CN111607673A - 铁前诊断系统及方法 - Google Patents
铁前诊断系统及方法 Download PDFInfo
- Publication number
- CN111607673A CN111607673A CN202010466902.XA CN202010466902A CN111607673A CN 111607673 A CN111607673 A CN 111607673A CN 202010466902 A CN202010466902 A CN 202010466902A CN 111607673 A CN111607673 A CN 111607673A
- Authority
- CN
- China
- Prior art keywords
- parameters
- blast furnace
- data
- parameter
- sintering
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 236
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 198
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 100
- 238000004939 coking Methods 0.000 claims abstract description 472
- 238000005245 sintering Methods 0.000 claims abstract description 468
- 239000000571 coke Substances 0.000 claims abstract description 198
- 239000003245 coal Substances 0.000 claims abstract description 152
- 238000004519 manufacturing process Methods 0.000 claims abstract description 139
- 230000008569 process Effects 0.000 claims abstract description 130
- 239000002994 raw material Substances 0.000 claims abstract description 127
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 103
- 239000011707 mineral Substances 0.000 claims abstract description 103
- 238000002156 mixing Methods 0.000 claims abstract description 74
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 64
- 238000003745 diagnosis Methods 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims description 99
- 230000001419 dependent effect Effects 0.000 claims description 91
- 238000012417 linear regression Methods 0.000 claims description 86
- 238000012360 testing method Methods 0.000 claims description 52
- 230000007774 longterm Effects 0.000 claims description 46
- 239000000446 fuel Substances 0.000 claims description 43
- 239000000463 material Substances 0.000 claims description 43
- 230000008859 change Effects 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 35
- 239000002893 slag Substances 0.000 claims description 29
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 claims description 27
- 230000005856 abnormality Effects 0.000 claims description 27
- 238000007726 management method Methods 0.000 claims description 26
- 238000012546 transfer Methods 0.000 claims description 26
- 238000007405 data analysis Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 19
- 238000011068 loading method Methods 0.000 claims description 18
- 238000001816 cooling Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 17
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 14
- 230000010485 coping Effects 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000007418 data mining Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 12
- 239000000843 powder Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000011158 quantitative evaluation Methods 0.000 claims description 12
- 238000003723 Smelting Methods 0.000 claims description 11
- 239000008188 pellet Substances 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 239000011449 brick Substances 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- 238000007710 freezing Methods 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000010791 quenching Methods 0.000 claims description 7
- 230000000171 quenching effect Effects 0.000 claims description 7
- 239000000377 silicon dioxide Substances 0.000 claims description 7
- 206010040844 Skin exfoliation Diseases 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000035618 desquamation Effects 0.000 claims description 6
- 239000000700 radioactive tracer Substances 0.000 claims description 6
- -1 sintered ore Substances 0.000 claims description 6
- 239000004449 solid propellant Substances 0.000 claims description 6
- 239000002904 solvent Substances 0.000 claims description 6
- 230000009849 deactivation Effects 0.000 claims description 3
- 230000002779 inactivation Effects 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims 4
- 230000006872 improvement Effects 0.000 description 36
- 239000000047 product Substances 0.000 description 27
- 239000002245 particle Substances 0.000 description 12
- 239000007789 gas Substances 0.000 description 10
- 230000004044 response Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000007664 blowing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 4
- 239000000498 cooling water Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000005453 pelletization Methods 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 229910001018 Cast iron Inorganic materials 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 239000011362 coarse particle Substances 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/006—Automatically controlling the process
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/14—Investigating or analyzing materials by the use of thermal means by using distillation, extraction, sublimation, condensation, freezing, or crystallisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明揭示了一种铁前诊断系统及方法，所述铁前诊断系统包括数据采集模块、条线跟踪模块、数据分析模块和综合诊断模块。与现有技术相比，本发明的铁前诊断系统诊断范围覆盖炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数、焦炭质量参数、烧结原料质量参数、烧结工艺参数、烧结矿质量参数、高炉的输入参数、过程参数和输出参数等，将高炉生产监控扩展到整个铁前生产，对铁前生产进行了全方位的监控。同时本发明的铁前诊断系统，通过建立炼焦时间对应关系、烧结时间对应关系、高炉时间对应关系和上下道工序的对应关系，将整个串联的铁前生产密切联系起来，从而对高炉出现的异常报警能够做到快速的原因追溯和应对措施制定。
Description
技术领域
本发明涉及高炉炼铁生产技术领域，特别涉及一种铁前诊断系统及方法。
背景技术
铁前生产是冶金行业对包括矿山、烧结、球团、焦化、原料、炼铁生产运输系统的统称，也就是高炉冶炼前所需的总和。由于铁前生产的原辅料种类繁多，前后道工序生产工艺复杂，使得铁前生产极易因为原料和前、后道工序的生产工艺的波动造成高炉生产失常。
同时，由于前后道工序之间缺乏交流，并且取样、检化验周期及加工成品入炉时间难以确定，因此当高炉出现异常时，难以准确地将异常的原因归结到对应到前道工序的原辅料、或该原辅料对应的工艺问题上，导致需要花费很长的时间去寻找高炉异常的根本原因，很多时候甚至都无法找到根本原因。例如，炼焦煤出现质量问题，焦化厂作出对策后制得符合标准的焦炭，使用该焦炭导致了高炉异常，但是由于并不确定该高炉对应的焦炭来自于有问题的炼焦煤，也就无法发现是该炼焦煤的原因导致了异常。
当前的现状是无法实现原料质量的及时报警与应对措施跟踪，又无法在高炉生产出现异常时，快速发现是上游原料质量、配料、生产工艺还是高炉操作等哪个环节出了问题，往往出现高炉失常多日，还调查不出失常的根本原因。
发明内容
本发明的目的在于提供一种铁前诊断系统及方法。
为实现上述发明目的之一，本发明一实施方式提供一种铁前诊断系统，所述系统包括：
数据采集模块，其用于采集炼焦相关参数、烧结相关参数和高炉相关参数的数据，所述炼焦相关参数包括炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数，所述烧结相关参数包括烧结原料质量参数、烧结工艺参数和烧结矿质量参数，所述高炉相关参数包括高炉输入参数、过程参数和输出参数，所述数据包括历史数据和实时数据；
条线跟踪模块，其用于建立炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；建立烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；建立高炉输入参数、过程参数和输出参数的高炉时间对应关系；建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系；
数据分析模块，其用于将炼焦相关参数的数据依照炼焦时间对应关系建立炼焦数据库，并通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围；将烧结相关参数的数据依照烧结时间对应关系建立烧结数据库，并通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围；将高炉相关参数的数据依照高炉时间对应关系建立高炉数据库，并通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围；
综合诊断模块，其用于通过各个炼焦相关参数的报警范围，结合炼焦数据库中的实时数据，对各个炼焦相关参数进行监控和报警；通过各个烧结相关参数的报警范围，结合烧结数据库中的实时数据，对各个烧结相关参数进行监控和报警；通过各个高炉相关参数的报警范围，结合高炉数据库中的实时数据，对各个高炉相关参数进行监控和报警；通过所述上下道工序对应关系，诊断高炉相关参数的报警与炼焦相关参数或烧结相关参数的关系。
作为本发明一实施方式的进一步改进，所述条线跟踪模块还用于：
通过对炼焦煤的检化验数据、到厂时间、到货量、仓位变化、配煤速度、煤塔料位、焦炉装煤量、焦炭产量、焦炭取样时间的动态监控，计算或通过示踪试验得出炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
通过对烧结原料的检化验数据、到厂时间、到货量、配料速度、仓位变化、烧结上料量、烧结矿产量、烧结矿取样时间的动态监控，计算或通过示踪试验得到烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
通过对高炉原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期的动态监控，计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的高炉时间对应关系；
通过记录高炉原料作为产品时的产品批号和高炉原料取样时的原料批号的对应关系，建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
作为本发明一实施方式的进一步改进，所述数据分析模块还用于：
使用区间分析法，对炼焦数据库中的数据进行分析，得到一个炼焦相关参数与另一个或多个炼焦相关参数的线性回归关系，并结合其中一个炼焦相关参数的已知指标，得到其它炼焦相关参数的合理范围和报警范围；
使用区间分析法，对烧结数据库中的数据进行分析，得到一个烧结相关参数与另一个或多个烧结相关参数的线性回归关系，并结合其中一个烧结相关参数的已知指标，得到其它烧结相关参数的合理范围和报警范围；
使用区间分析法，对高炉数据库中的数据进行分析，得到一个高炉相关参数与另一个或多个高炉相关参数的线性回归关系，并结合其中一个高炉相关参数的已知指标，得到其它高炉相关参数的合理范围和报警范围。
作为本发明一实施方式的进一步改进，所述数据分析模块还用于：
使用区间分析法，对炼焦数据库中的数据进行分析，得到每个其它炼焦相关参数与M40和/或CSR的线性回归关系，并结合所述M40和/或CSR的已知指标，确定每个其它炼焦相关参数的合理范围和报警范围，其中所述炼焦相关参数包括M40、CSR和其它炼焦相关参数；
