CN113836746A - 一种稳定高炉内加料优化用流程仿真方法 - Google Patents
一种稳定高炉内加料优化用流程仿真方法 Download PDFInfo
- Publication number
- CN113836746A CN113836746A CN202111193557.8A CN202111193557A CN113836746A CN 113836746 A CN113836746 A CN 113836746A CN 202111193557 A CN202111193557 A CN 202111193557A CN 113836746 A CN113836746 A CN 113836746A
- Authority
- CN
- China
- Prior art keywords
- model
- simulation
- blast furnace
- furnace
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008569 process Effects 0.000 title claims abstract description 40
- 239000000463 material Substances 0.000 claims abstract description 67
- 238000004519 manufacturing process Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 11
- 239000004615 ingredient Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000009471 action Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims abstract description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 34
- 239000003795 chemical substances by application Substances 0.000 claims description 17
- 229910052742 iron Inorganic materials 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 15
- 238000005303 weighing Methods 0.000 claims description 9
- 210000001015 abdomen Anatomy 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 4
- 239000000571 coke Substances 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 239000002893 slag Substances 0.000 claims description 3
- 238000003723 Smelting Methods 0.000 abstract description 8
- 238000005094 computer simulation Methods 0.000 abstract description 5
- 238000003860 storage Methods 0.000 abstract description 3
- 238000005272 metallurgy Methods 0.000 abstract description 2
- 229910000831 Steel Inorganic materials 0.000 description 10
- 239000010959 steel Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 3
- 238000009628 steelmaking Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种稳定高炉内加料优化用流程仿真方法，具体涉及冶金技术领域，通过仿真模型用静态规则库的固定参数及规则作为高炉本体数据，与实际生产的历史数据一同存入数据库中，在终端中根据炉况进行动作控制和参数设定，数据通信与处理服务器借助理论组件对输入数据进行数据分析和安全控制，完成高炉冶炼过程的动态仿真，能够自主地推理和规划并选择适当的工作方式，进行各个配料的供给及装载，巡检各个设备的运行状态以及料流信息，并且进行物料分仓计算，通过控制端对各个设备进行智能控制，模拟出能源介质的消耗、产出和存储情况，从而使该仿真方法能反映高炉中能源系统的运行情况，为高炉的高效稳定工作提供有效依据。
Description
技术领域
本发明涉及冶金技术领域，更具体地说，本发明涉及一种稳定高炉内加料优化用流程仿真方法。
背景技术
钢铁企业涉及的能源介质众多，各种介质之间存在转换和制约关系，能源消耗与生产过程密切相关，钢铁企业能源仿真平台可模拟钢铁企业能源系统，是研究钢铁企业能源系统的有效工具，在钢铁企业生产过程中，企业模式、产品类型、生产路径、设备生产周期、设备异常工况是造成能源波动的主要因素，能源仿真平台需要编制不同的仿真场景，以反映这些因素对企业生产和能耗的影响。
