CN111639302B - 烧结诊断系统及方法 - Google Patents
烧结诊断系统及方法 Download PDFInfo
- Publication number
- CN111639302B CN111639302B CN202010466879.4A CN202010466879A CN111639302B CN 111639302 B CN111639302 B CN 111639302B CN 202010466879 A CN202010466879 A CN 202010466879A CN 111639302 B CN111639302 B CN 111639302B
- Authority
- CN
- China
- Prior art keywords
- sintering
- parameters
- parameter
- data
- ore
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005245 sintering Methods 0.000 title claims abstract description 470
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000003745 diagnosis Methods 0.000 title claims abstract description 17
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 67
- 239000011707 mineral Substances 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 61
- 239000002994 raw material Substances 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 17
- 238000012417 linear regression Methods 0.000 claims description 48
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 claims description 47
- 238000010606 normalization Methods 0.000 claims description 20
- 230000001419 dependent effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 238000002156 mixing Methods 0.000 claims description 14
- 239000000843 powder Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 239000002904 solvent Substances 0.000 claims description 7
- 238000002405 diagnostic procedure Methods 0.000 claims description 6
- 239000004449 solid propellant Substances 0.000 claims description 6
- 238000004939 coking Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 30
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 13
- 239000002245 particle Substances 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22B—PRODUCTION AND REFINING OF METALS; PRETREATMENT OF RAW MATERIALS
- C22B1/00—Preliminary treatment of ores or scrap
- C22B1/14—Agglomerating; Briquetting; Binding; Granulating
- C22B1/16—Sintering; Agglomerating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mechanical Engineering (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Geology (AREA)
- Algebra (AREA)
- Geochemistry & Mineralogy (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明揭示了一种烧结诊断系统及方法，所述系统包括：数据采集模块，其用于采集烧结相关参数的数据；数据分析模块，其用于建立时间对应关系，并依照时间对应关系建立烧结数据库，制定烧结相关参数的合理范围和报警范围；实时监控及报警模块，其用于对烧结相关参数进行监控和报警。与现有技术相比，本发明的烧结诊断系统，通过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时间对应关系，实现对整个烧结矿原料和烧结生产流程进行系统的监控和诊断，从而对生产时出现的异常报警或者产品的质量报警能够做到快速的原因追溯和应对措施制定，避免由于时间不对应造成的错误分析和应对不当。
Description
技术领域
本发明涉及高炉炼铁生产技术领域，特别涉及一种烧结诊断系统及方法。
背景技术
烧结矿质量的稳定对于高炉生产的稳定、降低成本都至关重要。烧结生产工序复杂，原料多变。从原辅料质量、配矿、熔剂和燃料配加、混匀、加水、点火温度、料层厚度、负压、终点控制、机速、开停机等参数都会对烧结矿质量产生巨大的影响。
但是当前针对烧结矿生产过程的监控系统主要集中在配料监控、局部漏风率监控、烧结终点温度等局部工艺监控。这些监控系统无法对影响烧结矿质量的整个烧结矿原料和生产流程进行系统的监控和诊断，导致烧结矿原料或烧结工艺出了问题缺少及时的报警和应对方案，同时在烧结矿质量出现问题时也很难或者需要花费比较长的时间才能实现原因追溯，严重影响下游高炉炼铁的稳定。