使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它烧结相关参数与烧结矿转鼓强度和/或烧结矿亚铁含量的线性回归关系，并结合所述烧结矿转鼓强度和/或烧结矿亚铁含量的已知指标，确定每个其它烧结相关参数的合理范围和报警范围，其中所述烧结相关参数包括烧结矿转鼓强度、烧结矿亚铁含量和其它烧结相关参数；
使用区间分析法，对高炉数据库中的数据进行分析，得到每个其它高炉相关参数与产量和/或燃料比的线性回归关系，并结合所述产量和/或燃料比的已知指标，确定每个其它高炉相关参数的合理范围和报警范围，其中所述高炉相关参数包括产量、燃料比和其它高炉相关参数。
作为本发明一实施方式的进一步改进，所述数据分析模块还用于：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分，并计算每个参数在每个区间中的平均值；
分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值，分别计算所述第一参数和其它参数的线性回归关系。
作为本发明一实施方式的进一步改进，所述综合诊断模块还用于：
根据炼焦相关参数、烧结相关参数和高炉相关参数的合理范围和报警范围，对炼焦相关参数、烧结相关参数和高炉相关参数的取值进行区段划分，对炼焦相关参数、烧结相关参数和高炉相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
作为本发明一实施方式的进一步改进，所述综合诊断模块还用于：
在焦炭质量参数出现报警时，通过所述炼焦数据库，确定焦炭质量参数出现报警前后，炼焦煤质量参数、炼焦配煤工艺参数或炼焦生产工艺参数的变化导致焦炭质量参数出现报警；
在烧结矿质量参数出现报警时，通过所述烧结数据库，确定烧结矿质量参数出现报警前后，烧结原料质量参数或烧结工艺参数的变化导致烧结矿质量参数出现报警；
在高炉过程参数或输出参数出现报警时，通过所述炼焦数据库、烧结数据库和高炉数据库，确定所述报警前后，焦炭相关参数、烧结相关参数、高炉输入参数或其它过程参数的变化导致高炉过程参数或输出参数出现报警。
作为本发明一实施方式的进一步改进，所述系统还包括：
短期异常诊断模块，其用于通过分析高炉数据库中的气流分布、下料信息、冷却壁热电偶温度、炉缸碳砖温度、铁水温度和渣铁流动性的实时数据，诊断高炉是否出现短期异常；以及在判定高炉出现短期异常时，诊断炉况短期异常的类型，其中，所述短期异常类型包括管道、渣皮脱落、崩滑料和炉缸不活。
作为本发明一实施方式的进一步改进，所述短期异常诊断模块还用于：
在确定高炉的短期异常类型后，通过调整净焦、轻料或硅石的量，调整高炉内异常热量和渣成分波动，对炉况短期异常进行治理。
作为本发明一实施方式的进一步改进，所述系统还包括：
长期异常诊断模块，其用于诊断高炉是否出现长期异常，以及出现长期异常时的长期异常类型，所述长期异常类型包括炉墙结厚、高炉结瘤、炉缸堆积、炉缸冻结。
作为本发明一实施方式的进一步改进，所述长期异常诊断模块还用于：
在确定炉况长期异常类型后，调整布料制度、送风制度和原料配比，同时通过相关性分析，得到与所述炉况长期异常相关的相关性参数，调整所述相关性参数的取值至对应的合理范围内。
作为本发明一实施方式的进一步改进，所述数据分析模块还用于：
使用归一化区间分析法，对炼焦相关参数的关键参数和焦炭质量参数的数据进行分析，分别得到以所述炼焦相关参数的关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对烧结相关参数的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述烧结相关参数的关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对高炉相关参数的关键参数和重要技经参数的数据进行分析，分别得到以所述高炉相关参数的关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
作为本发明一实施方式的进一步改进，所述数据分析模块还用于：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分；
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值；
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
作为本发明一实施方式的进一步改进，所述系统还包括生产管理模块，所述生产管理模块用于：
根据所述归一化线性方程中以焦炭质量参数为因变量的因变量系数绝对值的大小，确定对应炼焦相关参数的关键参数对炼焦系统的评分权重；以及根据所有炼焦相关参数的关键参数的评分权重和每个炼焦相关参数的关键参数的取值等级，对炼焦系统进行量化评价；
根据所述归一化线性方程中以烧结矿质量参数为因变量的因变量系数绝对值的大小，确定对应烧结相关参数的关键参数对烧结系统的评分权重；以及根据所有烧结相关参数的关键参数的评分权重和每个烧结相关参数的关键参数的取值等级，对烧结系统进行量化评价；
根据所述归一化线性方程中以重要技经参数为因变量的因变量系数绝对值的大小，确定对应高炉相关参数的关键参数对高炉炉况的评分权重；以及根据所有高炉相关参数的关键参数的评分权重和每个高炉相关参数的关键参数的取值等级，对高炉炉况进行量化评价。
作为本发明一实施方式的进一步改进，所述生产管理模块还用于：
将炼焦系统、烧结系统和高炉炉况的评分设定不同的评分区间，针对不同评分区间制定不同的应对方案。
作为本发明一实施方式的进一步改进，所述生产管理模块还用于：
在某个炼焦相关参数的关键参数出现失分时，通过所述关键参数与焦炭质量参数的线性回归关系，计算所述关键参数对焦炭质量参数的影响；
在某个烧结相关参数的关键参数出现失分时，通过所述关键参数与烧结矿质量参数的线性回归关系，计算所述关键参数对烧结矿质量参数的影响；
在某个高炉相关参数的关键参数出现失分时，通过所述关键参数与重要技经参数的线性回归关系，计算所述关键参数对重要技经参数的影响。
作为本发明一实施方式的进一步改进，所述生产管理模块还用于：
计算炼焦系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对炼焦系统的每个班次对应的工人进行管理；
计算烧结系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对烧结系统的每个班次对应的工人进行管理；
计算高炉炉况在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对高炉的每个班次对应的工人进行管理。
作为本发明一实施方式的进一步改进，所述数据采集模块还用于：
采集炼焦煤的供应商、到港时间、堆放场地和炼焦煤的检化验数据，得到炼焦煤质量参数的数据；
采集配煤单和现场实时配煤数据，得到炼焦配煤工艺参数的数据；
采集焦炉用煤气流量、装煤量、结焦温度、结焦时间、干熄焦工序的生产工艺数据，得到炼焦生产工艺参数的数据；
采集焦炭的检化验数据、焦炭仓位和焦炭产量，得到焦炭质量参数的数据；
采集烧结矿粉、溶剂和固体燃料的供应商、到港时间、堆放场地和质量数据，得到烧结原料质量参数数据；
采集现场实时配矿监控数据、烧结点火温度、料层厚度、烧结负压和机速，得到烧结工艺参数数据；
采集烧结矿质量数据、筒仓料位和烧结矿产量，得到烧结矿质量参数数据；
采集焦炭、烧结矿、球团矿和块矿的检化验数据、配料结构和仓位信息，得到高炉输入参数的数据；
采集高炉操作参数、炉况表征参数和炉体管理参数的数据，得到高炉过程参数的数据；
采集高炉的技术经济指标参数的数据，得到高炉的输出参数的数据。
作为本发明一实施方式的进一步改进，所述数据处理模块还用于：
对炼焦数据库、烧结数据库和高炉数据库中的数据进行数据清洗、数据挖掘和数据融合，使用炼焦数据库、烧结数据库和高炉数据库中融合后的数据进行数据分析、监控和报警，其中，所述数据清洗是指剔除采集的数据中的异常点，所述数据挖掘是指在数据的基础上，通过已有公式计算得到间接参数的数据，所述数据融合是指统一所有参数的数据频率或数据周期，得到周期数据。
为实现上述发明目的之一，本发明一实施方式提供一种铁前诊断方法，所述方法包括：
采集炼焦相关参数、烧结相关参数和高炉相关参数的数据，所述炼焦相关参数包括炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数，所述烧结相关参数包括烧结原料质量参数、烧结工艺参数和烧结矿质量参数，所述高炉相关参数包括高炉输入参数、过程参数和输出参数，所述数据包括历史数据和实时数据；
建立炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
建立烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
建立高炉输入参数、过程参数和输出参数的高炉时间对应关系；
建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系；
将炼焦相关参数的数据依照炼焦时间对应关系建立炼焦数据库，并通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围；
将烧结相关参数的数据依照烧结时间对应关系建立烧结数据库，并通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围；
将高炉相关参数的数据依照高炉时间对应关系建立高炉数据库，并通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围；
通过各个炼焦相关参数的报警范围，结合炼焦数据库中的实时数据，对各个炼焦相关参数进行监控和报警；
通过各个烧结相关参数的报警范围，结合烧结数据库中的实时数据，对各个烧结相关参数进行监控和报警；
通过各个高炉相关参数的报警范围，结合高炉数据库中的实时数据，对各个高炉相关参数进行监控和报警；
通过所述上下道工序对应关系，诊断高炉相关参数的报警与炼焦相关参数或烧结相关参数的关系。
作为本发明一实施方式的进一步改进，所述炼焦时间对应关系的建立包括通过对炼焦煤的检化验数据、到厂时间、到货量、仓位变化、配煤速度、煤塔料位、焦炉装煤量、焦炭产量、焦炭取样时间的动态监控，计算或通过示踪试验得出炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
所述烧结时间对应关系的建立包括通过对烧结原料的检化验数据、到厂时间、到货量、配料速度、仓位变化、烧结上料量、烧结矿产量、烧结矿取样时间的动态监控，计算或通过示踪试验得到烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
所述高炉时间对应关系的建立包括通过对高炉原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期的动态监控，计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的高炉时间对应关系；
所述上下道工序对应关系的建立包括通过记录高炉原料作为产品时的产品批号和高炉原料取样时的原料批号的对应关系，建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
作为本发明一实施方式的进一步改进，所述“通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围”包括：使用区间分析法，对炼焦数据库中的数据进行分析，得到一个炼焦相关参数与另一个或多个炼焦相关参数的线性回归关系，并结合其中一个炼焦相关参数的已知指标，得到其它炼焦相关参数的合理范围和报警范围；
所述“通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围”包括：使用区间分析法，对烧结数据库中的数据进行分析，得到一个烧结相关参数与另一个或多个烧结相关参数的线性回归关系，并结合其中一个烧结相关参数的已知指标，得到其它烧结相关参数的合理范围和报警范围；
所述“通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围”包括：使用区间分析法，对高炉数据库中的数据进行分析，得到一个高炉相关参数与另一个或多个高炉相关参数的线性回归关系，并结合其中一个高炉相关参数的已知指标，得到其它高炉相关参数的合理范围和报警范围。
作为本发明一实施方式的进一步改进，所述“通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围”包括：使用区间分析法，对炼焦数据库中的数据进行分析，得到每个其它炼焦相关参数与M40和/或CSR的线性回归关系，并结合所述M40和/或CSR的已知指标，确定每个其它炼焦相关参数的合理范围和报警范围，其中所述炼焦相关参数包括M40、CSR和其它炼焦相关参数；
所述“通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围”包括：使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它烧结相关参数与烧结矿转鼓强度和/或烧结矿亚铁含量的线性回归关系，并结合所述烧结矿转鼓强度和/或烧结矿亚铁含量的已知指标，确定每个其它烧结相关参数的合理范围和报警范围，其中所述烧结相关参数包括烧结矿转鼓强度、烧结矿亚铁含量和其它烧结相关参数；
所述“通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围”包括：使用区间分析法，对高炉数据库中的数据进行分析，得到每个其它高炉相关参数与产量和/或燃料比的线性回归关系，并结合所述产量和/或燃料比的已知指标，确定每个其它高炉相关参数的合理范围和报警范围，其中所述高炉相关参数包括产量、燃料比和其它高炉相关参数。
作为本发明一实施方式的进一步改进，所述区间分析法具体包括：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分，并计算每个参数在每个区间中的平均值；
分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值，分别计算所述第一参数和其它参数的线性回归关系。
作为本发明一实施方式的进一步改进，所述方法还包括：
根据炼焦相关参数、烧结相关参数和高炉相关参数的合理范围和报警范围，对炼焦相关参数、烧结相关参数和高炉相关参数的取值进行区段划分，对炼焦相关参数、烧结相关参数和高炉相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
作为本发明一实施方式的进一步改进，所述方法还包括：
在焦炭质量参数出现报警时，通过所述炼焦数据库，确定焦炭质量参数出现报警前后，炼焦煤质量参数、炼焦配煤工艺参数或炼焦生产工艺参数的变化导致焦炭质量参数出现报警；
在烧结矿质量参数出现报警时，通过所述烧结数据库，确定烧结矿质量参数出现报警前后，烧结原料质量参数或烧结工艺参数的变化导致烧结矿质量参数出现报警；
在高炉过程参数或输出参数出现报警时，通过所述炼焦数据库、烧结数据库和高炉数据库，确定所述报警前后，焦炭相关参数、烧结相关参数、高炉输入参数或其它过程参数的变化导致高炉过程参数或输出参数出现报警。
作为本发明一实施方式的进一步改进，所述方法还包括：
通过分析高炉数据库中的气流分布、下料信息、冷却壁热电偶温度、炉缸碳砖温度、铁水温度和渣铁流动性的实时数据，诊断高炉是否出现短期异常；
在判定高炉出现短期异常时，诊断炉况短期异常的类型，其中，所述短期异常类型包括管道、渣皮脱落、崩滑料和炉缸不活。
作为本发明一实施方式的进一步改进，所述方法还包括：
在确定高炉的短期异常类型后，通过调整净焦、轻料或硅石的量，调整高炉内异常热量和渣成分波动，对炉况短期异常进行治理。
作为本发明一实施方式的进一步改进，所述方法还包括：
判断高炉是否出现长期异常；
在判定高炉出现长期异常时，诊断高炉的长期异常类型，所述长期异常类型包括炉墙结厚、高炉结瘤、炉缸堆积、炉缸冻结。
作为本发明一实施方式的进一步改进，所述方法还包括：
在确定炉况长期异常类型后，调整布料制度、送风制度和原料配比，同时通过相关性分析，得到与所述炉况长期异常相关的相关性参数，调整所述相关性参数的取值至对应的合理范围内。
作为本发明一实施方式的进一步改进，所述方法还包括：
使用归一化区间分析法，对炼焦相关参数的关键参数和焦炭质量参数的数据进行分析，分别得到以所述炼焦相关参数的关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对烧结相关参数的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述烧结相关参数的关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对高炉相关参数的关键参数和重要技经参数的数据进行分析，分别得到以所述高炉相关参数的关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
作为本发明一实施方式的进一步改进，所述“归一化区间分析法”具体包括：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分；