铁钢界面指钢铁制造长流程中的炼铁-炼钢区段，该区段在钢铁制造流程中起着承上启下的重要作用，铁素物质流以高温液态形态存在，铁钢界面的高效运行不仅对区段的运行时间、铁水包周转率、铁水温降、废钢加入量、铁水包寿命等技术经济指标具有直接影响，而且影响全流程的资源/能源利用效率和生产成本，铁钢界面运行过程既要按照高炉出铁计划及时提供铁水包空包以保证高炉生产安全，又要为转炉及时稳定地提供重包铁水以保障转炉稳定地生产，还要尽量缩短铁水包运输时间，减少铁水温度损失，提高机车、天车等运输设备的作业率，是典型的复杂系统，通过多智能体模型表达铁钢界面生产流程，单体设备智能体具有独立性和自主性，能够自主地推理和规划并选择适当的策略；而多智能体系统通过各智能体互相协调可以解决钢铁流程多目标约束和冲突、协同动态优化等复杂问题。
高炉槽下供料是高炉生产的一个关键环节，其物流过程对生产计划的调度、物流生产的执行、降低能耗、提高设备利用率及产品质量起着至关重要的作用。但由于高炉的生产的特殊性决定了在点火之前不能将物料送入高炉内，而一旦高炉点火，就必须保证整个系统高效稳定的运行。
目前在生产过程中，有人利用数字化工厂产生动态仿真画面的特点来对实际生产过程进行模拟，但这种方法能事先发现生产计划的缺陷，但却往往只是在生产活动之前进行生产过程的仿真或是在生产活动后进行生产活动的重现，很难实现在生产过程中指导生产的目的；同时在进行供料过程中，大多仅通过理论研究讨论后，直接用于生产现场并调节修改的模式，无法实现高炉内加料的流程仿真目的，随着生产调度逐渐复杂，难以保证高炉的高效稳定工作，不能深入掌握冶炼过程中的机理，且会影响后续对生产过程的正确判断，因此利用多智能体系统建模和仿真技术，来模拟供料及生产过程，提高其科学性，具有十分重要的意义。
发明内容
为了克服现有技术的上述缺陷，本发明提供了一种稳定高炉内加料优化用流程仿真方法，本发明所要解决的技术问题是：难实现在生产过程中指导生产的目的，同时在进行供料过程中，大多仅通过理论研究讨论后，直接用于生产现场并调节修改的模式，无法实现高炉内加料的流程仿真目的，随着生产调度逐渐复杂，难以保证高炉的高效稳定工作的问题。
为实现上述目的，本发明提供如下技术方案：一种稳定高炉内加料优化用流程仿真方法，包括以下步骤：
S1、根据高炉加工工艺要求，建立高炉理论模型，且高炉理论模型包括配料计算模型、炉顶加料模型、无料钟布料模型、炉型参数模型、鼓风动能与回旋区模型，高炉燃烧模型和炉缸炉底侵蚀模型。
S2、建立高炉理论模型中各个智能体子模型中的参数内容，并且根据建立的各个子模型参数，设计保存仿真关系数据库，高炉理论模型接收组态配置信息时，选择配料计算模型、炉顶加料模型和无料钟布料模型，其次根据仿真关系数据库建立仿真模型，对定义的仿真结果进行设置，通过不同的数据表达方式来体现不同的仿真结果。
S3、当高炉接收生产计划数据信息时，初始化各个流程设备的状态，根据智能控制的方式运行各个设备，生产仿真的过程中接收控制端发出的指令，将指令转换为仿真模型的输入。
S4、仿真模型接收生产指令后，进行各个配料的供给及装载，巡检各个设备的运行状态以及料流信息，并且进行物料分仓计算，根据不同流程的供料指令及供给量，通过控制端对各个设备进行智能控制。
S5、采用建模和仿真工具Automod搭建加料界面仿真模型智能体仿真部分，根据仿真模型数据库参数，创建各个智能体实例对象，设置显控设备，定义监控显示的内容，将智能体实例仿真结果中需要显示的内容连接到监控设备，将仿真结果保存到仿真结果储存库中，完成流程仿真工序的实施。
作为本发明的进一步方案：所述配料计算模型中，通过历史数据提供矿批和焦批的各种成分及参考重量，根据炉内情况和历史数据库设定多批配料的参数。
作为本发明的进一步方案：所述炉顶加料模型中，根据配料批号从数据库中读取相关数据并显示，配料通过皮带上料机构到受料漏斗后，依次打开上密封阀和上料阀，配料进入称量料罐，系统模拟料面动态上升过程，当体积大于称量料罐预定阀值时配料变红色，即进行报警工作。
作为本发明的进一步方案：所述无料钟布料模型中包含无料钟料流运动轨迹数字模型，分析影啊料流质心落点半径的诸因素，得出的炉料运动轨迹方程与实际情况是否吻合，根据无料钟料流运动轨迹数学模型，通过等差法来获取不同高度平面的料流质心落点半径，范围自溜槽末端至料线，并将这些点连线，就可以获得当前料线、当前档位上的料流轨迹，根据溜槽旋转速度动态同步仿真料流，并读取各档位上的圈数进行布料，称量料罐中料面动态下降，实现一批配料的整个布料过程仿真。
作为本发明的进一步方案：所述炉型参数模型中，对炉喉、炉身、炉腰、炉腹、炉缸、风口与炉腹距离、渣口高度、死铁层的高度和直径进行设置。
作为本发明的进一步方案：所述仿真模型用静态规则库的固定参数及规则作为高炉本体数据，与实际生产的历史数据一同存入数据库中，在终端中根据炉况进行动作控制和参数设定，数据通信与处理服务器借助理论组件对输入数据进行数据分析和安全控制，无误后存入数据库。
本发明的有益效果在于：
