如果当前燃料粒度检测样本的粒度组成比例不是最佳，会导致后续进行烧结时，影响烧结质量。
因此，对不满足第一重量约束条件的燃料粒度检测样本进行弃料处理，同时，在筛分过程获得的数据也被诊断为无效数据，丢弃即可。此时，需控制系统重新抓取烧结燃料，进而重新确定燃料粒度检测样本，再对新的燃料粒度检测样本进行水分和粒度组成的检测。
S64、如果所述重量占比w3满足第一重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
如果通过判断粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3满足第一重量约束条件，即w3≥50wt％，说明当前燃料粒度检测样本中，可更好控制粒度<0.5mm以及粒度>5mm的燃料占比，使得当前燃料粒度检测样本的粒度组成比例在最佳的比例范围内。
可见，在筛分过程中对当前燃料粒度检测样本进行检测获得的数据为有效数据，可进行后序检测，即继续判断燃料粒度检测样本经过筛分过程前后的重量变化值是否满足筛分数据智能诊断规则。
而继续判断燃料粒度检测样本经过筛分过程前后的重量变化值是否满足筛分数据智能诊断规则的相关内容，可参照步骤S4的内容，此处不再赘述。
在另一种可行的具体实施方式中，判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤之前，还包括：
S81、获取筛分过程中粒度在1mm～3mm之间对应的当前燃料粒度检测子样本的筛分后重量W3i，以及，粒度在1mm～3mm之间对应的前一燃料粒度检测子样本的筛分后重量W3(i-1)；
上述实施例在对数据的有效性进行诊断是只获取当前筛分过程中得到的数据，而本实施例中，在对数据有效性进行诊断是通过相邻两次筛分过程得到的数据进行对比，即对检测的相邻两个燃料粒度检测样本得到的数据进行对比。
由于，粒度在1mm～3mm之间对应的烧结燃料在总的燃料粒度检测样本中的重量占比最为关键，因此，本实施例中，以检测的相邻两个燃料粒度检测样本获取的粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量的变化进行诊断。
S82、计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率；
由于钢铁厂内同一筛分装置54，在进行每一次筛分时，其产生的燃料消耗应该是波动不大的；且同一批次烧结燃料，其水分和粒度组成比例的波动也应该在一定范围内。
因此，通过前后两次筛分过程获得的数据进行对比，即对检测的相邻两个燃料粒度检测样本获得的数据进行对比，而前一筛分过程燃料粒度检测样本对应获得的数据必然是有效数据，否则该数据无法获取到。根据有效的前一燃料粒度检测样本对应筛分过程中的数据，以及重量约束条件，即可判断当前筛分过程中对当前燃料粒度检测样本进行检测而获得的数据是否为有效数据。
本实施例中，采用在筛分过程中，对同一粒度的相邻两个燃料粒度检测子样本的重量变化率进行对比，具体地，当前检测的燃料粒度检测样本的重量变化率αi的计算公式如下：
Figure BDA0001597865180000101
其中，αi为当前燃料粒度检测子样本的筛分后重量与前一燃料粒度检测子样本的筛分后重量的重量变化率，i为当前燃料粒度检测样本的序号，i-1为前一燃料粒度检测样本的序号。
S83、如果所述重量变化率不满足第二重量约束条件，丢弃当前筛分过程检测数据；
由于同一批次烧结燃料的粒度组成比例变化不大，本实施例中，设定第二重量约束条件为重量变化率应小于20wt％。
由于烧结燃料水分和粒度组成的智能检测系统在对烧结燃料进行检测时，取样设备3每次抓取的物料量基本相同，并不会产生较大差距。进而使得烧结燃料水分和粒度组成的智能检测系统中的自动取样机构51抓取的物料量也不会出现较大偏差，即相邻两次筛分过程对应的燃料粒度检测样本的初始总重量相差不大。因此，相邻两次筛分过程对应的燃料粒度检测样本的粒度组成比例相差不应较大。
如果判断出粒度在1mm～3mm之间对应的燃料粒度检测子样本，在相邻两次筛分过程后的重量变化率不满足第二重量约束条件，即αi大于或等于20wt％，说明相邻两次筛分过程对应的燃料粒度检测样本的粒度组成相差较大，使得当前检测的燃料粒度检测样本的粒度组成比例并不是最佳比例。
因此，对不满足第二重量约束条件的燃料粒度检测样本进行弃料处理，同时，将诊断出的当前筛分过程中获得的数据确定为无效数据，直接丢弃即可。另外，需控制系统重新抓取烧结燃料，进而重新确定燃料粒度检测样本，再对新的燃料粒度检测样本进行水分和粒度组成的检测。
S84、如果所述重量变化率满足第二重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
如果通过判断粒度在1mm～3mm之间对应的燃料粒度检测子样本，在检测相邻两个燃料粒度检测样本得到的重量变化率αi满足第二重量约束条件，即αi<20wt％，说明筛分过程中，相邻两个燃料粒度检测样本的粒度组成相差不大，使得当前检测的燃料粒度检测样本的粒度组成比例为最佳比例。
可见，当前筛分过程中对燃料粒度检测样本进行检测获得的数据为有效数据，可进行后序检测，即继续判断燃料粒度检测样本经过筛分过程前后的重量变化值是否满足筛分数据智能诊断规则。
而继续判断燃料粒度检测样本经过筛分过程前后的重量变化值是否满足筛分数据智能诊断规则的相关内容，可参照步骤S4的内容，此处不再赘述。
需要说明的是，上述两种判断筛分过程获得的数据是否有效的方法，仅以粒度在1mm～3mm之间对应的燃料粒度检测子样本的相关数据进行判断为例说明。而在其他实施例中，也可以粒度在0.5mm～3mm之间对应的燃料粒度检测子样本的相关数据进行诊断，其他按照不同粒度范围的燃料粒度检测子样本的相关数据进行诊断，且能够达到与本申请相同或相似效果的方法均为本申请的保护范围。