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值；
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
作为本发明一实施方式的进一步改进，所述方法还包括：
根据所述归一化线性方程中以焦炭质量参数为因变量的因变量系数绝对值的大小，确定对应炼焦相关参数的关键参数对炼焦系统的评分权重；以及根据所有炼焦相关参数的关键参数的评分权重和每个炼焦相关参数的关键参数的取值等级，对炼焦系统进行量化评价；
根据所述归一化线性方程中以烧结矿质量参数为因变量的因变量系数绝对值的大小，确定对应烧结相关参数的关键参数对烧结系统的评分权重；以及根据所有烧结相关参数的关键参数的评分权重和每个烧结相关参数的关键参数的取值等级，对烧结系统进行量化评价；
根据所述归一化线性方程中以重要技经参数为因变量的因变量系数绝对值的大小，确定对应高炉相关参数的关键参数对高炉炉况的评分权重；以及根据所有高炉相关参数的关键参数的评分权重和每个高炉相关参数的关键参数的取值等级，对高炉炉况进行量化评价。
作为本发明一实施方式的进一步改进，所述方法还包括：
将炼焦系统、烧结系统和高炉炉况的评分设定不同的评分区间，针对不同评分区间制定不同的应对方案。
作为本发明一实施方式的进一步改进，所述方法还包括：
在某个炼焦相关参数的关键参数出现失分时，通过所述关键参数与焦炭质量参数的线性回归关系，计算所述关键参数对焦炭质量参数的影响；
在某个烧结相关参数的关键参数出现失分时，通过所述关键参数与烧结矿质量参数的线性回归关系，计算所述关键参数对烧结矿质量参数的影响；
在某个高炉相关参数的关键参数出现失分时，通过所述关键参数与重要技经参数的线性回归关系，计算所述关键参数对重要技经参数的影响。
作为本发明一实施方式的进一步改进，所述方法还包括：
计算炼焦系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对炼焦系统的每个班次对应的工人进行管理；
计算烧结系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对烧结系统的每个班次对应的工人进行管理；
计算高炉炉况在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对高炉的每个班次对应的工人进行管理。
作为本发明一实施方式的进一步改进，所述“采集炼焦相关参数、烧结相关参数和高炉相关参数的数据”具体包括：
采集炼焦煤的供应商、到港时间、堆放场地和炼焦煤的检化验数据，得到炼焦煤质量参数的数据；
采集配煤单和现场实时配煤数据，得到炼焦配煤工艺参数的数据；
采集焦炉用煤气流量、装煤量、结焦温度、结焦时间、干熄焦工序的生产工艺数据，得到炼焦生产工艺参数的数据；
采集焦炭的检化验数据、焦炭仓位和焦炭产量，得到焦炭质量参数的数据；
采集烧结矿粉、溶剂和固体燃料的供应商、到港时间、堆放场地和质量数据，得到烧结原料质量参数数据；
采集现场实时配矿监控数据、烧结点火温度、料层厚度、烧结负压和机速，得到烧结工艺参数数据；
采集烧结矿质量数据、筒仓料位和烧结矿产量，得到烧结矿质量参数数据；
采集焦炭、烧结矿、球团矿和块矿的检化验数据、配料结构和仓位信息，得到高炉输入参数的数据；
采集高炉操作参数、炉况表征参数和炉体管理参数的数据，得到高炉过程参数的数据；
采集高炉的技术经济指标参数的数据，得到高炉的输出参数的数据。
作为本发明一实施方式的进一步改进，所述方法还包括：
对炼焦数据库、烧结数据库和高炉数据库中的数据进行数据清洗、数据挖掘和数据融合，使用炼焦数据库、烧结数据库和高炉数据库中融合后的数据进行数据分析、监控和报警，其中，所述数据清洗是指剔除采集的数据中的异常点，所述数据挖掘是指在数据的基础上，通过已有公式计算得到间接参数的数据，所述数据融合是指统一所有参数的数据频率或数据周期，得到周期数据。
与现有技术相比，本发明的铁前诊断系统具有如下优点：
(1)本发明的铁前诊断系统诊断范围覆盖炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数、焦炭质量参数、烧结原料质量参数、烧结工艺参数、烧结矿质量参数、高炉的输入参数、过程参数和输出参数等，将高炉生产监控扩展到整个铁前生产，对铁前生产进行了全方位的监控。
(2)本发明的铁前诊断系统，通过建立炼焦时间对应关系、烧结时间对应关系、高炉时间对应关系和上下道工序的对应关系，将整个串联的铁前生产密切联系起来，从而对高炉出现的异常报警能够做到快速的原因追溯和应对措施制定。
(3)进一步的，本发明的铁前诊断系统，通过区间分析法，通过对大量历史数据进行分析，将铁前各个系统中的参数之间的关系线性化，从而为各个铁前参数制定科学的合理范围和报警范围，有效指导铁前生产。
附图说明
图1是本发明的铁前诊断系统的结构示意图。
图2是本发明的鼓风动能PI和产量Ke之间的线性回归关系的示意图。
图3是炼焦煤粘结指数G值与焦炭的抗碎强度M40的关系示意图。
图4是本发明的G值和M40的线性回归关系的示意图。
图5是本发明的G值和M10的线性回归关系的示意图。
图6是本发明的烧结矿亚铁含量和5-10mm粒度比例的线性回归关系的示意图。
图7是本发明的5-10mm粒度比例和烧结机速的线性回归关系的示意图。
图8是本发明的鼓风动能与燃料比的归一化线性方程的示意图。
图9是本发明的鼓风动能与产量的归一化线性方程的示意图。
图10是本发明的综合入炉品味与燃料比的归一化线性方程的示意图。
图11是本发明的综合入炉品味与产量的归一化线性方程的示意图。
图12是本发明的风温与产量的线性回归关系的示意图。
图13是本发明的风温与燃料比的线性回归关系的示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
高炉是炼铁步骤的最后也是最关键的环节，高炉的炉况决定钢铁的产量。但是高炉是否顺行，不能只局限于高炉本身，由于高炉往往有“七分原料，三分操作”的说法，说明高炉原料质量、前后道生产工艺波动对高炉顺行的巨大影响。因此，本发明将只对高炉进行监控和诊断，扩展到对整个铁前进行监控和诊断，从而能够快速发现引起炉况失常(高炉异常)的根本原因，快速解决炉况失常的问题，避免高炉长时间失常带来的损失。
如图1所示，本发明提供一种铁前诊断系统。所述铁前生产主要是指对高炉原料的生产系统和高炉，所述高炉原料生产系统包括但不限于炼焦系统(所述炼焦系统是指从炼焦原料到焦炭的整个炼焦过程)、烧结系统(所述烧结系统是指从烧结原料到烧结矿的整个烧结过程)、球团系统(所述球团系统是指从球团原料到球团矿的整个生产过程)，所述高炉是指从高炉原料到产品的整个生产过程。高炉原料的生产系统是高炉的上道工序。本发明的铁前诊断系统主要用于对炼焦系统、烧结系统和高炉进行全面的监控和报警，从而快速定位高炉异常的原因。需要说明的是，对球团系统的监控和报警可以参数对烧结系统的监控和报警，对他们进行监控和报警的原理相同，本发明就只对烧结系统的诊断做详细说明。
所述铁前诊断系统包括数据采集模块、条线跟踪模块、数据分析模块和综合诊断模块。
数据采集模块
数据采集模块，其用于采集炼焦相关参数、烧结相关参数和高炉相关参数的数据，所述数据包括历史数据和实时数据。需要说明的是，所述采集到的数据，可以是某一段时间，比如近两年，采集到的炼焦系统、烧结系统或高炉的所有数据。
(1)所述炼焦相关参数包括从炼焦煤到焦炭整个炼焦过程中涉及的参数，主要包括炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数。具体的，采集炼焦系统的如下数据：
A、炼焦煤质量和仓储数据采集
主要包括采集炼焦煤的供应商、到港时间、堆放场地和炼焦煤的检化验数据，得到炼焦煤质量参数的数据。
B、炼焦配煤和配煤车间数据实时采集
主要包括采集配煤单和现场实时配煤数据，得到炼焦配煤工艺参数的数据。
C、焦炉和干熄焦工艺数据采集
采集焦炉用煤气流量、装煤量、结焦温度、结焦时间、干熄焦工序的生产工艺数据，得到炼焦生产工艺参数的数据。
D、焦炭指标和仓位数据采集
采集焦炭的检化验数据、焦炭仓位和焦炭M40，得到焦炭质量参数的数据。
(2)所述烧结相关参数包括从烧结原料到烧结矿整个烧结过程中涉及的参数，主要包括烧结原料质量参数、烧结工艺参数和烧结矿质量参数。具体的，主要采集烧结系统中的如下数据：
A、采集烧结矿粉、溶剂和固体燃料的供应商、到港时间、堆放场地和质量数据，得到烧结原料质量参数数据。
B、采集现场实时配矿监控数据、烧结点火温度、料层厚度、烧结负压和机速，得到烧结工艺参数数据。
C、采集烧结矿质量数据、筒仓料位和烧结矿产量，得到烧结矿质量参数数据。
(3)高炉相关参数包括从高炉原料、生产过程到产品的各种参数。具体的，高炉相关参数包括高炉运行过程操作参数、高炉冷却系统监测参数、高炉原料参数、高炉布料矩阵参数、高炉下料参数、炉顶煤气温度参数、高炉煤气成分参数、铁水重量、质量和温度参数，炉渣重量和质量参数。其中，所述高炉运行过程操作参数又包括风口区理论燃烧温度、鼓风动能、炉腹煤气指数、透气阻力系数、风口区风速、风口区风量、风口区风温、风口区风压、加湿量、富氧量、喷煤量等。所述高炉冷却系统监测参数包括冷却壁温度、冷却系统流量、冷却水压力和冷却水温度等。所述高炉原料参数包括高炉所用焦炭、烧结矿、块矿和球团的质量、仓位、配料结构等。所述炉顶煤气温度参数包括炉顶煤气温度、炉顶煤气压力、十字测温温度，炉顶Z/W等。
对上述高炉相关参数进行整理，将所有高炉相关参数划分成输入参数、过程参数和输出参数。其中：
所述的输入参数指的是高炉原料参数，包括高炉所用焦炭、烧结矿、块矿和球团的质量参数、仓位参数、配料结构参数等，见下表1。
所述过程参数包括高炉操作参数、炉况表征参数和炉体管理参数，见下表2。
所述输出参数指的是高炉的技术经济指标参数等，包括产量、燃料比等，见下表3。
表1
表2
表3
采集高炉相关参数的数据，即采集上述高炉输入参数、过程参数和输出参数的数据。
条线跟踪模块
整个铁前生产包括串联的多个系统，不同系统之间具有前后道工序的对应关系，比如炼焦系统和烧结系统是高炉系统的前道工序。对于各个系统，也都由多个生产线串联而成的。因此，在对铁前生产的相关数据进行分析之前，需要建立各个系统之间、系统的各个生产线之间的对应关系。
(1)条线跟踪模块用于建立炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系。
优选的，通过对炼焦煤的检化验数据、到厂时间、到货量、仓位变化、配煤速度、煤塔料位、焦炉装煤量、焦炭产量、焦炭取样时间的动态监控，计算或通过示踪试验得出炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的时间对应关系。
(2)条线跟踪模块用于建立烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系。
优选的，通过对烧结原料的检化验数据、到厂时间、到货量、配料速度、仓位变化、烧结上料量、烧结矿产量、烧结矿取样时间的动态监控，计算或通过示踪试验得到烧结原料质量参数、烧结工艺参数和烧结矿质量参数的时间对应关系。
例如，矿粉K到货后的检化验时间t0，开始进行混匀配料t1，开始使用该混匀料堆t2，开始烧结布料t3，烧结结束t4，烧结取样化验t5。其中矿粉K检化验出结果时间t0和开始进混匀料仓时间t1可以通过输入采集，开始使用矿粉K混匀、配料、烧结、成品的对应关系要根据中转和上料皮带的转速V*，距离S，配料皮带的下料速度Vn，一混和二混的持续时间T，中转仓仓位H进行计算。
比如t3＝t2+S/V*+ρHπr2/Vn+T，其中r为仓体半径、ρ为仓体中原料的密度。
以此方法类推，实时计算出t4，t5等时间，将烧结原料与烧结配料、加工、成品的数据依照时间对应关系建立对应的烧结数据库。
(3)条线跟踪模块用于建立高炉输入参数、过程参数和输出参数的高炉时间对应关系。
优选的，通过对原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期等的动态监控，计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的时间对应关系。
具体的，输入参数的原料质量参数(包括焦炭、烧结矿、球团矿和矿块的质量参数)与过程参数或输出参数存在如下时间差，所述时间差＝炉内反应时间-高炉原料的取样时间＝高炉原料取样后从成品仓至高炉原料仓的皮带转运时间+高炉原料在高炉原料仓的存储时间+高炉原料上料后的转运时间+高炉原料在高炉中的冶炼周期。
在一个具体的实施方式中，建立输入参数的焦炭质量参数和过程参数的时间对应关系。采集焦炭的取样时间T取、取样点至高炉焦炭仓的皮带转运时间Δt焦，采集高炉焦炭仓在T取+Δt焦时刻的仓储量H、高炉焦炭上料速度V、高炉上料转运时间Δt炉，采集炉料在高炉中的冶炼周期Δt冶炼。过程参数的采集时间T炉，从而确定焦炭质量参数和过程参数的时间对应关系，如下：
T炉＝T取+Δt焦+H/V+Δt炉+T冶炼。
(4)条线跟踪模块用于建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
优选的，通过记录高炉原料作为产品时的产品批号和高炉原料取样时的原料批号的对应关系，建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
比如某批焦炭作为高炉的原料，具有原料批号，同样，这批焦炭作为产品，在炼焦系统中具有对应的产品批号，建立这两者之间的上下道工序对应关系。当发现高炉异常是由于某批次的焦炭出现问题时，通过这种上下道工序对应关系，能够很明确的知道是炼焦系统的哪个批次的产品出现问题，同时可以根据这个批次产品在生产时的报警，判断这个批次产品出现问题的原因，快速定位高炉异常的根本原因。
数据分析模块
(1)数据分析模块用于将炼焦相关参数的数据依照炼焦时间对应关系建立炼焦数据库，将烧结相关参数的数据依照烧结时间对应关系建立烧结数据库，将高炉相关参数的数据依照高炉时间对应关系建立高炉数据库。
优选的，对于采集到的炼焦相关参数、烧结相关参数和高炉相关参数的数据，根据上述时间对应关系建立相应数据库后，需要对相应数据库中的数据进行清洗、挖掘和融合后，再使用融合后的数据进行数据分析、监控和报警等。
数据清洗是指剔除异常坏点数据，补充缺失数据。比如冷却壁热电偶温度的数据清洗，剔除坏点数据。高炉每一层冷却壁根据在炉体中的高度不同、材质不同，正常生产时的温度波动范围不同，剔除不在合理波动范围内的数据。比如炉身上部13段铸铁冷却壁，由于冷却水的保护，该处铸铁冷却壁的温度一般在70-300℃之间，首先剔除剔除70-300℃以外的热电偶数据，最后对于70-300℃以内的数据，如果某一点一天均没有波动和变化，认为该监测点热电偶损坏，剔除其温度数据，高炉热电偶坏点数据剔除后空置，以免数据失真导致炉况判断失误。对于检化验数据，根据检化验数据是否在正常检测范围内进行异常数据点剔除。根据检化验频次判断是否存在缺失数据，对缺失数据进行自动填充，填充近三次的平均检化验数据。
数据挖掘是指在采集数据的基础上，对各参数数据进行统计分析，统计平均值、最大值、最小值、数据分布、标准偏差等。同时，数据挖掘还包括挖掘间接参数的数据，所述间接参数是指无法通过采集数据直接获取的参数数据，而是需要通过已有公式进行计算得到的。比如高炉鼓风动能、炉缸活性指数、布料的矿焦比径向分布、热量平衡、理论燃烧温度、反映出风口前的热风与燃料燃烧所能达到的最高温度等都是间接参数。
数据融合是指统一所有参数的数据频率或数据周期，得到周期数据。由于各个系统中相关参数的数据获取频率不同，比如有些参数每秒采集一次，有些参数每分钟采集一次，有些参数每小时甚至每天采集一次，这样对于这些不同数据获取频率的参数数据，就需要进行数据融合，统一所有参数的数据频率或数据周期，得到周期数据。比如统一所有参数的数据频率为一个小时一个数据，所述数据周期为一个小时。由于各个系统的数据量比较大，整体周期较长，因此优选的数据频率为一天一个数据，即数据周期为天。得到一个参数的周期数据的方法为：获取这个参数在数据周期内的所有数据的平均值或者最新值，作为这个参数的一个周期数据。后续使用炼焦数据库、烧结数据库或高炉数据库中的某个参数的数据，是指这个参数的周期数据。
(2)数据分析模块用于对各个数据库中的历史数据进行分析，得到各个参数的合理范围和报警范围。
从历史数据可以看出，铁前各个系统(包括但不限于炼焦系统、烧结系统和高炉)的参数之间很少存在线性关系，基本都是非线性关系，甚至是杂乱无章，使用各种统计学方法对这些数据进行分析，也无法将这些铁前参数(包括但不限于炼焦相关参数、烧结相关参数和高炉相关参数)之间的关系简化。因此，传统的铁前参数合理范围和报警范围的制定只能凭借现场工作人员的操作经验，缺乏科学依据和数据支撑，容易引起警报误判。
经过发明人长时间的研究，发明了一种区间分析法，能够将铁前参数的这些非线性关系的数据、甚至是杂乱无章的数据进行线性化，从而简化了铁前参数之间的关系，为铁前参数范围的设定，提供了科学手段和数据支撑。
所述区间分析法包括如下步骤：
步骤S110：获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分。
为了方便划分，优选通过平均分割的方式，将第一参数的样本数据的波动范围进行区间划分。
区间个数可以是很多，也可以很少，但是由于后续要将每个区间的平均值进行线性回归，因此优选划分的区间个数为6-8个，如果样本数据量多可以划分成8个，少的话可以划分成6个，依次类推。