发明内容
本发明的目的在于提供一种烧结诊断系统及方法。
为实现上述发明目的之一，本发明一实施方式提供一种烧结诊断系统，所述系统包括：
数据采集模块，其用于采集烧结相关参数的数据，所述数据包括历史数据和实时数据，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；
数据分析模块，其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时间对应关系，并将烧结相关参数的数据依照时间对应关系建立烧结数据库；并通过对烧结数据库中的数据进行分析，得到各个参数的合理范围和报警范围；
实时监控及报警模块，其用于通过各个参数的报警范围，结合炼焦数据库中的实时数据，对各个参数进行监控和报警。
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：
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。
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，对烧结数据库中的数据进行分析，得到一个参数与另一个或多个参数的线性回归关系，并结合其中一个参数的已知指标，得到其它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，对烧结数据库中的数据进行分析，得到每个其它参数与烧结矿亚铁含量和/或烧结矿转鼓强度的线性回归关系，并结合所述烧结矿亚铁含量和/或烧结矿转鼓强度的已知指标，确定每个其它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亚铁含量、烧结矿转鼓强度和其它参数。
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，所述实时监控和报警模块还用于：
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。
作为本发明一实施方式的进一步改进，所述实时监控和报警模块还用于：
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，并对出现的报警进行异常原因追溯。
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。
为实现上述发明目的之一，本发明一实施方式提供一种烧结诊断方法，所述方法包括：
采集烧结相关参数的数据，所述数据包括历史数据和实时数据，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；
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时间对应关系，并将烧结相关参数的数据依照时间对应关系建立烧结数据库；
对烧结数据库中的数据进行分析，得到各个参数的合理范围和报警范围；
通过各个参数的报警范围，对各个参数的实时数据进行监控和报警，并在报警后进行异常原因追溯。
作为本发明一实施方式的进一步改进，所述“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时间对应关系”具体包括：
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时间对应关系。
作为本发明一实施方式的进一步改进，所述“对烧结数据库中的数据进行分析，得到各个参数的合理范围和报警范围”具体包括：
使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它参数与烧结矿亚铁含量和/或烧结矿转鼓强度的线性回归关系，并结合所述烧结矿亚铁含量和/或烧结矿转鼓强度的已知指标，确定每个其它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亚铁含量、烧结矿转鼓强度和其它参数。
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。
作为本发明一实施方式的进一步改进，所述方法还包括：
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，并对出现的报警进行异常原因追溯。
作为本发明一实施方式的进一步改进，所述“采集烧结相关参数的数据”具体包括：
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。
与现有技术相比，本发明的烧结诊断系统，通过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时间对应关系，实现对整个烧结矿原料和烧结生产流程进行系统的监控和诊断，从而对生产时出现的异常报警或者产品的质量报警能够做到快速的原因追溯和应对措施制定，避免由于时间不对应造成的错误分析和应对不当。
附图说明
图1是本发明的烧结诊断系统的结构示意图。
图2是烧结矿亚铁含量和5-10mm粒度比例的线性回归关系图。
图3是5-10mm粒度比例和烧结机速的线性回归关系图。
图4是本发明的烧结诊断方法的流程示意图。
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。
对烧结生产过程进行诊断，需要分析烧结相关参数之间的关系，或者分析烧结原料和操作工艺对产品烧结矿的影响。烧结相关参数非常多，并且从烧结相关参数的历史数据可以看出，对于这么多的烧结相关参数，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，也无法将这些烧结相关参数之间的关系简化。
经过发明人长时间的研究，发明了一种区间分析法，能够将烧结相关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，从而简化了烧结相关参数之间的关系。
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。
使用区间分析法分析烧结相关参数的数据，可以得到每个烧结相关参数与其它烧结相关参数的线性回归关系。
需要说明的是，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min和max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。