由以上技术方案可知，本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法，获取燃料粒度检测样本的初始总重量和每一燃料粒度检测子样本的筛分后重量；确定燃料粒度检测样本的筛分后总重量；以筛分后总重量计算燃料粒度检测样本的筛分重量变化值，未考虑筛分过程中的损失量，可保证在筛分过程中测得数据的有效性和准确性；判断筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；同时控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作。可见，本申请提供的诊断方法，对筛分过程前后的重量变化进行诊断，以判断当前筛分过程中检测到数据的有效性和准确性。当诊断出数据异常时可及时终止异常的出现，避免因筛分过程中检测到的数据错误而造成损失。而仅利用诊断结果正常时对应的筛分过程检测数据进行后序的烧结燃料水分和粒度组成的检测，可以准确地控制烧结燃料的粒度组成保持在最佳比例范围内。另外，该方法能够在筛分环节及时发现错误并终止水分和粒度组成的检测过程，可提高生产效率，还可减少能源浪费。
图4为本申请实施例提供的烧结燃料粒度组成检测系统中筛分过程的诊断装置的结构框图。
本申请实施例提供的一种烧结燃料粒度组成检测系统中筛分过程的诊断装置，用于执行图2所对应的烧结燃料粒度组成检测系统中筛分过程的诊断方法的相关步骤。具体地，参见图4，该烧结燃料粒度组成检测系统中筛分过程的诊断装置包括：
数据获取模块100，用于获取燃料粒度检测样本的初始总重量，以及，获取筛分过程后每一燃料粒度检测子样本的筛分后重量；
总重量确定模块200，用于根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量；
计算模块300，用于计算所述燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值；
判断及控制模块400，用于判断所述筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；以及，发送警告信息，以控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作。
可选地，所述总重量确定模块200被配置为执行下述步骤：
按照下式，根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量：
W筛总＝W1+W2+W3+W4+W5；
式中，W筛总为燃料粒度检测样本的筛分后总重量，W1为粒度<0.5mm对应的燃料粒度检测子样本的筛分后重量，W2为粒度在0.5mm～1mm之间对应的燃料粒度检测子样本的筛分后重量，W3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量，W4为粒度在3mm～5mm之间对应的燃料粒度检测子样本的筛分后重量，W5为粒度>5mm对应的燃料粒度检测子样本的筛分后重量。
可选地，所述筛分数据智能诊断规则包括：
如果所述筛分重量变化值W初-W筛总<0，确定当前筛分过程的筛分检测数据错误，终止烧结燃料粒度组成检测系统的检测过程，对所述燃料粒度检测样本进行弃样处理；其中，W初为燃料粒度检测样本的初始总重量。
可选地，所述筛分数据智能诊断规则包括：
如果所述燃料粒度检测样本的初始总重量和筛分后总重量之间的关系满足第一不等式，确定当前筛分过程的筛分检测数据错误，终止烧结燃料粒度组成检测系统的检测过程，对所述燃料粒度检测样本进行弃样处理；其中，所述第一不等式为：
(W初-W筛总)/W初≥A；
式中，A为筛分重量诊断阈值。
可选地，所述筛分数据智能诊断规则包括：
如果所述燃料粒度检测样本的初始总重量和筛分后总重量之间的关系满足第二不等式，确定当前筛分过程的筛分检测数据异常，发送提醒警告信息，控制烧结燃料粒度组成检测系统继续执行检测过程；其中，所述第二不等式为：
0<(W初-W筛总)/W初<A。
可选地，所述判断及控制模块400包括：
第一数据获取子单元：用于获取粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量W3；
第一确定重量占比子单元，用于根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3；
第一判断子单元，用于如果所述重量占比w3不满足第一重量约束条件，丢弃当前筛分过程检测数据；
第二判断子单元，用于如果所述重量占比w3满足第一重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
可选地，所述第一确定重量占比子单元被配置为执行下述步骤：
按照下式，根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3：
w3＝W3/W筛总×100％；
式中，w3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比。
可选地，所述判断及控制模块400包括：
第二数据获取子单元，用于获取筛分过程中粒度在1mm～3mm之间对应的当前燃料粒度检测子样本的筛分后重量W3i，以及，粒度在1mm～3mm之间对应的前一燃料粒度检测子样本的筛分后重量W3(i-1)；
第一计算子单元，用于计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率；
第三判断子单元，用于如果所述重量变化率不满足第二重量约束条件，丢弃当前筛分过程检测数据；
第四判断子单元，用于如果所述重量变化率满足第二重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
可选地，按照下式，计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率：
Figure BDA0001597865180000131
式中，αi为当前燃料粒度检测子样本的筛分后重量与前一燃料粒度检测子样本的筛分后重量的重量变化率。
具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的烧结燃料粒度组成检测系统中筛分过程的诊断方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random access memory，简称：RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于烧结燃料粒度组成检测系统中筛分过程的诊断装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (7)