另外，在进行区间划分后，有些区间的样本量可能很少，对后续的处理没有帮助作用，因此，在一个优选的实施方式中，将所述第一参数的样本数据的波动范围划分成多个区间后，统计所述第一参数的总样本量和在每个区间中样本量，计算每个区间的样本量占比。删除样本量占比少于预定阈值的区间，得到最终划分的区间。所述预定阈值可以是5％，即当某个区间的样本量少于总样本量的5％时，删除或去掉这个区间，是这个区间的数据不进入后续的处理。
步骤S120：根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分，并计算每个参数在每个区间中的平均值。
例如第一参数的样本数据被划分成M个区间，第一区间包括第一参数在时间点A、B、C和D的四个样本数据，根据其它参数与所述第一参数的时间对应关系，将其它参数在对应的A、B、C和D时间点的样本数据也划分成第一区间，依次类推。这样，其它参数的样本数据也被划分成和第一参数相同且具有对应关系的M个区间。
区间划分结束后，计算每个参数在每个区间的平均值，包括第一参数在M个区间的平均值，每个其它参数在M个区间的平均值。
步骤S130：分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值，分别计算所述第一参数和其它参数的线性回归关系。
所述两个坐标轴可以是横轴和纵轴，分别以第一参数在每个区间的平均值作为横轴/纵轴的坐标值，以一个其它参数在每个区间的平均值作为纵轴/横轴的坐标值，计算第一参数和这一个其它参数的线性回归关系。
按照相同的方式处理所有的其它参数，得到第一参数与所有其它参数的多个线性回归关系。
下面是区间分析法的具体应用：
A、使用区间分析法，对高炉数据库中的数据进行分析，得到一个高炉相关参数与另一个或多个高炉相关参数的线性回归关系，并结合其中一个高炉相关参数的已知指标，得到其它高炉相关参数的合理范围和报警范围。
优选的，使用区间分析法，对高炉数据库中的数据进行分析，得到每个其它高炉相关参数与产量和/或燃料比的线性回归关系，并结合所述产量和/或燃料比的已知指标，确定每个其它高炉相关参数的合理范围和报警范围，其中所述高炉相关参数包括产量、燃料比和其它高炉相关参数。
需要说明的是，本文中已知指标包括已知目标指标和已知下限指标，通过一个参数的已知目标指标可以得到其它参数的合理范围，通过一个参数的已知下限指标，可以得到其它参数的报警范围。
具体的，所述已知目标指标是指参数的现有目标范围或目标属性，比如我们对于某种高炉的产量的目标范围是介于13500-14500t/d之间，那产量在13500-14500t/d之间即为产量的已知目标指标。又比如在产量的目标范围内，我们认为产量越高越好，那产量越高越好是一个目标属性，也即是一个已知目标指标。所述已知下限指标，是指参数的已知下限范围，在所述下限范围所述参数的数据会被判定为异常或者高炉会被判定为异常。比如对于高炉产量，假定下限范围为小于11000t/d，那么当产量处于这个下限范围内时，判定高炉出现异常。
在一个具体的实施方式中，将高炉数据库中的数据，按照产量的波动范围分为8个区间，对选取重要的高炉相关参数(后续简称重要参数)如焦炭质量、烧结矿质量、鼓风动能等，按照与产量的时间对应关系，将这些重要参数的数据划分成相同的8个区间，求产量和这些重要参数平均值在每个区间的平均值，然后以重要参数的平均值作为横坐标，产量的平均值作为纵坐标，得到产量和重要参数之间的规律(线性回归关系)。然后根据产量的已知目标指标，确定重要参数的合理范围。如图2所示，鼓风动能PI和产量Ke之间的线性回归关系，满足如下关系式：
Ke＝1.522×PI-10335。
从图2中可以看出，当产量介于13500-14500t/d之间时(产量的已知目标指标)，鼓风动能的合理范围在15600-16300J/s之间。
继续参考图2，通过鼓风动能和产量之间的线性回归关系，结合产量的已知下限指标，可以得到鼓风动能的报警范围。
B、使用区间分析法，对炼焦数据库中的数据进行分析，得到一个炼焦相关参数与另一个或多个炼焦相关参数的线性回归关系，并结合其中一个炼焦相关参数的已知指标，得到其它炼焦相关参数的合理范围和报警范围；
优选的，使用区间分析法，对炼焦数据库中的数据进行分析，得到每个其它炼焦相关参数与M40和/或CSR的线性回归关系，并结合所述M40和/或CSR的已知指标，确定每个其它炼焦相关参数的合理范围和报警范围，其中所述炼焦相关参数包括M40、CSR和其它炼焦相关参数。
在一个具体的实施方式中，如图3和图4所示，图3为炼焦煤粘结指数G值与焦炭的抗碎强度M40的关系图，从图中看出G值与M40存在一定的非线性关系，但是分布零散，难以给出回归关系。使用区间分析法，对这两个参数的数据进行分析，如下表4所示，对炼焦煤G值进行区间划分，并计算每个区间的G值平均值和M40的平均值。以G值在每个区间的平均值作为横轴的坐标值，以M40在对应区间的平均值作为纵轴的坐标值，得到如图4所示的G值和M40的线性回归关系。
表4
焦炭的主要评价指标是抗碎强度M40和反应后强度CSR，因此使用区间分析法，对炼焦数据库中的数据进行分析，能够得到炼焦相关参数中除M40和CSR的其它参数与M40、CSR的线性回归关系。这样从这个线性关系中就可以很明显的看出其它参数对焦炭质量的影响。需要说明的是，所述其它参数一般是从炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数中选取关键参数得到。
在得到每个其它参数与M40、每个其它参数与CSR的线性回归关系后，并结合所述M40和CSR的已知指标，可以确定每个其它参数的合理范围和报警范围。
图4和图5分别为本发明通过区间分析法得出的G值和M40、G值和M10的线性回归关系图。如图3和图4所示，如果焦炭的抗碎强度的目的指标为M40≥88，可以得出配合煤G值的一个合理范围，再结合M10的已知指标，得出配合煤G值的另一个合理范围，两个合理范围的交集即是配合煤G值的最终合理范围。而通过M40和M10的已知下限指标，可以得出G值的报警范围。当配合煤的G值落到报警范围，则自动进行红色报警，相应的配煤技术人员要及时调整配煤结构，将配合煤G值保持在合理范围内，从而保证焦炭的质量稳定。
C、使用区间分析法，对烧结数据库中的数据进行分析，得到一个烧结相关参数与另一个或多个烧结相关参数的线性回归关系，并结合其中一个烧结相关参数的已知指标，得到其它烧结相关参数的合理范围和报警范围；
优选的，使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它烧结相关参数与烧结矿转鼓强度和/或烧结矿亚铁含量的线性回归关系，并结合所述烧结矿转鼓强度和/或烧结矿亚铁含量的已知指标，确定每个其它烧结相关参数的合理范围和报警范围，其中所述烧结相关参数包括烧结矿转鼓强度、烧结矿亚铁含量和其它烧结相关参数。
烧结矿的5-10mm粒度比例对烧结矿层的透气性影响巨大，过高会造成料层透气性严重下降，影响高炉料柱透气性，增大高炉压差，影响高炉的风量和稳定性。下面通过区间分析法，得到烧结矿5-10mm粒度比例与其它参数的线性回归关系。
首先对近半年的烧结矿的5-10mm粒度比例进行分布统计，得到烧结矿的5-10mm粒度比例的波动范围为[16.7,32.09]，根据波动范围进行区间划分，并计算其它相关参数(包括烧结矿转鼓强度和亚铁含量FeO)在各个区间的平均值，区间平均值计算如表5所示：
表5
根据上表，计算烧结矿的5-10mm粒度比例与其它参数的线性回归关系，如图6和图7所示，图6为烧结矿亚铁含量和5-10mm粒度比例的线性回归关系图，图7为5-10mm粒度比例和烧结机速的线性回归关系图。
通过上述线性回归关系图，可以根据亚铁含量的已知指标，确定5-10mm粒度比例的合理范围和报警范围，或者根据5-10mm粒度比例不能过高的已知指标，确定亚铁含量的合理范围和报警范围。
(3)所述数据分析模块通过分析各个数据库中的历史数据，建立归一化线性方程。
使用区间分析法能够得到一个参数与其它参数之间的线性回归关系，但是无法得到其它参数对这个参数的影响权重，因此，为了能够科学的计算其它参数对某个参数的影响权重，发明人经过研究，将上述区间分析法与归一法相结合，得到归一化区间分析法，计算其它参数对某个参数的影响权重。所述归一化区间分析法包括：
步骤S210：获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分。
同步骤S110。
步骤S220：根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分。
同步骤S120。
步骤S230：计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值。
优选使用如下归一化公式，求取每个参数的各个平均值T的归一化平均值t：
其中Tmin和Tmax为每个参数在所有区间的最小值和最大值。
步骤S240：分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
比如以第一参数的归一化平均值作为纵轴的坐标值，以一个其它参数的归一化平均值作为横轴的坐标值，能够得到以所述其它参数为自变量x、以所述第一参数为因变量y的归一化线性方程：
y＝ax+b
其中自变量x的系数a的绝对值，即表征所述其它参数对第一参数的影响权重。
需要说明的是，使用区间分析法或归一化区间分析法分析参数之间的线性回归关系或归一化线性方程时，所有参与分析的参数的数据采集时，具有时间对应关系，而本发明中建立的炼焦数据库、烧结数据库和高炉数据库，都是具有时间对应关系的，因此可以使用区间分析法和归一化区间分析法对各个数据库中的数据进行分析。
A、使用归一化区间分析法，对炼焦相关参数的关键参数和焦炭质量参数的数据进行分析，分别得到以所述炼焦相关参数的关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程。
可以从炼焦相关参数中选出关键参数作为炼焦系统的评价项，选取的方法可以是依靠经验，也可以通过归一化区间分析法分析所有炼焦相关参数与焦炭质量参数的数据，得到以炼焦相关参数为因变量、以焦炭质量参数为自变量的归一化线性方程，然后根据因变量系数绝对值的大小，选取排名前N的因变量作为关键参数。
优选所述关键参数包括部分炼焦煤质量参数、部分炼焦配煤工艺参数和部分炼焦生产工艺参数。
所述焦炭质量参数为一个或多个，可以只包括M40，也可以只包括CSR或者只包括一个其它的焦炭质量参数，优选包括M40和CSR两个参数。
在确定关键参数和焦炭质量参数后，可以从上述炼焦数据库中获取对应的数据。然后使用归一化区间分析法，对这些数据进行分析，分别得到以所述关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程，其中因变量系数绝对值即为关键参数对焦炭质量参数的影响权重。
在一个优选的实施方式中，所述“使用归一化区间分析法，对炼焦系统的关键参数和焦炭质量参数的数据进行分析，分别得到以所述关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程”具体包括：
获取所有所述关键参数和焦炭质量参数的数据，将所述焦炭质量参数的数据的波动范围进行区间划分。
根据每个关键参数与所述焦炭质量参数的时间对应关系，将所有关键参数的数据进行相同的区间划分。
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值。
分别以所述焦炭质量参数和关键参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以关键参数为自变量、以所述焦炭质量参数为因变量的归一化线性方程。
B、使用归一化区间分析法，对烧结相关参数的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述烧结相关参数的关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程。
可以从烧结相关参数中选出关键参数作为烧结系统的评价项，选取的方法可以是依靠经验，也可以通过归一化区间分析法分析所有烧结相关参数与烧结矿质量参数的数据，得到以烧结相关参数为因变量、以烧结矿质量参数为自变量的归一化线性方程，然后根据因变量系数绝对值的大小，选取排名前N的因变量作为关键参数。
优选所述关键参数包括部分原料质量参数和部分烧结工艺参数。
所述烧结矿质量参数为一个或多个，可以只包括转鼓强度，也可以只包括亚铁含量或者只包括一个其它的烧结矿质量参数，优选包括转鼓强度和亚铁含量两个参数。
在确定关键参数和烧结矿质量参数后，可以从上述烧结数据库中获取对应的数据。然后使用归一化区间分析法，对这些数据进行分析，分别得到以所述关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程，其中因变量系数绝对值即为关键参数对烧结矿质量参数的影响权重。
在一个优选的实施方式中，所述“使用归一化区间分析法，对烧结系统的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程”具体包括：
获取所有所述关键参数和烧结矿质量参数的数据，将所述烧结矿质量参数的数据的波动范围进行区间划分。
根据每个关键参数与所述烧结矿质量参数的时间对应关系，将所有关键参数的数据进行相同的区间划分。
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值。
分别以所述烧结矿质量参数和关键参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以关键参数为自变量、以所述烧结矿质量参数为因变量的归一化线性方程。
C、使用归一化区间分析法，对高炉相关参数的关键参数和重要技经参数的数据进行分析，分别得到以所述高炉相关参数的关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
可以从高炉相关参数中选出关键参数作为高炉炉况的评价项，选取的方法可以是依靠经验，也可以通过归一化区间分析法分析所有高炉相关参数与重要技经参数的数据，得到以高炉相关参数为因变量、以重要技经参数为自变量的归一化线性方程，然后根据因变量系数绝对值的大小，选取排名前N的因变量作为关键参数。
优选所述关键参数包括部分输入参数和部分过程参数，所述部分输入参数，可以是焦炭M40、焦炭CSR、烧结矿转鼓强度、烧结矿亚铁含量、综合入炉品味等。所述部分过程参数，可以是鼓风动能、风量、顶压、风温、理论燃烧温度、炉底中心温度、冷却壁温度、冷却壁温度均匀性等。上述只是简单举例，但并不以此为限。
所述重要技经参数是对高炉的重要技术经济指标参数的简称，所述重要技经参数为一个或多个输出参数，可以只包括产量，也可以只包括燃料比或者只包括一个其它的技经参数，优选包括产量和燃料比两个参数。需要说明的是，燃料比也可以用燃耗来代替，一段时间内的燃料比＝这段时间的燃耗/这段时间的产量。
在确定关键参数和重要技经参数后，可以从上述高炉数据库中获取对应的数据。然后使用归一化区间分析法，对这些数据进行分析，分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程，其中因变量系数绝对值即为关键参数对重要技经参数的影响权重。
如图8至图11所示，图8至图11分别是鼓风动能与燃料比、鼓风动能与产量、综合入炉品味与燃料比、综合入炉品味与产量的归一化线性方程。从图中可以看出，鼓风动能对燃料比的影响权重为1.66，鼓风动能对产量的影响权重为1.24，综合入炉品味对燃料比的影响权重为0.76，综合入炉品味对产量的影响权重为0.70。
在一个优选的实施方式中，所述“使用归一化区间分析法，对高炉的关键参数和重要技经参数的数据进行分析，分别得到以所述关键参数为自变量、以重要技经参数为因变量的归一化线性方程”具体包括：
获取所有所述关键参数和重要技经参数的数据，将所述重要技经参数的数据的波动范围进行区间划分。
根据每个关键参数与所述重要技经参数的时间对应关系，将所有关键参数的数据进行相同的区间划分。
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值。
分别以所述重要技经参数和关键参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以关键参数为自变量、以所述重要技经参数为因变量的归一化线性方程。
综合诊断模块
(1)综合诊断模块用于通过各个炼焦相关参数的报警范围，结合炼焦数据库中的实时数据，对各个炼焦相关参数进行监控和报警。
在一个优选的实施方式中，所述综合诊断模块还用于根据炼焦相关参数的合理范围和报警范围，对炼焦相关参数的取值进行区段划分，对于炼焦相关参数的实时数据根据区段进行分级报警，针对不同级别的报警制定不同的应对措施。
具体的，对于炼焦相关参数进行蓝色、黄色、红色的分级报警。当某一参数出现红色报警的时候，相关部门需要对报警进行原因分析和应对措施制定，并监控上下道工序的报警情况，跟踪应对措施的实施效果。因此实时监控及报警模块可以实现对炼焦煤、配煤、生产工艺的监控、报警和应对措施跟踪，真正做到所有异常第一时间发现，在当前工序采取应对措施，进入下一工序前提前预防。同时由于是整个生产过程的监控，当焦炭、生产工艺参数出现异常时，可以追溯它使用的原料和上游生产异常情况，自动统计焦炭质量异常和对应时间的前道工序的异常报警情况，做到炼焦生产的及时追溯和原因分析。在一个具体的应用中，新采购的炼焦煤a质量检化验指标出现了异常，炼焦煤a出现了严重的混煤情况，质检的岩相分析结果出现了红色报警：焦煤中混入了部分1/3焦煤和瘦煤。对应的焦化厂技术人员要及时进行原因分析和应对措施制定，根据混煤情况，减少原计划的1/3焦煤配煤比例，适度提高焦煤比例，最终严重的炼焦煤混煤质量问题并没有导致焦炭质量的失常，后续高炉生产保持稳定。而本发明投入使用前，一般是高炉持续异常，才开始追溯到焦炭质量异常，而焦炭质量异常的原因追溯也要耗费几天，找到原因到炉况治理成功，一般需要一周以上的时间，带来了巨大的经济损失。