如图1所示，本发明提供一种烧结诊断系统，所述系统能够实现对整个烧结矿原料和烧结生产流程进行系统的监控和诊断，从而对生产时出现的异常报警或者产品的质量报警能够做到快速的原因追溯和应对措施制定，避免由于时间不对应造成的错误分析和应对不当。所述系统包括数据采集模块、数据分析模块和实时监控及报警模块。
数据采集模块
数据采集模块用于采集烧结相关参数的数据，所述数据包括历史数据和实时数据，所述烧结相关参数包括从原料到产品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。
数据采集模块主要进行如下数据采集：
(1)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。
(2)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。
(3)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。
数据分析模块
烧结过程(烧结矿生产过程)包括很多道工序，比如从烧结原料的准备(包括含铁原料、溶剂和燃料等)、配料、混匀、烧结布料、烧结点火、烧结过程等，每种原料的质量、每道工序的操作工艺等都会对烧结矿质量产生巨大的影响。但是在实际的生产中，烧结矿质量出现问题，并不能很准确的知道是哪个或哪几个环节出现问题导致的，从而很难对烧结矿质量问题进行快速的原因追溯，从而影响整个生产进度。
数据分析模块其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时间对应关系，并将烧结相关参数的数据依照时间对应关系建立烧结数据库，从而将烧结过程的各道工序的相关参数关联起来，便于后续的数据分析、报警和原因追溯功能的实现。
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数据库。
优选的，对于采集到的烧结相关参数的数据，根据上述时间对应关系建立烧结数据库后，需要对烧结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，比如使用区间分析法或归一化区间分析法进行分析等。数据清洗是指剔除异常坏点数据，补充缺失数据。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直接获取的参数。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。由于烧结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。由于烧结相关参数的数据量比较大，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。后续使用烧结数据库中的某个参数的数据，是指这个参数的周期数据。
数据分析模块还用于通过对烧结数据库中的数据进行分析，得到各个参数的合理范围和报警范围。
目前在烧结过程中，其工艺指标控制范围和报警范围的确定大多由现场工作人员根据经验确定，缺少现场数据的支撑，容易引起警报误判，更难发现烧结生产各环节的影响规律并优化生产。
本发明的数据分析模块，优选使用区间分析法，对烧结数据库中的数据进行分析，得到一个参数与另一个或多个参数的线性回归关系，并结合其中一个参数的已知指标，得到其它参数的合理范围和报警范围。
需要说明的是，所述已知指标包括已知目标指标和已知下限指标，所述已知目标指标是指参数的现有目标范围或目标属性，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。通过一个参数与另一个或多个参数的线性回归关系，并结合其中一个参数的已知目标指标，能够得到其它参数的合理范围。通过一个参数与另一个或多个参数的线性回归关系，并结合其中一个参数的已知下限指标，能够得到其它参数的报警范围。
具体的，使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它参数与烧结矿亚铁含量和/或烧结矿转鼓强度的线性回归关系，并结合所述烧结矿亚铁含量和/或烧结矿转鼓强度的已知指标，确定每个其它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亚铁含量、烧结矿转鼓强度和其它参数。即可以计算其它参数与烧结矿亚铁含量的线性回归关系，然后结合烧结矿亚铁含量的已知指标，得到其它参数的合理范围；也可以计算其它参数与烧结矿转鼓强度的线性回归关系，然后结合烧结矿转鼓强度的已知指标，得到其它参数的合理范围，还可以同时计算其它参数与上述两个关键参数的线性回归关系，得到其它参数的合理范围。
需要说明的是，使用区间分析法，不仅限于计算其它参数与转鼓强度和亚铁含量的线性回归关系，还可以计算任意两个参数的线性回归关系，在实际使用中，可以通过相关性分析，计算两个或多个强相关性的参数的线性回归关系，然后根据其中一个参数的已知指标，计算另外一个或多个参数的合理范围。
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1所示：
表1
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2和图3所示，图2为烧结矿亚铁含量和5-10mm粒度比例的线性回归关系图，图3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，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。
实时监控及报警模块
实时监控及报警模块用于通过各个参数的报警范围，对各个参数的实时数据进行监控和报警，并在报警后进行异常原因追溯。
在一个优选的实施方式中，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，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，并对出现的报警进行异常原因追溯。
如图4所示，本发明还提供一种烧结诊断方法，所述方法包括：
步骤S310：采集烧结相关参数的数据，所述数据包括历史数据和实时数据，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。
具体的，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。