本发明中，仿真模型用静态规则库的固定参数及规则作为高炉本体数据，与实际生产的历史数据一同存入数据库中，在终端中根据炉况进行动作控制和参数设定，数据通信与处理服务器借助理论组件对输入数据进行数据分析和安全控制，完成高炉冶炼过程的动态仿真，同时对高炉冶炼过程中关键参数和冶炼状态进行跟踪与显示，同时可以通过不同的调度命令改变高炉槽下供料过程，单个设备智能体具有独立性和自主性，能够自主地推理和规划并选择适当的工作方式，进行各个配料的供给及装载，巡检各个设备的运行状态以及料流信息，并且进行物料分仓计算，根据不同流程的供料指令及供给量，通过控制端对各个设备进行智能控制，模拟出能源介质的消耗、产出和存储情况，从而使该仿真方法能反映高炉中能源系统的运行情况，为高炉的高效稳定工作提供有效依据。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
一种稳定高炉内加料优化用流程仿真方法，包括以下步骤：
S1、根据高炉加工工艺要求，建立高炉理论模型，且高炉理论模型包括配料计算模型、炉顶加料模型、无料钟布料模型、炉型参数模型、鼓风动能与回旋区模型，高炉燃烧模型和炉缸炉底侵蚀模型。
S2、建立高炉理论模型中各个智能体子模型中的参数内容，并且根据建立的各个子模型参数，设计保存仿真关系数据库，高炉理论模型接收组态配置信息时，选择配料计算模型、炉顶加料模型和无料钟布料模型，其次根据仿真关系数据库建立仿真模型，对定义的仿真结果进行设置，通过不同的数据表达方式来体现不同的仿真结果。
S3、当高炉接收生产计划数据信息时，初始化各个流程设备的状态，根据智能控制的方式运行各个设备，生产仿真的过程中接收控制端发出的指令，将指令转换为仿真模型的输入。
S4、仿真模型接收生产指令后，进行各个配料的供给及装载，巡检各个设备的运行状态以及料流信息，并且进行物料分仓计算，根据不同流程的供料指令及供给量，通过控制端对各个设备进行智能控制。
S5、采用建模和仿真工具Automod搭建加料界面仿真模型智能体仿真部分，根据仿真模型数据库参数，创建各个智能体实例对象，设置显控设备，定义监控显示的内容，将智能体实例仿真结果中需要显示的内容连接到监控设备，将仿真结果保存到仿真结果储存库中，完成流程仿真工序的实施。
配料计算模型中，通过历史数据提供矿批和焦批的各种成分及参考重量，根据炉内情况和历史数据库设定多批配料的参数。
炉顶加料模型中，根据配料批号从数据库中读取相关数据并显示，配料通过皮带上料机构到受料漏斗后，依次打开上密封阀和上料阀，配料进入称量料罐，系统模拟料面动态上升过程，当体积大于称量料罐预定阀值时配料变红色，即进行报警工作。
无料钟布料模型中包含无料钟料流运动轨迹数字模型，分析影啊料流质心落点半径的诸因素，得出的炉料运动轨迹方程与实际情况是否吻合，根据无料钟料流运动轨迹数学模型，通过等差法来获取不同高度平面的料流质心落点半径，范围自溜槽末端至料线，并将这些点连线，就可以获得当前料线、当前档位上的料流轨迹，根据溜槽旋转速度动态同步仿真料流，并读取各档位上的圈数进行布料，称量料罐中料面动态下降，实现一批配料的整个布料过程仿真。
炉型参数模型中，对炉喉、炉身、炉腰、炉腹、炉缸、风口与炉腹距离、渣口高度、死铁层的高度和直径进行设置。
仿真模型用静态规则库的固定参数及规则作为高炉本体数据，与实际生产的历史数据一同存入数据库中，在终端中根据炉况进行动作控制和参数设定，数据通信与处理服务器借助理论组件对输入数据进行数据分析和安全控制，无误后存入数据库。
综上可知，本发明：
仿真模型用静态规则库的固定参数及规则作为高炉本体数据，与实际生产的历史数据一同存入数据库中，在终端中根据炉况进行动作控制和参数设定，数据通信与处理服务器借助理论组件对输入数据进行数据分析和安全控制，完成高炉冶炼过程的动态仿真，同时对高炉冶炼过程中关键参数和冶炼状态进行跟踪与显示，同时可以通过不同的调度命令改变高炉槽下供料过程，单个设备智能体具有独立性和自主性，能够自主地推理和规划并选择适当的工作方式，进行各个配料的供给及装载，巡检各个设备的运行状态以及料流信息，并且进行物料分仓计算，根据不同流程的供料指令及供给量，通过控制端对各个设备进行智能控制，模拟出能源介质的消耗、产出和存储情况，从而使该仿真方法能反映高炉中能源系统的运行情况，为高炉的高效稳定工作提供有效依据。
最后应说明的几点是：虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明的基础上，以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种稳定高炉内加料优化用流程仿真方法，其特征在于，包括以下步骤：
S1、根据高炉加工工艺要求，建立高炉理论模型，且高炉理论模型包括配料计算模型、炉顶加料模型、无料钟布料模型、炉型参数模型、鼓风动能与回旋区模型，高炉燃烧模型和炉缸炉底侵蚀模型；
S2、建立高炉理论模型中各个智能体子模型中的参数内容，并且根据建立的各个子模型参数，设计保存仿真关系数据库，高炉理论模型接收组态配置信息时，选择配料计算模型、炉顶加料模型和无料钟布料模型，其次根据仿真关系数据库建立仿真模型，对定义的仿真结果进行设置，通过不同的数据表达方式来体现不同的仿真结果；
S3、当高炉接收生产计划数据信息时，初始化各个流程设备的状态，根据智能控制的方式运行各个设备，生产仿真的过程中接收控制端发出的指令，将指令转换为仿真模型的输入；
S4、仿真模型接收生产指令后，进行各个配料的供给及装载，巡检各个设备的运行状态以及料流信息，并且进行物料分仓计算，根据不同流程的供料指令及供给量，通过控制端对各个设备进行智能控制；
S5、采用建模和仿真工具Automod搭建加料界面仿真模型智能体仿真部分，根据仿真模型数据库参数，创建各个智能体实例对象，设置显控设备，定义监控显示的内容，将智能体实例仿真结果中需要显示的内容连接到监控设备，将仿真结果保存到仿真结果储存库中，完成流程仿真工序的实施。