1.一种烧结燃料粒度组成检测系统中筛分过程的诊断方法，其特征在于，包括以下步骤：
获取燃料粒度检测样本的初始总重量，以及，获取筛分过程后每一燃料粒度检测子样本的筛分后重量；
根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量；
计算所述燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值；
判断所述筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；以及，发送警告信息，以控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作；其中，所述筛分数据智能诊断规则包括：所述筛分重量变化值W初-W筛总<0，(W初-W筛总)/W初≥A，以及，0<(W初-W筛总)/W初<A中的任一种规则，式中，W初为初始总重量，W筛总为筛分后总重量，A为筛分重量诊断阈值。
2.根据权利要求1所述的方法，其特征在于，按照下式，根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量：
W筛总＝W1+W2+W3+W4+W5；
式中，W筛总为燃料粒度检测样本的筛分后总重量，W1为粒度<0.5mm对应的燃料粒度检测子样本的筛分后重量，W2为粒度在0.5mm～1mm之间对应的燃料粒度检测子样本的筛分后重量，W3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量，W4为粒度在3mm～5mm之间对应的燃料粒度检测子样本的筛分后重量，W5为粒度>5mm对应的燃料粒度检测子样本的筛分后重量。
3.根据权利要求1所述的方法，其特征在于，所述判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤之前，还包括：
获取粒度在1mm～3mm之间对应的燃料粒度检测子样本的筛分后重量W3；
根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3；
如果所述重量占比w3不满足第一重量约束条件，丢弃当前筛分过程检测数据；
如果所述重量占比w3满足第一重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
4.根据权利要求3所述的方法，其特征在于，按照下式，根据所述筛分后重量W3和燃料粒度检测样本的筛分后总重量，确定粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比w3：
w3＝W3/W筛总×100％；
式中，w3为粒度在1mm～3mm之间对应的燃料粒度检测子样本的重量占比。
5.根据权利要求1所述的方法，其特征在于，所述判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤之前，还包括：
获取筛分过程中粒度在1mm～3mm之间对应的当前燃料粒度检测子样本的筛分后重量W3i，以及，粒度在1mm～3mm之间对应的前一燃料粒度检测子样本的筛分后重量W3(i-1)；
计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率；
如果所述重量变化率不满足第二重量约束条件，丢弃当前筛分过程检测数据；
如果所述重量变化率满足第二重量约束条件，执行判断筛分重量变化值是否满足筛分数据智能诊断规则的步骤。
6.根据权利要求5所述的方法，其特征在于，按照下式，计算当前燃料粒度检测子样本的筛分后重量W3i与前一燃料粒度检测子样本的筛分后重量W3(i-1)的重量变化率：
Figure FDA0003212835600000021
式中，αi为当前燃料粒度检测子样本的筛分后重量与前一燃料粒度检测子样本的筛分后重量的重量变化率。
7.一种烧结燃料粒度组成检测系统中筛分过程的诊断装置，其特征在于，包括：
数据获取模块，用于获取燃料粒度检测样本的初始总重量，以及，获取筛分过程后每一燃料粒度检测子样本的筛分后重量；
总重量确定模块，用于根据每一所述燃料粒度检测子样本的筛分后重量，确定燃料粒度检测样本的筛分后总重量；
计算模块，用于计算所述燃料粒度检测样本的初始总重量和筛分后总重量的筛分重量变化值；
判断及控制模块，用于判断所述筛分重量变化值是否满足筛分数据智能诊断规则，如果满足，确定诊断结果为筛分过程检测数据异常；以及，发送警告信息，以控制烧结燃料粒度组成检测系统执行所述筛分数据智能诊断规则中与诊断结果对应的操作；其中，所述筛分数据智能诊断规则包括：所述筛分重量变化值W初-W筛总<0，(W初-W筛总)/W初≥A，以及，0<(W初-W筛总)/W初<A中的任一种规则，式中，W初为初始总重量，W筛总为筛分后总重量，A为筛分重量诊断阈值。
CN201810213315.2A 2018-03-15 2018-03-15 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置 Active CN110274841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810213315.2A CN110274841B (zh) 2018-03-15 2018-03-15 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810213315.2A CN110274841B (zh) 2018-03-15 2018-03-15 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置