步骤S320：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时间对应关系，并将烧结相关参数的数据依照时间对应关系建立烧结数据库。
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。
步骤S330：对烧结数据库中的数据进行分析，得到各个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，得到每个其它参数与烧结矿亚铁含量和/或烧结矿转鼓强度的线性回归关系，并结合所述烧结矿亚铁含量和/或烧结矿转鼓强度的已知指标，确定每个其它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亚铁含量、烧结矿转鼓强度和其它参数。
步骤S340：通过各个参数的报警范围，对各个参数的实时数据进行监控和报警，并在报警后进行异常原因追溯。
优选的，所述方法还包括：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。
优选的，所述方法还包括：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，并对出现的报警进行异常原因追溯。
本发明提供一种烧结相关参数范围的设定方法，所述方法使用区间分析法对烧结相关参数的数据进行分析，为烧结相关参数制定合理的范围。所述方法包括：
步骤S410：获取烧结相关参数中的一个参数和与所述参数具有相关性的相关性参数的数据。
从上述建立有时间对应关系的烧结数据库中，获取需要做分析的一个参数和与所述参数具有相关性参数的数据。
所述相关性参数可以认为是除所述参数之外的所有其它烧结相关参数，因为它们都是烧结相关参数，所以它们都是相关的。当然，也可以认为所述相关性参数是与所述参数具有强相关的部分其它烧结相关参数，此时，获取与所述参数具有相关性的参数的方法，可以通过历史经验判断，也可以通过相关性分析得到。
相关性分析为现有技术，即可以通过数据，分析两个参数之间的相关性。本发明使用相关性分析得到一个参数的相关性参数的方法为：
通过数据，分别分析这个参数与其它烧结相关参数的相关性，根据所述相关性的强弱程度，选取与这个参数的相关性排名前N的其它烧结相关参数，作为与这个参数具有相关性的参数。
由于烧结矿质量为烧结生产的主要目标，优选所述相关性参数包括烧结矿质量参数。
在一个优选的实施方式中，所述相关性参数包括烧结矿转鼓强度，通过所述参数与烧结矿转鼓强度的线性回归关系，结合所述烧结矿转鼓强度的已知目标指标，得到所述参数的合理范围。
在另一个优选的实施方式中，所述相关性参数包括烧结矿亚铁含量，通过所述参数与烧结矿亚铁含量的线性回归关系，结合所述烧结矿亚铁含量的已知目标指标，得到所述参数的合理范围。
步骤S420：使用区间分析法，对所述参数和相关性参数进行分析，得到所述参数与每个相关性参数的线性回归关系。
将所述参数的数据根据波动范围进行区间划分。然后根据相关性参数与所述参数的时间对应关系，将所有相关性参数的数据进行相同的区间划分。区间划分结束后，计算所述参数在每个区间的平均值，同时计算每个相关性参数在每个区间的平均值。
以所述参数在每个区间的平均值作为一个坐标轴(比如横轴)的坐标值，以一个相关性参数在每个区间的平均值作为另一个坐标值(比如纵轴)的坐标值，计算所述参数和这个相关性参数的线性回归关系。使用同样的方法，计算所述参数与其它相关性参数的线性回归关系。
步骤S430：根据所述线性回归关系，结合一个或多个所述相关性参数的已知目标指标，得到所述参数的合理范围。
在一个优选的实施方式中，所述方法还包括：根据所述线性回归关系，结合一个或多个所述相关性参数的已知下限指标，得到所述参数的报警范围。
根据本发明的烧结相关参数范围的设定方法，可以设定所有烧结相关参数的合理范围和报警范围。
通过设定烧结相关参数的合理范围和报警范围，可以对烧结相关参数的实时数据进行监控和报警，有效指导烧结矿的生产。
本发明还提供一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述烧结相关参数范围的设定方法中的任意一个步骤，也就是说，实现上述所述烧结相关参数范围的设定方法中任意一个技术方案中的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述烧结相关参数范围的设定方法中的任意一个步骤，也就是说，实现上述所述烧结相关参数范围的设定方法中的任意一个技术方案中的步骤。
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，本发明还提供一种烧结系统的评分方法，所述烧结系统是指从原料到产品的整个烧结过程，所述评分方法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。所述方法包括：
步骤S510：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。
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。
步骤S520：根据所述归一化线性方程中的因变量系数绝对值的大小，确定对应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。
以烧结矿质量参数为转鼓强度和亚铁含量举例，需要根据转鼓强度和亚铁含量对烧结系统的重要性，确定转鼓强度和亚铁含量对烧结系统的影响权重。比如在要求转鼓强度但是对亚铁含量没多大要求时，加重转鼓强度的影响权重，在要求亚铁含量但是对转鼓强度没多大要求时，加重亚铁含量的影响权重，在对转鼓强度和亚铁含量没有偏重倾向时，可以设定转鼓强度和亚铁含量对烧结系统的影响权重都是0.5。在确定转鼓强度和亚铁含量对烧结系统的影响权重(分别是c和d)后，分别计算关键参数对转鼓强度的影响权重e、和对亚铁含量的影响权重f，那么关键参数对烧结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。
步骤S530：根据所有关键参数的评分权重和每个关键参数的取值等级，对烧结系统进行量化评价。
所述步骤具体包括：
步骤S531：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。
步骤S532：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。使用区间分析法确定关键参数的合理范围的方法包括：