在另一个优选的实施方式中，所述综合诊断模块还用于在焦炭质量参数出现报警时，通过所述炼焦数据库，确定焦炭质量参数出现报警前后，炼焦煤质量参数、炼焦配煤工艺参数或炼焦生产工艺参数的变化导致焦炭质量参数出现报警。
(2)所述综合诊断模块用于通过各个烧结相关参数的报警范围，结合烧结数据库中的实时数据，对各个烧结相关参数进行监控和报警。
在一个优选的实施方式中，所述综合诊断模块还用于根据烧结相关参数的合理范围和报警范围，对烧结相关参数的取值进行区段划分，对于烧结相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
具体的，对于烧结相关参数进行蓝色、黄色、红色的分级报警。当某一参数出现红色报警的时候，相关部门需要对报警进行原因分析和应对措施制定，并监控上下道工序的报警情况，跟踪应对措施的实施效果。因此实时监控及报警模块可以实现对原料和生产工艺的监控、报警和应对措施跟踪，真正做到所有异常第一时间发现，在当前工序采取应对措施，进入下一工序前提前预防。同时由于是整个生产过程的监控，当烧结矿或生产工艺参数出现异常时，可以追溯它使用的原料和上游生产异常情况，自动统计烧结矿质量异常和对应时间的前道工序的异常报警情况，做到烧结生产的及时追溯和原因分析。例如，根据前述得到的烧结矿的5-10mm颗粒比例与FeO含量和机速的线性回归关系，后续在烧结生产中，如果发现烧结矿的5-10mm颗粒比例超标后，如果对应时间段的前道工序机速过快，或者燃料添加比例过高，导致烧结矿FeO含量偏高报警，均是导致5-10mm偏高的主要的原因，从而实现生产异常的及时发现与追溯。
在另一优选的实施方式中，所述综合诊断模块还用于在烧结矿质量参数出现报警时，通过所述烧结数据库，确定烧结矿质量参数出现报警前后，烧结原料质量参数或烧结工艺参数的变化导致烧结矿质量参数出现报警。
(3)所述综合诊断模块用于通过各个高炉相关参数的报警范围，结合高炉数据库中的实时数据，对各个高炉相关参数进行监控和报警。
在一个优选的实施方式中，所述综合诊断模块还用于根据高炉相关参数的合理范围和报警范围，对高炉相关参数的取值进行区段划分，对于高炉相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
例如将参数在报警范围内的取值设置为红色报警，将介于合理范围和报警范围内的取值设置为蓝色报警，当某一参数出现红色报警的时候，需要生产者在预设时间范围内对出现红色报警的原因进行分析，同时需要制定应对措施。具体的，某天高炉渣比出现红色报警(本文中的渣比是指理论渣比，理论渣比＝理论渣量/理论铁量)，报警值为319kg/t，明显高出300kg/t的报警上线，系统会提示渣铁红色报警，并弹出原因录入窗口和应对措施输入框，负责配料管理的工作人员会及时输入原因“低硅矿没有及时到港，导致烧结矿SiO2上升至5.7”，应对措施：“低硅矿已经紧急调配到港，新的料堆两天后使用。建议高炉适当控制煤比，加强出铁和出渣管理。”然后下道工序根据上道工序的建议，作出相应调整，防止因为渣比的异常导致高炉炉况异常。
在又一个优选的实施方式中，所述综合诊断模块还用于：在过程参数或输出参数出现报警时，通过所述高炉数据库，确定所述报警前后，输入参数或其它过程参数的变化导致过程参数或输出参数出现报警。
例如高炉鼓风动能不足出现红色报警，查看输入参数或者其它过程参数是否出现变化，发现只有某个高炉操作参数发生变化，出现了红色报警，因此确定所述高炉操作参数的变化导致鼓风动能出现报警。
(4)所述综合诊断模块用于通过所述上下道工序对应关系，诊断高炉相关参数的报警与炼焦相关参数或烧结相关参数的关系。
优选的，所述综合诊断模块用于在高炉过程参数或输出参数出现报警时，通过所述炼焦数据库、烧结数据库和高炉数据库，确定所述报警前后，焦炭相关参数、烧结相关参数、高炉输入参数或其它过程参数的变化导致高炉过程参数或输出参数出现报警。
在一个具体的应用中，高炉生产突然出现压差升高，风量下降的问题。并且高炉操作在此期间并没有进行调整。通过上下道工序对应关系，发现高炉原料焦炭生产时对应的炼焦系统并没有出现报警，但是高炉原料烧结矿生产时对应的烧结系统的烧结机出现负压报警，烧结过程负压偏低。烧结机的负压报警出现后，烧结厂及时录入烧结负压偏低的原因和应对措施，原因为矿粉偏粗，由于增加了粒度偏粗的矿粉的配入比例，导致烧结料层透气性过好，应对措施为减少烧结机松料器数量，后续降低粗颗粒矿粉的配加比例。由于本发明的铁前诊断系统，及时的发现生产异常的报警和原因，因此烧结矿质量波动只持续了一个化验周期后就恢复正常，从而由于快速发现原因，并及时采取适当疏导边缘的应对措施，高炉在一个班的时间后炉况恢复正常。
短期异常诊断模块
优选的，所述铁前诊断系统还包括短期异常诊断模块，其用于通过分析高炉数据库中的气流分布、下料信息、冷却壁热电偶温度、炉缸碳砖温度、铁水温度和渣铁流动性的实时数据，诊断高炉是否出现短期异常；以及在判定高炉出现短期异常时，诊断炉况短期异常的类型，其中，所述短期异常类型包括管道、渣皮脱落、崩滑料和炉缸不活。
进一步的，所述短期异常诊断模块还用于：
在确定高炉的短期异常类型后，通过调整净焦、轻料或硅石的量，调整高炉内异常热量和渣成分波动，对炉况短期异常进行治理。
长期异常诊断模块
优选的，所述铁前诊断系统还包括长期异常诊断模块，其用于诊断高炉是否出现长期异常，以及出现长期异常时的长期异常类型，所述长期异常类型包括炉墙结厚、高炉结瘤、炉缸堆积、炉缸冻结。
长期异常诊断模块主要是通过连续一段时间内高炉的产量和燃耗来判断高炉是否出现长期异常，比如连续一个月内高炉的产量低于最低正常指标，且燃耗高于正常最高指标，那么判定高炉出现长期异常。
然后通过分析高炉数据库中的冷却壁热电偶温度、炉缸碳砖温度、铁水温度、渣铁流动性、风压、压差、炉顶十字测温枪温度、炉温和探尺的实时数据，诊断高炉长期异常的类型。其中，炉墙结厚和高炉结瘤是现象相同但是程度不同的长期异常类型，主要根据冷却壁热电偶温度、冷却水温差以及压差进行判断。炉缸堆积和炉缸冻结也是现象相同但是程度不同的长期异常类型，主要根据炉缸碳砖温度、铁水温度、渣铁流动性来确定。
进一步的，所述长期异常诊断模块还用于：
在确定炉况长期异常类型后，调整布料制度、送风制度和原料配比，同时通过相关性分析，得到与所述炉况长期异常相关的相关性参数，调整所述相关性参数的取值至对应的合理范围内。
生产管理模块
生产管理模块用于对炼焦系统、烧结系统和高炉进行量化评价，从而对各个系统进行管理。
(1)对炼焦系统进行量化评价
焦炭的质量参数是反映焦炭生产技术水平和经济水平的指标参数，特别是焦炭的M40和CSR，是评价焦炭生产技术水平和经济水平的最终指标。因此，可以使用归一化区间分析法，科学的计算炼焦系统的关键参数对焦炭质量参数的影响权重，确定关键参数对炼焦系统评价的贡献度，从而科学的对炼焦系统进行量化评价。
A、根据所述归一化线性方程中以焦炭质量参数为因变量的因变量系数绝对值的大小，确定对应炼焦相关参数的关键参数对炼焦系统的评分权重。
当焦炭质量参数为一个参数时，所述因变量系数绝对值即是对应应变量对炼焦系统的评分权重。当焦炭质量参数有多个时，需要先确定多个焦炭质量参数对炼焦系统的影响权重，再结合关键参数对焦炭质量参数的影响权重(即对应的因变量系数的绝对值)，确定关键参数对炼焦系统的评分权重。
以焦炭质量参数为M40和CSR举例，需要根据M40和CSR对炼焦系统的重要性，确定M40和CSR对炼焦系统的影响权重。比如在要求M40但是对CSR没多大要求时，加重M40的影响权重，在要求CSR但是对M40没多大要求时，加重CSR的影响权重，在对M40和CSR没有偏重倾向时，可以设定M40和CSR对炼焦系统的影响权重都是0.5。在确定M40和CSR对炼焦系统的影响权重(分别是c和d)后，分别计算关键参数对M40的影响权重e、和对CSR的影响权重f，那么关键参数对炼焦系统的评分权重为上述两类影响权重相乘后求和，即：
评分权重＝c*e+d*f。
B、根据所有炼焦相关参数的关键参数的评分权重和每个炼焦相关参数的关键参数的取值等级，对炼焦系统进行量化评价。
B1、根据所有关键参数的评分权重，计算每个关键参数的总分。
首先设定炼焦系统的总分，比如可以是100分。然后将所有关键参数的评分权重相加，得到权重总和，将单个关键参数的评分权重除以权重总和，再乘以炼焦系统总分，就得到每个关键参数的总分。当然，这样计算出来的关键参数的总分可能不是整数，为了方便计算，可以稍微调整所述关键参数的总分为最接近的整数。
B2、确定每个关键参数的合理范围，根据每个关键参数的取值偏离所述合理范围的程度，为每个关键参数划分取值等级。
对于关键参数合理范围的确定，可以依靠经验，也可以使用区间分析法分析关键参数的数据，确定关键参数的合理范围，这种确定方法科学且具有数据支撑。
B3、根据每个关键参数的总分和取值等级的划分，设定每个关键参数的每个取值等级对应的等级分值。
假设炼焦煤粘结指数G值的总分为5分，那么可以设定取值等级为一等的分值为5分，二等为3分，三等为1分，四等为0分。
B4、获取一个时段的所有关键参数的数据，为每个关键参数的数据进行评分，所有关键参数的评分之和即为所述炼焦系统在所述时段的评分。
那么获取一个时段所有关键参数的数据包括：获取这个时段的所有关键参数的所有数据，通过求平均值或者取最新值的方式，将每个关键参数的所有数据融合成一个数据，从而得到这个时段的所有关键参数的数据。所述一个时段可以是一天、一个小时、一个班次等等。假设需要计算每天炼焦系统的评分，那么获取每个关键参数每天的所有数据，将每个关键参数每天的所有数据融合成一个数据(融合的方法是求平均值或者取最新值等)。或者需要计算一天中每个班次(8小时一个班次)的评分，那么获取每个关键参数在每个班次的所有数据，将每个关键参数在每个班次的所有数据融合成一个数据。
在得到关键参数对应这个时段的数据后，找到每个关键参数的数据落入的取值等级，以及所述取值等级对应的等级分值，得到每个关键参数的评分，将所有关键参数的评分之和，即为炼焦系统的在这个时段的评分。
所述生产管理模块可以对不同时段的炼焦系统进行评分，从而确定不同时段炼焦系统的生产状况，有效指导焦炭的生产，利于炼焦系统的稳定，提高炼焦系统的经济效益。
(2)对烧结系统进行量化评价
烧结矿的质量参数是反映烧结矿生产技术水平和经济水平的指标参数，特别是烧结矿的转鼓强度和亚铁含量，是评价烧结矿生产技术水平和经济水平的最终指标。因此，可以使用归一化区间分析法，科学的计算烧结系统的关键参数对烧结矿质量参数的影响权重，确定关键参数对烧结系统评价的贡献度，从而科学的对烧结系统进行量化评价。
A、根据所述归一化线性方程中以烧结矿质量参数为因变量的因变量系数绝对值的大小，确定对应烧结相关参数的关键参数对烧结系统的评分权重。
当烧结矿质量参数为一个参数时，所述因变量系数绝对值即是对应应变量对烧结系统的评分权重。当烧结矿质量参数有多个时，需要先确定多个烧结矿质量参数对烧结系统的影响权重，再结合关键参数对烧结矿质量参数的影响权重(即对应的因变量系数的绝对值)，确定关键参数对烧结系统的评分权重。
B、以及根据所有烧结相关参数的关键参数的评分权重和每个烧结相关参数的关键参数的取值等级，对烧结系统进行量化评价。
B1、根据所有关键参数的评分权重，计算每个关键参数的总分。
首先设定烧结系统的总分，比如可以是100分。然后将所有关键参数的评分权重相加，得到权重总和，将单个关键参数的评分权重除以权重总和，再乘以烧结系统总分，就得到每个关键参数的总分。当然，这样计算出来的关键参数的总分可能不是整数，为了方便计算，可以稍微调整所述关键参数的总分为最接近的整数。
B2、确定每个关键参数的合理范围，根据每个关键参数的取值偏离所述合理范围的程度，为每个关键参数划分取值等级。
对于关键参数合理范围的确定，可以依靠经验，也可以使用区间分析法分析关键参数的数据，确定关键参数的合理范围，这种确定方法科学且具有数据支撑。
B3、根据每个关键参数的总分和取值等级的划分，设定每个关键参数的每个取值等级对应的等级分值。
假设烧结机速的总分为5分，那么可以设定取值等级为一等的分值为5分，二等为3分，三等为1分，四等为0分。
B4、获取一个时段的所有关键参数的数据，为每个关键参数的数据进行评分，所有关键参数的评分之和即为所述烧结系统在所述时段的评分。
那么获取一个时段所有关键参数的数据包括：获取这个时段的所有关键参数的所有数据，通过求平均值或者取最新值的方式，将每个关键参数的所有数据融合成一个数据，从而得到这个时段的所有关键参数的数据。所述一个时段可以是一天、一个小时、一个班次等等。假设需要计算每天烧结系统的评分，那么获取每个关键参数每天的所有数据，将每个关键参数每天的所有数据融合成一个数据(融合的方法是求平均值或者取最新值等)。或者需要计算一天中每个班次(8小时一个班次)的评分，那么获取每个关键参数在每个班次的所有数据，将每个关键参数在每个班次的所有数据融合成一个数据。
在得到关键参数对应这个时段的数据后，找到每个关键参数的数据落入的取值等级，以及所述取值等级对应的等级分值，得到每个关键参数的评分，将所有关键参数的评分之和，即为烧结系统的在这个时段的评分。
所述生产管理模块可以对不同时段的烧结系统进行评分，从而确定不同时段烧结系统的生产状况，有效指导烧结矿的生产，利于烧结系统的稳定，提高烧结系统的经济效益。
(3)对高炉进行量化评价
高炉的技术经济指标参数是反映高炉生产技术水平和经济水平的指标参数，特别是高炉的产量和燃耗(燃耗可以用燃料比代替)，是评价高炉技术水平和经济水平的最终指标。因此，可以使用归一化区间分析法，科学的计算高炉的关键参数对高炉的重要技经参数的影响权重，确定关键参数对高炉炉况评价的贡献度，从而科学的对高炉炉况进行量化评价
A、根据所述归一化线性方程中以重要技经参数为因变量的因变量系数绝对值的大小，确定对应高炉相关参数的关键参数对高炉炉况的评分权重。
当重要技经参数为一个参数时，所述因变量系数绝对值即是对应应变量对高炉炉况的评分权重。当重要技经参数有多个时，需要先确定多个重要技经参数对高炉炉况的影响权重，再结合关键参数对重要技经参数的影响权重(即对应的因变量系数的绝对值)，确定关键参数对高炉炉况的评分权重。
B、以及根据所有高炉相关参数的关键参数的评分权重和每个高炉相关参数的关键参数的取值等级，对高炉炉况进行量化评价。
B1、根据所有关键参数的评分权重，计算每个关键参数的总分。
首先设定高炉炉况的总分，比如可以是100分。然后将所有关键参数的评分权重相加，得到权重总和，将单个关键参数的评分权重除以权重总和，再乘以高炉炉况总分，就得到每个关键参数的总分。当然，这样计算出来的关键参数的总分可能不是整数，为了方便计算，可以稍微调整所述关键参数的总分为最接近的整数。
B2、确定每个关键参数的合理范围，根据每个关键参数的取值偏离所述合理范围的程度，为每个关键参数划分取值等级。
比如确定鼓风动能的合理范围为[15500,16500]J/s后，根据鼓风动能的取值偏离所述合理范围的程度，将[15500,16500]J/s范围内的取值划分为一等，将[15000,15500)J/s和(16500,17000]J/s范围内的取值划分为二等，将[14500,15000)J/s和(17000,17500]J/s范围内的取值划分为三等，将[0,14500)J/s和(17500,∞)J/s范围内的取值划分为四等。
对于关键参数合理范围的确定，可以依靠经验，也可以使用区间分析法分析关键参数的数据，确定关键参数的合理范围，这种确定方法科学且具有数据支撑。
B3、根据每个关键参数的总分和取值等级的划分，设定每个关键参数的每个取值等级对应的等级分值。
假设鼓风动能的总分为5分，那么可以设定取值等级为一等的分值为5分，二等为3分，三等为1分，四等为0分。
B4、获取一个时段的所有关键参数的数据，为每个关键参数的数据进行评分，所有关键参数的评分之和即为所述高炉炉况在所述时段的评分。
那么获取一个时段所有关键参数的数据包括：获取这个时段的所有关键参数的所有数据，通过求平均值或者取最新值的方式，将每个关键参数的所有数据融合成一个数据，从而得到这个时段的所有关键参数的数据。所述一个时段可以是一天、一个小时、一个班次等等。假设需要计算每天高炉炉况的评分，那么获取每个关键参数每天的所有数据，将每个关键参数每天的所有数据融合成一个数据(融合的方法是求平均值或者取最新值等)。或者需要计算一天中每个班次(8小时一个班次)的评分，那么获取每个关键参数在每个班次的所有数据，将每个关键参数在每个班次的所有数据融合成一个数据。
在得到关键参数对应这个时段的数据后，找到每个关键参数的数据落入的取值等级，以及所述取值等级对应的等级分值，得到每个关键参数的评分，将所有关键参数的评分之和，即为高炉炉况的在这个时段的评分。
所述生产管理模块可以对不同时段的高炉进行评分，从而确定不同时段的高炉炉况，有效指导高炉生产，利于高炉炉况的稳定，提高高炉的经济效益。
(3)所述生产管理模块还用于将炼焦系统、烧结系统和高炉炉况的评分设定不同的评分区间，针对不同评分区间制定不同的应对方案。
例如对于总分100分的高炉炉况评分，设定[90,100]为第一评分区间，[80,90)为第二评分区间，[70,80)为第三评分区间，[0,70]为第四评分区间。针对第一至四评分区间制定的应对方案可以分别为：a、不做任何处理；b、分析关键参数分数发生变化的原因(主要是变低的原因)，并对齐进行整改；c、分析失分项靠前的N个关键参数失分的原因，并对其进行整改；d、析失分项靠前的N+M个关键参数失分的原因，并对其进行限期整改，并制定相应的惩罚措施。以上只是举例，但并不以此为限。