Publications (2)

Publication Number Publication Date
CN110274841A CN110274841A (zh) 2019-09-24
CN110274841B true CN110274841B (zh) 2021-12-24

Family

ID=67958522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810213315.2A Active CN110274841B (zh) 2018-03-15 2018-03-15 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置

Country Status (1)

Country Link
CN (1) CN110274841B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110793891A (zh) * 2019-10-18 2020-02-14 江苏大学 一种柴油机分级颗粒热解活化能定量评价方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788441A (zh) * 2009-12-30 2010-07-28 首钢总公司 烧结混合料水分和粒度组成测定装置及方法
CN103488139A (zh) * 2013-09-05 2014-01-01 山东博润工业技术股份有限公司 振动设备智能监测系统
FR2980572B1 (fr) * 2011-09-28 2014-07-04 Commissariat Energie Atomique Dispositif de detection massique de particules en milieu fluide et procede de mise en œuvre
CN104133468A (zh) * 2014-07-30 2014-11-05 北京矿冶研究总院 一种破碎筛分流程的故障诊断方法
CN105300832A (zh) * 2015-08-12 2016-02-03 解海龙 失重法飞灰含碳量在线检测装置故障诊断方法
CN105319121A (zh) * 2014-06-30 2016-02-10 宝钢不锈钢有限公司 一种烧结矿成品质量取样检测方法
CN106048111A (zh) * 2016-06-28 2016-10-26 首钢京唐钢铁联合有限责任公司 一种高炉炉料筛分控制方法
CN106093346A (zh) * 2016-06-16 2016-11-09 中交第二公路勘察设计研究院有限公司 一种评价软岩路堤填筑质量的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9285354B2 (en) * 2007-04-02 2016-03-15 The United States Of America As Represented By The Administrator Of The U.S. Environmental Protection Agency Systems and methods for the detection of low-level harmful substances in a large volume of fluid