获取一个关键参数和与所述关键参数具有相关性的相关性参数的数据，可以从烧结数据库中获取。
使用区间分析法，对所述关键参数和相关性参数的数据进行分析，得到所述关键参数与每个相关性参数的线性回归关系。
根据所述线性回归关系，结合一个或多个所述相关性参数的已知目标指标，得到所述参数的合理范围。
步骤S533：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。
步骤S534：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。
本发明的烧结系统的评分方法，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。
在一个优选的实施方式中，所述方法还包括：
将烧结系统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分的烧结系统评分，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：(1)不做任何处理；(2)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；(3)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；(4)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。
在另一个优选的实施方式中，所述方法还包括：
在某个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。
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，对烧结矿质量参数(比如转鼓强度和亚铁含量)的影响。
使用此方法能够准确计算烧结系统的严重失分项对烧结矿的转鼓强度和亚铁含量的影响。
在又一个优选的实施方式中，所述方法还包括：
所述关键参数包括关键操作工艺参数，计算每个关键操作工艺参数在每个班次的评分，获取每个关键操作工艺参数在所有班次中的最高分，选取所述最高分对应的操作作为规范操作。
在烧结系统中，一天分为三个班次：白班、中班和夜班，每个班次8个小时，分别对应不同的工人。由于不同的工人操作不同，使得对应的关键操作工艺参数的评分不同，因此选取评分高的关键操作工艺参数对应班次的工人操作，作为标准操作，规范所述关键操作工艺参数的操作，利于烧结系统的稳定性。
由于烧结系统涉及的操作复杂，且分为多个班次，每个班次工人不同，每个工人的操作都会对烧结矿质量产生影响，因此，如何对操作工人进行管理，从而减少操作工人对烧结矿质量的负面影响，也是烧结系统的一大难题。在又一个优选的实施方式中，所述方法还包括：
计算烧结系统在一时间段内(比如一个月或者一个季度等)每个班次的评分，得到每个班次在所述时间段的总体评分，根据所述评分对每个班次对应的工人进行管理。
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。
本发明还提供一种烧结系统的评分系统，所述系统包括数据处理模块、评分预处理模块和评分模块，其中：
数据处理模块用于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；
评分预处理模块用于根据所述归一化线性方程中的因变量系数绝对值的大小，确定对应关键参数对烧结系统的评分权重；
评分模块用于根据所有关键参数的评分权重和每个关键参数的取值等级，对烧结系统进行量化评价。
在一个优选的实施方式中，所述数据处理模块还用于：
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。
进一步的，所述数据处理模块还用于：
使用归一化公式，求取每个参数的各个平均值T的归一化平均值t，其中所述归一化公式为：
其中min和Max为每个参数在所有区间的最小值和最大值。
在一个优选的实施方式中，所述评分模块还用于：
根据所有关键参数的评分权重，计算每个关键参数的总分；
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；
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；
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。
进一步的，所述数据处理模块还用于确定一个关键参数的合理范围，其包括：
获取一个关键参数和与所述关键参数具有相关性的相关性参数的数据；
使用区间分析法，对所述关键参数和相关性参数的数据进行分析，得到所述关键参数与每个相关性参数的线性回归关系；
根据所述线性回归关系，结合一个或多个所述相关性参数的已知目标指标，得到所述参数的合理范围。
进一步的，所述数据处理模块还用于：
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。
在一个优选的实施方式中，所述烧结矿质量参数包括高炉的转鼓强度和亚铁含量，所述评分预处理模块还用于：
确定转鼓强度对烧结系统的影响权重为c、亚铁含量对烧结系统的影响权重为d；
计算每个关键参数对转鼓强度的影响权重e、每个关键参数对亚铁含量的影响权重f；
每个关键参数对烧结系统的评分权重＝c*e+d*f。
在另一个优选的实施方式中，所述系统还包括管理模块，所述管理模块可以用于：
将烧结系统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。
所述管理模块还可以用于：
在某个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。
所述管理模块还可以用于：
计算每个关键操作工艺参数在每个班次的评分，获取每个关键操作工艺参数在所有班次中的最高分，选取所述最高分对应的操作作为规范操作。
所述管理模块还可以用于：
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，所述数据处理模块还用于：
建立所述原料质量参数和烧结工艺参数与烧结矿质量参数的时间对应关系；
根据所述时间对应关系，将采集的烧结相关参数的数据建立烧结数据库；
从所述烧结数据库中获取所述关键参数和烧结矿质量参数的数据。
进一步的，所述数据处理模块还用于：
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。