(4)所述生产管理模块还用于：
在某个炼焦相关参数的关键参数出现失分时，通过所述关键参数与焦炭质量参数的线性回归关系，计算所述关键参数对焦炭质量参数的影响；
在某个烧结相关参数的关键参数出现失分时，通过所述关键参数与烧结矿质量参数的线性回归关系，计算所述关键参数对烧结矿质量参数的影响；
在某个高炉相关参数的关键参数出现失分时，通过所述关键参数与重要技经参数的线性回归关系，计算所述关键参数对重要技经参数的影响。
所述失分，是指所述关键参数没有得到满分或少于总分。本实施方式用于准确计算失分的关键参数，尤其是失分过多的关键参数，对重要技经参数(比如产量和燃料比)的影响。
比如在某日三班的高炉评分结果中发现风温出现了得分过低的现象，使用区间分析法，分别得到风温与产量、风温与燃料比的线性回归关系，如图12和图13所示，其中：
产量＝10.59×风温+328.8；
燃料比＝-0.203×风温+761.9；
将所述风温在当天的数据带入上述线性回归关系中，计算出目前风温1187℃与目标值1200℃相比，使日产量减少138t/d，燃料比增加3kg/t。
使用此方法能够准确计算各个系统的严重失分项对对应系统的影响。
(5)所述生产管理模块还用于：
计算炼焦系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对炼焦系统的每个班次对应的工人进行管理；
计算烧结系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对烧结系统的每个班次对应的工人进行管理；
计算高炉炉况在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对高炉的每个班次对应的工人进行管理。
所述管理的方法包括但不限于根据总体评分对工人制定奖惩措施，调动工人的积极性。
本发明还提供一种铁前诊断方法，所述方法包括：
采集炼焦相关参数、烧结相关参数和高炉相关参数的数据，所述炼焦相关参数包括炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数，所述烧结相关参数包括烧结原料质量参数、烧结工艺参数和烧结矿质量参数，所述高炉相关参数包括高炉输入参数、过程参数和输出参数，所述数据包括历史数据和实时数据；
建立炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
建立烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
建立高炉输入参数、过程参数和输出参数的高炉时间对应关系；
建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系；
将炼焦相关参数的数据依照炼焦时间对应关系建立炼焦数据库，并通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围；
将烧结相关参数的数据依照烧结时间对应关系建立烧结数据库，并通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围；
将高炉相关参数的数据依照高炉时间对应关系建立高炉数据库，并通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围；
通过各个炼焦相关参数的报警范围，结合炼焦数据库中的实时数据，对各个炼焦相关参数进行监控和报警；
通过各个烧结相关参数的报警范围，结合烧结数据库中的实时数据，对各个烧结相关参数进行监控和报警；
通过各个高炉相关参数的报警范围，结合高炉数据库中的实时数据，对各个高炉相关参数进行监控和报警；
通过所述上下道工序对应关系，诊断高炉相关参数的报警与炼焦相关参数或烧结相关参数的关系。
在一个优选的实施方式中，所述炼焦时间对应关系的建立包括通过对炼焦煤的检化验数据、到厂时间、到货量、仓位变化、配煤速度、煤塔料位、焦炉装煤量、焦炭产量、焦炭取样时间的动态监控，计算或通过示踪试验得出炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
所述烧结时间对应关系的建立包括通过对烧结原料的检化验数据、到厂时间、到货量、配料速度、仓位变化、烧结上料量、烧结矿产量、烧结矿取样时间的动态监控，计算或通过示踪试验得到烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
所述高炉时间对应关系的建立包括通过对高炉原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期的动态监控，计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的高炉时间对应关系；
所述上下道工序对应关系的建立包括通过记录高炉原料作为产品时的产品批号和高炉原料取样时的原料批号的对应关系，建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
在一个优选的实施方式中，所述“通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围”包括：使用区间分析法，对炼焦数据库中的数据进行分析，得到一个炼焦相关参数与另一个或多个炼焦相关参数的线性回归关系，并结合其中一个炼焦相关参数的已知指标，得到其它炼焦相关参数的合理范围和报警范围；
所述“通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围”包括：使用区间分析法，对烧结数据库中的数据进行分析，得到一个烧结相关参数与另一个或多个烧结相关参数的线性回归关系，并结合其中一个烧结相关参数的已知指标，得到其它烧结相关参数的合理范围和报警范围；
所述“通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围”包括：使用区间分析法，对高炉数据库中的数据进行分析，得到一个高炉相关参数与另一个或多个高炉相关参数的线性回归关系，并结合其中一个高炉相关参数的已知指标，得到其它高炉相关参数的合理范围和报警范围。
在一个优选的实施方式中，所述“通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围”包括：使用区间分析法，对炼焦数据库中的数据进行分析，得到每个其它炼焦相关参数与M40和/或CSR的线性回归关系，并结合所述M40和/或CSR的已知指标，确定每个其它炼焦相关参数的合理范围和报警范围，其中所述炼焦相关参数包括M40、CSR和其它炼焦相关参数；
所述“通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围”包括：使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它烧结相关参数与烧结矿转鼓强度和/或烧结矿亚铁含量的线性回归关系，并结合所述烧结矿转鼓强度和/或烧结矿亚铁含量的已知指标，确定每个其它烧结相关参数的合理范围和报警范围，其中所述烧结相关参数包括烧结矿转鼓强度、烧结矿亚铁含量和其它烧结相关参数；
所述“通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围”包括：使用区间分析法，对高炉数据库中的数据进行分析，得到每个其它高炉相关参数与产量和/或燃料比的线性回归关系，并结合所述产量和/或燃料比的已知指标，确定每个其它高炉相关参数的合理范围和报警范围，其中所述高炉相关参数包括产量、燃料比和其它高炉相关参数。
进一步的，所述区间分析法具体包括：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分，并计算每个参数在每个区间中的平均值；
分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值，分别计算所述第一参数和其它参数的线性回归关系。
在一个优选的实施方式中，所述方法还包括：
根据炼焦相关参数、烧结相关参数和高炉相关参数的合理范围和报警范围，对炼焦相关参数、烧结相关参数和高炉相关参数的取值进行区段划分，对炼焦相关参数、烧结相关参数和高炉相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
在另一个优选的实施方式中，所述方法还包括：
在焦炭质量参数出现报警时，通过所述炼焦数据库，确定焦炭质量参数出现报警前后，炼焦煤质量参数、炼焦配煤工艺参数或炼焦生产工艺参数的变化导致焦炭质量参数出现报警；
在烧结矿质量参数出现报警时，通过所述烧结数据库，确定烧结矿质量参数出现报警前后，烧结原料质量参数或烧结工艺参数的变化导致烧结矿质量参数出现报警；
在高炉过程参数或输出参数出现报警时，通过所述炼焦数据库、烧结数据库和高炉数据库，确定所述报警前后，焦炭相关参数、烧结相关参数、高炉输入参数或其它过程参数的变化导致高炉过程参数或输出参数出现报警。
在又一个优选的实施方式中，所述方法还包括：
通过分析高炉数据库中的气流分布、下料信息、冷却壁热电偶温度、炉缸碳砖温度、铁水温度和渣铁流动性的实时数据，诊断高炉是否出现短期异常；
在判定高炉出现短期异常时，诊断炉况短期异常的类型，其中，所述短期异常类型包括管道、渣皮脱落、崩滑料和炉缸不活。
进一步的，所述方法还包括：
在确定高炉的短期异常类型后，通过调整净焦、轻料或硅石的量，调整高炉内异常热量和渣成分波动，对炉况短期异常进行治理。
在一个优选的实施方式中，所述方法还包括：
判断高炉是否出现长期异常；
在判定高炉出现长期异常时，诊断高炉的长期异常类型，所述长期异常类型包括炉墙结厚、高炉结瘤、炉缸堆积、炉缸冻结。
进一步的，所述方法还包括：
在确定炉况长期异常类型后，调整布料制度、送风制度和原料配比，同时通过相关性分析，得到与所述炉况长期异常相关的相关性参数，调整所述相关性参数的取值至对应的合理范围内。
在一个优选的实施方式中，所述方法还包括：
使用归一化区间分析法，对炼焦相关参数的关键参数和焦炭质量参数的数据进行分析，分别得到以所述炼焦相关参数的关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对烧结相关参数的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述烧结相关参数的关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对高炉相关参数的关键参数和重要技经参数的数据进行分析，分别得到以所述高炉相关参数的关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
进一步的，所述“归一化区间分析法”具体包括：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分；
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值；
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
进一步的，所述方法还包括：
根据所述归一化线性方程中以焦炭质量参数为因变量的因变量系数绝对值的大小，确定对应炼焦相关参数的关键参数对炼焦系统的评分权重；以及根据所有炼焦相关参数的关键参数的评分权重和每个炼焦相关参数的关键参数的取值等级，对炼焦系统进行量化评价；
根据所述归一化线性方程中以烧结矿质量参数为因变量的因变量系数绝对值的大小，确定对应烧结相关参数的关键参数对烧结系统的评分权重；以及根据所有烧结相关参数的关键参数的评分权重和每个烧结相关参数的关键参数的取值等级，对烧结系统进行量化评价；
根据所述归一化线性方程中以重要技经参数为因变量的因变量系数绝对值的大小，确定对应高炉相关参数的关键参数对高炉炉况的评分权重；以及根据所有高炉相关参数的关键参数的评分权重和每个高炉相关参数的关键参数的取值等级，对高炉炉况进行量化评价。
进一步的，所述方法还包括：
将炼焦系统、烧结系统和高炉炉况的评分设定不同的评分区间，针对不同评分区间制定不同的应对方案。
进一步的，所述方法还包括：
在某个炼焦相关参数的关键参数出现失分时，通过所述关键参数与焦炭质量参数的线性回归关系，计算所述关键参数对焦炭质量参数的影响；
在某个烧结相关参数的关键参数出现失分时，通过所述关键参数与烧结矿质量参数的线性回归关系，计算所述关键参数对烧结矿质量参数的影响；
在某个高炉相关参数的关键参数出现失分时，通过所述关键参数与重要技经参数的线性回归关系，计算所述关键参数对重要技经参数的影响。
进一步的，所述方法还包括：
计算炼焦系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对炼焦系统的每个班次对应的工人进行管理；
计算烧结系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对烧结系统的每个班次对应的工人进行管理；
计算高炉炉况在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对高炉的每个班次对应的工人进行管理。
在一个优选的实施方式中，所述“采集炼焦相关参数、烧结相关参数和高炉相关参数的数据”具体包括：
采集炼焦煤的供应商、到港时间、堆放场地和炼焦煤的检化验数据，得到炼焦煤质量参数的数据；
采集配煤单和现场实时配煤数据，得到炼焦配煤工艺参数的数据；
采集焦炉用煤气流量、装煤量、结焦温度、结焦时间、干熄焦工序的生产工艺数据，得到炼焦生产工艺参数的数据；
采集焦炭的检化验数据、焦炭仓位和焦炭产量，得到焦炭质量参数的数据；
采集烧结矿粉、溶剂和固体燃料的供应商、到港时间、堆放场地和质量数据，得到烧结原料质量参数数据；
采集现场实时配矿监控数据、烧结点火温度、料层厚度、烧结负压和机速，得到烧结工艺参数数据；
采集烧结矿质量数据、筒仓料位和烧结矿产量，得到烧结矿质量参数数据；
采集焦炭、烧结矿、球团矿和块矿的检化验数据、配料结构和仓位信息，得到高炉输入参数的数据；
采集高炉操作参数、炉况表征参数和炉体管理参数的数据，得到高炉过程参数的数据；
采集高炉的技术经济指标参数的数据，得到高炉的输出参数的数据。
在一个优选的实施方式中，所述方法还包括：
对炼焦数据库、烧结数据库和高炉数据库中的数据进行数据清洗、数据挖掘和数据融合，使用炼焦数据库、烧结数据库和高炉数据库中融合后的数据进行数据分析、监控和报警，其中，所述数据清洗是指剔除采集的数据中的异常点，所述数据挖掘是指在数据的基础上，通过已有公式计算得到间接参数的数据，所述数据融合是指统一所有参数的数据频率或数据周期，得到周期数据。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (38)
1.一种铁前诊断系统，其特征在于，所述系统包括：
数据采集模块，其用于采集炼焦相关参数、烧结相关参数和高炉相关参数的数据，所述炼焦相关参数包括炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数，所述烧结相关参数包括烧结原料质量参数、烧结工艺参数和烧结矿质量参数，所述高炉相关参数包括高炉输入参数、过程参数和输出参数，所述数据包括历史数据和实时数据；
条线跟踪模块，其用于建立炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；建立烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；建立高炉输入参数、过程参数和输出参数的高炉时间对应关系；建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系；
数据分析模块，其用于将炼焦相关参数的数据依照炼焦时间对应关系建立炼焦数据库，并通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围；将烧结相关参数的数据依照烧结时间对应关系建立烧结数据库，并通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围；将高炉相关参数的数据依照高炉时间对应关系建立高炉数据库，并通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围；
综合诊断模块，其用于通过各个炼焦相关参数的报警范围，结合炼焦数据库中的实时数据，对各个炼焦相关参数进行监控和报警；通过各个烧结相关参数的报警范围，结合烧结数据库中的实时数据，对各个烧结相关参数进行监控和报警；通过各个高炉相关参数的报警范围，结合高炉数据库中的实时数据，对各个高炉相关参数进行监控和报警；通过所述上下道工序对应关系，诊断高炉相关参数的报警与炼焦相关参数或烧结相关参数的关系。
2.根据权利要求1所述铁前诊断系统，其特征在于，所述条线跟踪模块还用于：
通过对炼焦煤的检化验数据、到厂时间、到货量、仓位变化、配煤速度、煤塔料位、焦炉装煤量、焦炭产量、焦炭取样时间的动态监控，计算或通过示踪试验得出炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