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788441A (zh) * 2009-12-30 2010-07-28 首钢总公司 烧结混合料水分和粒度组成测定装置及方法
FR2980572B1 (fr) * 2011-09-28 2014-07-04 Commissariat Energie Atomique Dispositif de detection massique de particules en milieu fluide et procede de mise en œuvre
CN103488139A (zh) * 2013-09-05 2014-01-01 山东博润工业技术股份有限公司 振动设备智能监测系统
CN105319121A (zh) * 2014-06-30 2016-02-10 宝钢不锈钢有限公司 一种烧结矿成品质量取样检测方法
CN104133468A (zh) * 2014-07-30 2014-11-05 北京矿冶研究总院 一种破碎筛分流程的故障诊断方法
CN105300832A (zh) * 2015-08-12 2016-02-03 解海龙 失重法飞灰含碳量在线检测装置故障诊断方法
CN106093346A (zh) * 2016-06-16 2016-11-09 中交第二公路勘察设计研究院有限公司 一种评价软岩路堤填筑质量的方法
CN106048111A (zh) * 2016-06-28 2016-10-26 首钢京唐钢铁联合有限责任公司 一种高炉炉料筛分控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
振动筛的典型故障诊断和状态监测;杨洋;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170615;第1-62页 *

Also Published As

Publication number Publication date
CN110274841A (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
CN105209192B (zh) 增材制造中的局部污染检测
EP1903335B1 (en) Process of ultrasonic detection and preventive control of defects in parts made from composite materials
CN110274844B (zh) 烧结燃料粒度组成检测系统中干燥过程的诊断方法及装置
KR20130118822A (ko) 자동 결함 분류에서 분류기 준비 및 유지
CN104062305B (zh) 一种集成电路缺陷的分析方法
CN113850244B (zh) 基于图像识别的输煤量监测方法、装置、设备及存储介质
CN110274841B (zh) 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置
US7340084B2 (en) Quality assessment of product in bulk flow
Kennedy et al. Additive manufacturing: Assessing metal powder quality through characterizing feedstock and contaminants
JP2019100835A (ja) 重金属類溶出量の測定方法
CN111504736A (zh) 一种具备样品损失率核算的自动制样方法及自动制样设备
CN108508053A (zh) 一种系统性极微物理缺陷的检测方法
CN111368432B (zh) 离心铸造合金炉管的质量检测方法、存储介质和设备
JP2009176024A (ja) 生産プロセス異常検知方法および生産プロセス異常検知システム、上記生産プロセス異常検知方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体
WO2020204165A1 (ja) 粉率測定方法及び装置
CN107255450B (zh) 一种碳化钨合金粉末的筛选方法
JP7277066B2 (ja) 溶出方法および溶出量測定方法
Schwarz et al. Process compensated resonant testing in manufacturing process control
RU2517826C1 (ru) Способ автоматического контроля крупности частиц в потоке пульпы
TWI299538B (en) Method and system for defect category inspection
CN113299351A (zh) 基于统计检验及状态检查的蠕变数据筛选方法
CN118243689B (zh) 一种基于机械手的镜头铝座检测方法及系统
CN112445632A (zh) 基于故障数据建模的hpc可靠性评估方法
CN110273066B (zh) 一种基于粒度判断烧结燃料样料有效性的方法及装置
JP2024145687A (ja) 金属含有試料の解析方法

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