进一步的，所述系统还包括数据采集模块，所述数据采集模块用于采集烧结相关参数的数据；
所述数据处理模块还用于：对烧结数据库中的数据进行数据清洗、数据挖掘和数据融合，使用烧结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采集的数据的基础上，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 (12)
1.一种烧结诊断系统，其特征在于，所述系统包括：
数据采集模块，其用于采集烧结相关参数的数据，所述数据包括历史数据和实时数据，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；
数据分析模块，其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时间对应关系，并将烧结相关参数的数据依照时间对应关系建立烧结数据库；并使用归一化区间分析法，对烧结数据库中的数据进行分析，得到一个参数与另一个或多个参数的线性回归关系，并结合其中一个参数的已知指标，得到其它参数的合理范围和报警范围；
实时监控及报警模块，其用于通过各个参数的报警范围，结合炼焦数据库中的实时数据，对各个参数进行监控和报警；
其中，所述归一化区间分析法包括：
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T进行归一化处理，得到每个参数的各个归一化平均值t；
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；
其中，Tmin和Tmax为每个参数在所有区间的最小值和最大值。
2.根据权利要求1所述的烧结诊断系统，其特征在于，所述数据分析模块还用于：
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。
3.根据权利要求1所述的烧结诊断系统，其特征在于，所述数据分析模块还用于：
使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它参数与烧结矿亚铁含量和/或烧结矿转鼓强度的线性回归关系，并结合所述烧结矿亚铁含量和/或烧结矿转鼓强度的已知指标，确定每个其它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亚铁含量、烧结矿转鼓强度和其它参数。
4.根据权利要求1所述的烧结诊断系统，其特征在于，所述实时监控和报警模块还用于：
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。
5.根据权利要求1所述的烧结诊断系统，其特征在于，所述实时监控和报警模块还用于：
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，并对出现的报警进行异常原因追溯。
6.根据权利要求1所述的烧结诊断系统，其特征在于，所述数据采集模块还用于：
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。
7.一种烧结诊断方法，其特征在于，所述方法包括：
采集烧结相关参数的数据，所述数据包括历史数据和实时数据，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；
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时间对应关系，并将烧结相关参数的数据依照时间对应关系建立烧结数据库；
使用归一化区间分析法，对烧结数据库中的数据进行分析，得到一个参数与另一个或多个参数的线性回归关系，并结合其中一个参数的已知指标，得到其它参数的合理范围和报警范围；
通过各个参数的报警范围，对各个参数的实时数据进行监控和报警，并在报警后进行异常原因追溯；
其中，所述归一化区间分析法包括：
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T进行归一化处理，得到每个参数的各个归一化平均值t；
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；
其中，Tmin和Tmax为每个参数在所有区间的最小值和最大值。
8.根据权利要求7所述的烧结诊断方法，其特征在于，所述“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时间对应关系”具体包括：
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时间对应关系。
9.根据权利要求7所述的烧结诊断方法，其特征在于，所述“对烧结数据库中的数据进行分析，得到各个参数的合理范围和报警范围”具体包括：
使用区间分析法，对烧结数据库中的数据进行分析，得到每个其它参数与烧结矿亚铁含量和/或烧结矿转鼓强度的线性回归关系，并结合所述烧结矿亚铁含量和/或烧结矿转鼓强度的已知指标，确定每个其它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亚铁含量、烧结矿转鼓强度和其它参数。
10.根据权利要求7所述的烧结诊断方法，其特征在于，所述方法还包括：
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。
11.根据权利要求7所述的烧结诊断方法，其特征在于，所述方法还包括：
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，并对出现的报警进行异常原因追溯。
12.根据权利要求7所述的烧结诊断方法，其特征在于，所述“采集烧结相关参数的数据”具体包括：
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010466879.4A CN111639302B (zh) | 2020-05-28 | 2020-05-28 | 烧结诊断系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010466879.4A CN111639302B (zh) | 2020-05-28 | 2020-05-28 | 烧结诊断系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111639302A CN111639302A (zh) | 2020-09-08 |