通过对烧结原料的检化验数据、到厂时间、到货量、配料速度、仓位变化、烧结上料量、烧结矿产量、烧结矿取样时间的动态监控，计算或通过示踪试验得到烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
通过对高炉原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期的动态监控，计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的高炉时间对应关系；
通过记录高炉原料作为产品时的产品批号和高炉原料取样时的原料批号的对应关系，建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
3.根据权利要求1所述的铁前诊断系统，其特征在于，所述数据分析模块还用于：
使用区间分析法，对炼焦数据库中的数据进行分析，得到一个炼焦相关参数与另一个或多个炼焦相关参数的线性回归关系，并结合其中一个炼焦相关参数的已知指标，得到其它炼焦相关参数的合理范围和报警范围；
使用区间分析法，对烧结数据库中的数据进行分析，得到一个烧结相关参数与另一个或多个烧结相关参数的线性回归关系，并结合其中一个烧结相关参数的已知指标，得到其它烧结相关参数的合理范围和报警范围；
使用区间分析法，对高炉数据库中的数据进行分析，得到一个高炉相关参数与另一个或多个高炉相关参数的线性回归关系，并结合其中一个高炉相关参数的已知指标，得到其它高炉相关参数的合理范围和报警范围。
4.根据权利要求3所述的铁前诊断系统，其特征在于，所述数据分析模块还用于：
使用区间分析法，对炼焦数据库中的数据进行分析，得到每个其它炼焦相关参数与M40和/或CSR的线性回归关系，并结合所述M40和/或CSR的已知指标，确定每个其它炼焦相关参数的合理范围和报警范围，其中所述炼焦相关参数包括M40、CSR和其它炼焦相关参数；
使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它烧结相关参数与烧结矿转鼓强度和/或烧结矿亚铁含量的线性回归关系，并结合所述烧结矿转鼓强度和/或烧结矿亚铁含量的已知指标，确定每个其它烧结相关参数的合理范围和报警范围，其中所述烧结相关参数包括烧结矿转鼓强度、烧结矿亚铁含量和其它烧结相关参数；
使用区间分析法，对高炉数据库中的数据进行分析，得到每个其它高炉相关参数与产量和/或燃料比的线性回归关系，并结合所述产量和/或燃料比的已知指标，确定每个其它高炉相关参数的合理范围和报警范围，其中所述高炉相关参数包括产量、燃料比和其它高炉相关参数。
5.根据权利要求3所述的铁前诊断系统，其特征在于，所述数据分析模块还用于：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分，并计算每个参数在每个区间中的平均值；
分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值，分别计算所述第一参数和其它参数的线性回归关系。
6.根据权利要求1所述的铁前诊断系统，其特征在于，所述综合诊断模块还用于：
根据炼焦相关参数、烧结相关参数和高炉相关参数的合理范围和报警范围，对炼焦相关参数、烧结相关参数和高炉相关参数的取值进行区段划分，对炼焦相关参数、烧结相关参数和高炉相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
7.根据权利要求1所述的铁前诊断系统，其特征在于，所述综合诊断模块还用于：
在焦炭质量参数出现报警时，通过所述炼焦数据库，确定焦炭质量参数出现报警前后，炼焦煤质量参数、炼焦配煤工艺参数或炼焦生产工艺参数的变化导致焦炭质量参数出现报警；
在烧结矿质量参数出现报警时，通过所述烧结数据库，确定烧结矿质量参数出现报警前后，烧结原料质量参数或烧结工艺参数的变化导致烧结矿质量参数出现报警；
在高炉过程参数或输出参数出现报警时，通过所述炼焦数据库、烧结数据库和高炉数据库，确定所述报警前后，焦炭相关参数、烧结相关参数、高炉输入参数或其它过程参数的变化导致高炉过程参数或输出参数出现报警。
8.根据权利要求1所述的铁前诊断系统，其特征在于，所述系统还包括：
短期异常诊断模块，其用于通过分析高炉数据库中的气流分布、下料信息、冷却壁热电偶温度、炉缸碳砖温度、铁水温度和渣铁流动性的实时数据，诊断高炉是否出现短期异常；以及在判定高炉出现短期异常时，诊断炉况短期异常的类型，其中，所述短期异常类型包括管道、渣皮脱落、崩滑料和炉缸不活。
9.根据权利要求8所述的铁前诊断系统，其特征在于，所述短期异常诊断模块还用于：
在确定高炉的短期异常类型后，通过调整净焦、轻料或硅石的量，调整高炉内异常热量和渣成分波动，对炉况短期异常进行治理。
10.根据权利要求1所述的铁前诊断系统，其特征在于，所述系统还包括：
长期异常诊断模块，其用于诊断高炉是否出现长期异常，以及出现长期异常时的长期异常类型，所述长期异常类型包括炉墙结厚、高炉结瘤、炉缸堆积、炉缸冻结。
11.根据权利要求10所述的铁前诊断系统，其特征在于，所述长期异常诊断模块还用于：
在确定炉况长期异常类型后，调整布料制度、送风制度和原料配比，同时通过相关性分析，得到与所述炉况长期异常相关的相关性参数，调整所述相关性参数的取值至对应的合理范围内。
12.根据权利要求1所述的铁前诊断系统，其特征在于，所述数据分析模块还用于：
使用归一化区间分析法，对炼焦相关参数的关键参数和焦炭质量参数的数据进行分析，分别得到以所述炼焦相关参数的关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对烧结相关参数的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述烧结相关参数的关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对高炉相关参数的关键参数和重要技经参数的数据进行分析，分别得到以所述高炉相关参数的关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
13.根据权利要求12所述的铁前诊断系统，其特征在于，所述数据分析模块还用于：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分；
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值；
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
14.根据权利要求12所述的铁前诊断系统，其特征在于，所述系统还包括生产管理模块，所述生产管理模块用于：
根据所述归一化线性方程中以焦炭质量参数为因变量的因变量系数绝对值的大小，确定对应炼焦相关参数的关键参数对炼焦系统的评分权重；以及根据所有炼焦相关参数的关键参数的评分权重和每个炼焦相关参数的关键参数的取值等级，对炼焦系统进行量化评价；
根据所述归一化线性方程中以烧结矿质量参数为因变量的因变量系数绝对值的大小，确定对应烧结相关参数的关键参数对烧结系统的评分权重；以及根据所有烧结相关参数的关键参数的评分权重和每个烧结相关参数的关键参数的取值等级，对烧结系统进行量化评价；
根据所述归一化线性方程中以重要技经参数为因变量的因变量系数绝对值的大小，确定对应高炉相关参数的关键参数对高炉炉况的评分权重；以及根据所有高炉相关参数的关键参数的评分权重和每个高炉相关参数的关键参数的取值等级，对高炉炉况进行量化评价。
15.根据权利要求14所述的铁前诊断系统，其特征在于，所述生产管理模块还用于：
将炼焦系统、烧结系统和高炉炉况的评分设定不同的评分区间，针对不同评分区间制定不同的应对方案。
16.根据权利要求14所述的铁前诊断系统，其特征在于，所述生产管理模块还用于：
在某个炼焦相关参数的关键参数出现失分时，通过所述关键参数与焦炭质量参数的线性回归关系，计算所述关键参数对焦炭质量参数的影响；
在某个烧结相关参数的关键参数出现失分时，通过所述关键参数与烧结矿质量参数的线性回归关系，计算所述关键参数对烧结矿质量参数的影响；
在某个高炉相关参数的关键参数出现失分时，通过所述关键参数与重要技经参数的线性回归关系，计算所述关键参数对重要技经参数的影响。
17.根据权利要求14所述的铁前诊断系统，其特征在于，所述生产管理模块还用于：
计算炼焦系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对炼焦系统的每个班次对应的工人进行管理；
计算烧结系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对烧结系统的每个班次对应的工人进行管理；
计算高炉炉况在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对高炉的每个班次对应的工人进行管理。
18.根据权利要求1所述的铁前诊断系统，其特征在于，所述数据采集模块还用于：
采集炼焦煤的供应商、到港时间、堆放场地和炼焦煤的检化验数据，得到炼焦煤质量参数的数据；
采集配煤单和现场实时配煤数据，得到炼焦配煤工艺参数的数据；
采集焦炉用煤气流量、装煤量、结焦温度、结焦时间、干熄焦工序的生产工艺数据，得到炼焦生产工艺参数的数据；
采集焦炭的检化验数据、焦炭仓位和焦炭产量，得到焦炭质量参数的数据；
采集烧结矿粉、溶剂和固体燃料的供应商、到港时间、堆放场地和质量数据，得到烧结原料质量参数数据；
采集现场实时配矿监控数据、烧结点火温度、料层厚度、烧结负压和机速，得到烧结工艺参数数据；
采集烧结矿质量数据、筒仓料位和烧结矿产量，得到烧结矿质量参数数据；
采集焦炭、烧结矿、球团矿和块矿的检化验数据、配料结构和仓位信息，得到高炉输入参数的数据；
采集高炉操作参数、炉况表征参数和炉体管理参数的数据，得到高炉过程参数的数据；
采集高炉的技术经济指标参数的数据，得到高炉的输出参数的数据。
19.根据权利要求1所述的铁前诊断系统，其特征在于，所述数据处理模块还用于：
对炼焦数据库、烧结数据库和高炉数据库中的数据进行数据清洗、数据挖掘和数据融合，使用炼焦数据库、烧结数据库和高炉数据库中融合后的数据进行数据分析、监控和报警，其中，所述数据清洗是指剔除采集的数据中的异常点，所述数据挖掘是指在数据的基础上，通过已有公式计算得到间接参数的数据，所述数据融合是指统一所有参数的数据频率或数据周期，得到周期数据。
20.一种铁前诊断方法，其特征在于，所述方法包括：
采集炼焦相关参数、烧结相关参数和高炉相关参数的数据，所述炼焦相关参数包括炼焦煤质量参数、炼焦配煤工艺参数、炼焦生产工艺参数和焦炭质量参数，所述烧结相关参数包括烧结原料质量参数、烧结工艺参数和烧结矿质量参数，所述高炉相关参数包括高炉输入参数、过程参数和输出参数，所述数据包括历史数据和实时数据；
建立炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
建立烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
建立高炉输入参数、过程参数和输出参数的高炉时间对应关系；
建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系；
将炼焦相关参数的数据依照炼焦时间对应关系建立炼焦数据库，并通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围；
将烧结相关参数的数据依照烧结时间对应关系建立烧结数据库，并通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围；
将高炉相关参数的数据依照高炉时间对应关系建立高炉数据库，并通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围；
通过各个炼焦相关参数的报警范围，结合炼焦数据库中的实时数据，对各个炼焦相关参数进行监控和报警；
通过各个烧结相关参数的报警范围，结合烧结数据库中的实时数据，对各个烧结相关参数进行监控和报警；
通过各个高炉相关参数的报警范围，结合高炉数据库中的实时数据，对各个高炉相关参数进行监控和报警；
通过所述上下道工序对应关系，诊断高炉相关参数的报警与炼焦相关参数或烧结相关参数的关系。
21.根据权利要求20所述铁前诊断方法，其特征在于：
所述炼焦时间对应关系的建立包括通过对炼焦煤的检化验数据、到厂时间、到货量、仓位变化、配煤速度、煤塔料位、焦炉装煤量、焦炭产量、焦炭取样时间的动态监控，计算或通过示踪试验得出炼焦煤质量参数、炼焦配煤参数、炼焦生产工艺参数和焦炭质量参数的炼焦时间对应关系；
所述烧结时间对应关系的建立包括通过对烧结原料的检化验数据、到厂时间、到货量、配料速度、仓位变化、烧结上料量、烧结矿产量、烧结矿取样时间的动态监控，计算或通过示踪试验得到烧结原料质量参数、烧结工艺参数和烧结矿质量参数的烧结时间对应关系；
所述高炉时间对应关系的建立包括通过对高炉原料的检化验数据、到厂时间、到货量、成品仓位变化、从成品仓至高炉原料仓的皮带转运速度和转运量、高炉原料仓仓位、高炉原料上料后的转运速度和转运量、高炉原料在高炉中的冶炼周期的动态监控，计算或通过示踪试验得出高炉的输入参数、过程参数和输出参数的高炉时间对应关系；
所述上下道工序对应关系的建立包括通过记录高炉原料作为产品时的产品批号和高炉原料取样时的原料批号的对应关系，建立高炉输入参数、炼焦质量参数和烧结矿质量参数的上下道工序对应关系。
22.根据权利要求20所述的铁前诊断方法，其特征在于：
所述“通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围”包括：使用区间分析法，对炼焦数据库中的数据进行分析，得到一个炼焦相关参数与另一个或多个炼焦相关参数的线性回归关系，并结合其中一个炼焦相关参数的已知指标，得到其它炼焦相关参数的合理范围和报警范围；
所述“通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围”包括：使用区间分析法，对烧结数据库中的数据进行分析，得到一个烧结相关参数与另一个或多个烧结相关参数的线性回归关系，并结合其中一个烧结相关参数的已知指标，得到其它烧结相关参数的合理范围和报警范围；
所述“通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围”包括：使用区间分析法，对高炉数据库中的数据进行分析，得到一个高炉相关参数与另一个或多个高炉相关参数的线性回归关系，并结合其中一个高炉相关参数的已知指标，得到其它高炉相关参数的合理范围和报警范围。
23.根据权利要求20所述的铁前诊断方法，其特征在于：
所述“通过对炼焦数据库中的历史数据进行分析，得到各个炼焦相关参数的合理范围和报警范围”包括：使用区间分析法，对炼焦数据库中的数据进行分析，得到每个其它炼焦相关参数与M40和/或CSR的线性回归关系，并结合所述M40和/或CSR的已知指标，确定每个其它炼焦相关参数的合理范围和报警范围，其中所述炼焦相关参数包括M40、CSR和其它炼焦相关参数；
所述“通过对烧结数据库中的历史数据进行分析，得到各个烧结相关参数的合理范围和报警范围”包括：使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它烧结相关参数与烧结矿转鼓强度和/或烧结矿亚铁含量的线性回归关系，并结合所述烧结矿转鼓强度和/或烧结矿亚铁含量的已知指标，确定每个其它烧结相关参数的合理范围和报警范围，其中所述烧结相关参数包括烧结矿转鼓强度、烧结矿亚铁含量和其它烧结相关参数；
所述“通过对高炉数据库中的历史数据进行分析，得到各个高炉相关参数的合理范围和报警范围”包括：使用区间分析法，对高炉数据库中的数据进行分析，得到每个其它高炉相关参数与产量和/或燃料比的线性回归关系，并结合所述产量和/或燃料比的已知指标，确定每个其它高炉相关参数的合理范围和报警范围，其中所述高炉相关参数包括产量、燃料比和其它高炉相关参数。
24.根据权利要22或23所述的铁前诊断方法，其特征在于，所述区间分析法具体包括：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分，并计算每个参数在每个区间中的平均值；
分别以第一参数和其它参数在每个区间中的平均值作为两个坐标轴的坐标值，分别计算所述第一参数和其它参数的线性回归关系。
25.根据权利要求20所述的铁前诊断方法，其特征在于，所述方法还包括：
根据炼焦相关参数、烧结相关参数和高炉相关参数的合理范围和报警范围，对炼焦相关参数、烧结相关参数和高炉相关参数的取值进行区段划分，对炼焦相关参数、烧结相关参数和高炉相关参数的实时数据进行分区段报警，针对不同区段的报警制定不同的应对措施。
26.根据权利要求20所述的铁前诊断方法，其特征在于，所述方法还包括：
在焦炭质量参数出现报警时，通过所述炼焦数据库，确定焦炭质量参数出现报警前后，炼焦煤质量参数、炼焦配煤工艺参数或炼焦生产工艺参数的变化导致焦炭质量参数出现报警；
在烧结矿质量参数出现报警时，通过所述烧结数据库，确定烧结矿质量参数出现报警前后，烧结原料质量参数或烧结工艺参数的变化导致烧结矿质量参数出现报警；
在高炉过程参数或输出参数出现报警时，通过所述炼焦数据库、烧结数据库和高炉数据库，确定所述报警前后，焦炭相关参数、烧结相关参数、高炉输入参数或其它过程参数的变化导致高炉过程参数或输出参数出现报警。
27.根据权利要求20所述的铁前诊断方法，其特征在于，所述方法还包括：
通过分析高炉数据库中的气流分布、下料信息、冷却壁热电偶温度、炉缸碳砖温度、铁水温度和渣铁流动性的实时数据，诊断高炉是否出现短期异常；
在判定高炉出现短期异常时，诊断炉况短期异常的类型，其中，所述短期异常类型包括管道、渣皮脱落、崩滑料和炉缸不活。
28.根据权利要求27所述的铁前诊断系统，其特征在于，所述方法还包括：
在确定高炉的短期异常类型后，通过调整净焦、轻料或硅石的量，调整高炉内异常热量和渣成分波动，对炉况短期异常进行治理。
29.根据权利要求20所述的铁前诊断方法，其特征在于，所述方法还包括：
判断高炉是否出现长期异常；
在判定高炉出现长期异常时，诊断高炉的长期异常类型，所述长期异常类型包括炉墙结厚、高炉结瘤、炉缸堆积、炉缸冻结。
30.根据权利要求29所述的铁前诊断方法，其特征在于，所述方法还包括：
在确定炉况长期异常类型后，调整布料制度、送风制度和原料配比，同时通过相关性分析，得到与所述炉况长期异常相关的相关性参数，调整所述相关性参数的取值至对应的合理范围内。
31.根据权利要求20所述的铁前诊断方法，其特征在于，所述方法还包括：
使用归一化区间分析法，对炼焦相关参数的关键参数和焦炭质量参数的数据进行分析，分别得到以所述炼焦相关参数的关键参数为自变量、以焦炭质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对烧结相关参数的关键参数和烧结矿质量参数的数据进行分析，分别得到以所述烧结相关参数的关键参数为自变量、以烧结矿质量参数为因变量的归一化线性方程；
使用归一化区间分析法，对高炉相关参数的关键参数和重要技经参数的数据进行分析，分别得到以所述高炉相关参数的关键参数为自变量、以重要技经参数为因变量的归一化线性方程。
32.根据权利要求31所述的铁前诊断方法，其特征在于，所述“归一化区间分析法”具体包括：
获取多个参数在不同时间点的样本数据，将第一参数的样本数据的波动范围进行区间划分；
根据其它参数与所述第一参数的时间对应关系，将所有其它参数的样本数据进行相同的区间划分；
计算每个参数在每个区间的平均值，并对每个参数的各个平均值进行归一化处理，得到每个参数的各个归一化平均值；
分别以第一参数和其它参数在每个区间的归一化平均值作为两个坐标轴的坐标值，分别计算以其它参数为自变量、以所述第一参数为因变量的归一化线性方程。
33.根据权利要求31所述的铁前诊断方法，其特征在于，所述方法还包括：
根据所述归一化线性方程中以焦炭质量参数为因变量的因变量系数绝对值的大小，确定对应炼焦相关参数的关键参数对炼焦系统的评分权重；以及根据所有炼焦相关参数的关键参数的评分权重和每个炼焦相关参数的关键参数的取值等级，对炼焦系统进行量化评价；
根据所述归一化线性方程中以烧结矿质量参数为因变量的因变量系数绝对值的大小，确定对应烧结相关参数的关键参数对烧结系统的评分权重；以及根据所有烧结相关参数的关键参数的评分权重和每个烧结相关参数的关键参数的取值等级，对烧结系统进行量化评价；
根据所述归一化线性方程中以重要技经参数为因变量的因变量系数绝对值的大小，确定对应高炉相关参数的关键参数对高炉炉况的评分权重；以及根据所有高炉相关参数的关键参数的评分权重和每个高炉相关参数的关键参数的取值等级，对高炉炉况进行量化评价。
34.根据权利要求33所述的铁前诊断方法，其特征在于，所述方法还包括：
将炼焦系统、烧结系统和高炉炉况的评分设定不同的评分区间，针对不同评分区间制定不同的应对方案。
35.根据权利要求33所述的铁前诊断方法，其特征在于，所述方法还包括：
在某个炼焦相关参数的关键参数出现失分时，通过所述关键参数与焦炭质量参数的线性回归关系，计算所述关键参数对焦炭质量参数的影响；
在某个烧结相关参数的关键参数出现失分时，通过所述关键参数与烧结矿质量参数的线性回归关系，计算所述关键参数对烧结矿质量参数的影响；
在某个高炉相关参数的关键参数出现失分时，通过所述关键参数与重要技经参数的线性回归关系，计算所述关键参数对重要技经参数的影响。
36.根据权利要求33所述的铁前诊断系统，其特征在于，所述方法还包括：
计算炼焦系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对炼焦系统的每个班次对应的工人进行管理；
计算烧结系统在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对烧结系统的每个班次对应的工人进行管理；
计算高炉炉况在一时间段内每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述总体评分对高炉的每个班次对应的工人进行管理。
37.根据权利要求20所述的铁前诊断方法，其特征在于，所述“采集炼焦相关参数、烧结相关参数和高炉相关参数的数据”具体包括：
采集炼焦煤的供应商、到港时间、堆放场地和炼焦煤的检化验数据，得到炼焦煤质量参数的数据；
采集配煤单和现场实时配煤数据，得到炼焦配煤工艺参数的数据；
采集焦炉用煤气流量、装煤量、结焦温度、结焦时间、干熄焦工序的生产工艺数据，得到炼焦生产工艺参数的数据；
采集焦炭的检化验数据、焦炭仓位和焦炭产量，得到焦炭质量参数的数据；
采集烧结矿粉、溶剂和固体燃料的供应商、到港时间、堆放场地和质量数据，得到烧结原料质量参数数据；
采集现场实时配矿监控数据、烧结点火温度、料层厚度、烧结负压和机速，得到烧结工艺参数数据；
采集烧结矿质量数据、筒仓料位和烧结矿产量，得到烧结矿质量参数数据；
采集焦炭、烧结矿、球团矿和块矿的检化验数据、配料结构和仓位信息，得到高炉输入参数的数据；
采集高炉操作参数、炉况表征参数和炉体管理参数的数据，得到高炉过程参数的数据；
采集高炉的技术经济指标参数的数据，得到高炉的输出参数的数据。
38.根据权利要求20所述的铁前诊断方法，其特征在于，所述方法还包括：
对炼焦数据库、烧结数据库和高炉数据库中的数据进行数据清洗、数据挖掘和数据融合，使用炼焦数据库、烧结数据库和高炉数据库中融合后的数据进行数据分析、监控和报警，其中，所述数据清洗是指剔除采集的数据中的异常点，所述数据挖掘是指在数据的基础上，通过已有公式计算得到间接参数的数据，所述数据融合是指统一所有参数的数据频率或数据周期，得到周期数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010466902.XA CN111607673B (zh) | 2020-05-28 | 2020-05-28 | 铁前诊断系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010466902.XA CN111607673B (zh) | 2020-05-28 | 2020-05-28 | 铁前诊断系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111607673A true CN111607673A (zh) | 2020-09-01 |
| CN111607673B CN111607673B (zh) | 2022-09-20 |
Family
ID=72198608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010466902.XA Active CN111607673B (zh) | 2020-05-28 | 2020-05-28 | 铁前诊断系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111607673B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113528722A (zh) * | 2021-07-13 | 2021-10-22 | 江苏省沙钢钢铁研究院有限公司 | 一种高炉风口寿命的管理方法、装置及存储介质 |
| CN114104654A (zh) * | 2021-11-04 | 2022-03-01 | 武汉理工大学 | 一种自动配煤的监控方法 |
| CN114778755A (zh) * | 2022-03-18 | 2022-07-22 | 淮北矿业股份有限公司 | 一种基于大数据的煤质在线检测系统 |
| CN115820952A (zh) * | 2022-09-30 | 2023-03-21 | 中冶赛迪信息技术(重庆)有限公司 | 一种高炉状态监控方法、装置、电子设备及存储介质 |
| CN116124677A (zh) * | 2023-04-18 | 2023-05-16 | 江苏沙钢集团有限公司 | 一种高炉烧结矿料层透气性的快速评价方法 |
| CN118092362A (zh) * | 2024-04-18 | 2024-05-28 | 东北大学 | 烧结过程异常原因分析方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915746A (zh) * | 2014-10-21 | 2015-09-16 | 安波 | 铁前采购和铁水成本一体化管理系统 |
| CN106909705A (zh) * | 2016-12-22 | 2017-06-30 | 上海交通大学 | 一种高炉铁水质量预报方法及其系统 |
| KR20180064153A (ko) * | 2016-12-05 | 2018-06-14 | 주식회사 포스코 | 고로 공정 가상 현실 교육 시스템 |
| CN109815282A (zh) * | 2018-12-03 | 2019-05-28 | 江苏省沙钢钢铁研究院有限公司 | 一种炼铁系统大数据平台 |
| CN109935280A (zh) * | 2019-03-05 | 2019-06-25 | 东北大学 | 一种基于集成学习的高炉铁水质量预测系统及方法 |
-
2020
- 2020-05-28 CN CN202010466902.XA patent/CN111607673B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915746A (zh) * | 2014-10-21 | 2015-09-16 | 安波 | 铁前采购和铁水成本一体化管理系统 |
| KR20180064153A (ko) * | 2016-12-05 | 2018-06-14 | 주식회사 포스코 | 고로 공정 가상 현실 교육 시스템 |
| CN106909705A (zh) * | 2016-12-22 | 2017-06-30 | 上海交通大学 | 一种高炉铁水质量预报方法及其系统 |
| CN109815282A (zh) * | 2018-12-03 | 2019-05-28 | 江苏省沙钢钢铁研究院有限公司 | 一种炼铁系统大数据平台 |
| CN109935280A (zh) * | 2019-03-05 | 2019-06-25 | 东北大学 | 一种基于集成学习的高炉铁水质量预测系统及方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113528722A (zh) * | 2021-07-13 | 2021-10-22 | 江苏省沙钢钢铁研究院有限公司 | 一种高炉风口寿命的管理方法、装置及存储介质 |
| CN113528722B (zh) * | 2021-07-13 | 2022-08-16 | 江苏省沙钢钢铁研究院有限公司 | 一种高炉风口寿命的管理方法、装置及存储介质 |
| CN114104654A (zh) * | 2021-11-04 | 2022-03-01 | 武汉理工大学 | 一种自动配煤的监控方法 |
| CN114778755A (zh) * | 2022-03-18 | 2022-07-22 | 淮北矿业股份有限公司 | 一种基于大数据的煤质在线检测系统 |
| CN114778755B (zh) * | 2022-03-18 | 2023-07-25 | 淮北矿业股份有限公司 | 一种基于大数据的煤质在线检测系统 |
| CN115820952A (zh) * | 2022-09-30 | 2023-03-21 | 中冶赛迪信息技术(重庆)有限公司 | 一种高炉状态监控方法、装置、电子设备及存储介质 |
| CN116124677A (zh) * | 2023-04-18 | 2023-05-16 | 江苏沙钢集团有限公司 | 一种高炉烧结矿料层透气性的快速评价方法 |
| CN116124677B (zh) * | 2023-04-18 | 2023-06-16 | 江苏沙钢集团有限公司 | 一种高炉烧结矿料层透气性的快速评价方法 |
| CN118092362A (zh) * | 2024-04-18 | 2024-05-28 | 东北大学 | 烧结过程异常原因分析方法、装置及设备 |
| CN118092362B (zh) * | 2024-04-18 | 2024-06-28 | 东北大学 | 烧结过程异常原因分析方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111607673B (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111607673B (zh) | 铁前诊断系统及方法 | |
| CN111593155B (zh) | 高炉诊断系统及方法 | |
| CN111639801B (zh) | 高炉炉况的评分方法及系统 | |
| CN109063358B (zh) | 一种新型高炉顺行评价的方法 | |
| CN103544273B (zh) | 利用模式识别技术对炉况整体状态进行评估的方法 | |
| CN102314184B (zh) | 干熄焦循环系统的温度压力控制方法 | |
| CN109815282A (zh) | 一种炼铁系统大数据平台 | |
| CN106521059B (zh) | 用相控阵雷达测量高炉料面矿焦比来控制高炉气流分布的方法 | |
| CN102925602B (zh) | 高炉操作炉型维护方法 | |
| 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 | |
| CN111639800B (zh) | 高炉工艺参数范围的设定方法、设备和存储介质 | |
| CN111652414A (zh) | 一种基于高斯混合模型的滑窗pca高炉异常监测方法 | |
| Kamo et al. | Method for predicting gas channeling in blast furnace | |
| CN113177353A (zh) | 一种应用于工业预警系统的数据模型构建方法 | |
| CN110628974B (zh) | 一种基于炉缸安全液面的操作决策方法及系统 | |
| CN111607417B (zh) | 炼焦诊断系统及方法 | |
| CN111639302B (zh) | 烧结诊断系统及方法 | |
| CN114185976A (zh) | 一种高炉可视化智能感知平台 | |
| JP6927461B1 (ja) | 生産設備の操業方法及び操業システム | |
| CN110766305A (zh) | 一种原燃料质量跟踪预警方法 | |
| CN116861612A (zh) | 高炉炉况顺行的评价方法 | |
| US20230130462A1 (en) | Method and system for ironmaking plant optimization | |
| JP2021167447A (ja) | 高炉数学モデルを用いるシミュレーション方法及びそれを利用する高炉操業方法 | |
| CN116681331A (zh) | 热处理设备能效分析方法及装置、存储介质、计算机设备 | |
| CN115271356A (zh) | 一种水泥窑烧成系统功能性指标的评价方法及装置 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 215624 Shagang science and technology building, Yongxin Road, Jinfeng Town, Zhangjiagang City, Suzhou City, Jiangsu Province Patentee after: INSTITUTE OF RESEARCH OF IRON & STEEL,SHAGANG,JIANGSU PROVINCE Country or region after: China Patentee after: Jiangsu Shagang Steel Co.,Ltd. Patentee after: JIANGSU SHAGANG GROUP Co.,Ltd. Address before: 215624 Shagang science and technology building, Yongxin Road, Jinfeng Town, Zhangjiagang City, Suzhou City, Jiangsu Province Patentee before: INSTITUTE OF RESEARCH OF IRON & STEEL,SHAGANG,JIANGSU PROVINCE Country or region before: China Patentee before: ZHANGJIAGANG HONGCHANG STEEL PLATE Co.,Ltd. Patentee before: JIANGSU SHAGANG GROUP Co.,Ltd. |