| CN111639302B true CN111639302B (zh) | 2023-10-17 |
Family
ID=72331168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010466879.4A Active CN111639302B (zh) | 2020-05-28 | 2020-05-28 | 烧结诊断系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639302B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236799B (zh) * | 2023-11-14 | 2024-02-09 | 山东焱鑫矿用材料加工有限公司 | 一种中空注浆锚索的生产质量控制系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102456164A (zh) * | 2010-10-28 | 2012-05-16 | 张伟 | 一种烧结过程决策支持系统 |
| CN108469180A (zh) * | 2018-04-09 | 2018-08-31 | 华北理工大学 | 基于大数据和机器学习的烧结终点预测系统的建立方法 |
| 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 |
-
2020
- 2020-05-28 CN CN202010466879.4A patent/CN111639302B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102456164A (zh) * | 2010-10-28 | 2012-05-16 | 张伟 | 一种烧结过程决策支持系统 |
| CN108469180A (zh) * | 2018-04-09 | 2018-08-31 | 华北理工大学 | 基于大数据和机器学习的烧结终点预测系统的建立方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111639302A (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hedman et al. | Analysis of critical factors for automatic measurement of OEE | |
| CN111607673B (zh) | 铁前诊断系统及方法 | |
| CN111593155B (zh) | 高炉诊断系统及方法 | |
| CN105486831B (zh) | 一种钢卷质量检测系统 | |
| CN111639801B (zh) | 高炉炉况的评分方法及系统 | |
| US9443217B2 (en) | Manufacturing quality inspection and analytics system | |
| Abtew et al. | Implementation of statistical process control (SPC) in the sewing section of garment industry for quality improvement | |
| CN111639302B (zh) | 烧结诊断系统及方法 | |
| CN105302123B (zh) | 在线测量数据的监控方法 | |
| CN114519498A (zh) | 一种基于bim模型的质量验评方法和系统 | |
| CN104268416B (zh) | 一种冷链物流车厢温度监控方法及系统 | |
| CN112926840A (zh) | 一种水电工程土建试验数据统计分析方法和系统 | |
| CN111639800B (zh) | 高炉工艺参数范围的设定方法、设备和存储介质 | |
| CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
| CN111607417B (zh) | 炼焦诊断系统及方法 | |
| CN106054832B (zh) | 基于多变量的间歇化工生产过程动态在线监测方法与装置 | |
| Sonmez et al. | Using accurately measured production amounts to obtain calibration curve corrections of production line speed and stoppage duration consisting of measurement errors | |
| CN112215493A (zh) | 一种卷烟制丝工段工艺质量的判定和评价方法 | |
| CN110147935B (zh) | 一种烟草卷包车间质量综合决策模型的建立方法 | |
| CN117010549A (zh) | 基于大数据管理体系的信息溯源方法及终端 | |
| CN116306232A (zh) | 一种基于工业大数据的高炉能耗与碳排放分析方法及系统 | |
| Stertz et al. | Data-driven improvement of online conformance checking | |
| CN110766305A (zh) | 一种原燃料质量跟踪预警方法 | |
| CN109728563B (zh) | 用于定值在线校核的多套原则校核方法及装置 | |
| CN110956340A (zh) | 工程试验检测数据管理预警决策方法 |
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 | ||
| 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, JIANGSU PROVINCE/SHA-STEEL, Co.,Ltd. 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, JIANGSU PROVINCE/SHA-STEEL, Co.,Ltd. Country or region before: China Patentee before: ZHANGJIAGANG HONGCHANG STEEL PLATE Co.,Ltd. Patentee before: JIANGSU SHAGANG GROUP Co.,Ltd. |