2.根据权利要求1所述的一种稳定高炉内加料优化用流程仿真方法，其特征在于：所述配料计算模型中，通过历史数据提供矿批和焦批的各种成分及参考重量，根据炉内情况和历史数据库设定多批配料的参数。
3.根据权利要求1所述的一种稳定高炉内加料优化用流程仿真方法，其特征在于：所述炉顶加料模型中，根据配料批号从数据库中读取相关数据并显示，配料通过皮带上料机构到受料漏斗后，依次打开上密封阀和上料阀，配料进入称量料罐，系统模拟料面动态上升过程，当体积大于称量料罐预定阀值时配料变红色，即进行报警工作。
4.根据权利要求1所述的一种稳定高炉内加料优化用流程仿真方法，其特征在于：所述无料钟布料模型中包含无料钟料流运动轨迹数字模型，分析影啊料流质心落点半径的诸因素，得出的炉料运动轨迹方程与实际情况是否吻合，根据无料钟料流运动轨迹数学模型，通过等差法来获取不同高度平面的料流质心落点半径，范围自溜槽末端至料线，并将这些点连线，就可以获得当前料线、当前档位上的料流轨迹，根据溜槽旋转速度动态同步仿真料流，并读取各档位上的圈数进行布料，称量料罐中料面动态下降，实现一批配料的整个布料过程仿真。
5.根据权利要求1所述的一种稳定高炉内加料优化用流程仿真方法，其特征在于：所述炉型参数模型中，对炉喉、炉身、炉腰、炉腹、炉缸、风口与炉腹距离、渣口高度、死铁层的高度和直径进行设置。
6.根据权利要求1所述的一种稳定高炉内加料优化用流程仿真方法，其特征在于：所述仿真模型用静态规则库的固定参数及规则作为高炉本体数据，与实际生产的历史数据一同存入数据库中，在终端中根据炉况进行动作控制和参数设定，数据通信与处理服务器借助理论组件对输入数据进行数据分析和安全控制，无误后存入数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111193557.8A CN113836746B (zh) | 2021-10-13 | 2021-10-13 | 一种稳定高炉内加料优化用流程仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111193557.8A CN113836746B (zh) | 2021-10-13 | 2021-10-13 | 一种稳定高炉内加料优化用流程仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113836746A true CN113836746A (zh) | 2021-12-24 |
| CN113836746B CN113836746B (zh) | 2024-03-29 |
Family
ID=78968880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111193557.8A Active CN113836746B (zh) | 2021-10-13 | 2021-10-13 | 一种稳定高炉内加料优化用流程仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113836746B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115385554A (zh) * | 2022-09-06 | 2022-11-25 | 河北光兴半导体技术有限公司 | 加料控制系统、加料控制方法及加料系统 |
| CN115657496A (zh) * | 2022-10-19 | 2023-01-31 | 中冶赛迪信息技术(重庆)有限公司 | 一种确定料仓卸料时物料分布及物料混合的方法、系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004815A (zh) * | 2010-11-01 | 2011-04-06 | 昆明理工大学 | 对钢铁企业高炉-转炉区段“一罐到底”界面模式的优化方法 |
| CN112507557A (zh) * | 2020-12-14 | 2021-03-16 | 中国钢研科技集团有限公司 | 一种基于多智能体的铁钢界面仿真系统 |
| CN112699524A (zh) * | 2020-11-26 | 2021-04-23 | 冶金自动化研究设计院 | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 |
-
2021
- 2021-10-13 CN CN202111193557.8A patent/CN113836746B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004815A (zh) * | 2010-11-01 | 2011-04-06 | 昆明理工大学 | 对钢铁企业高炉-转炉区段“一罐到底”界面模式的优化方法 |
| CN112699524A (zh) * | 2020-11-26 | 2021-04-23 | 冶金自动化研究设计院 | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 |
| CN112507557A (zh) * | 2020-12-14 | 2021-03-16 | 中国钢研科技集团有限公司 | 一种基于多智能体的铁钢界面仿真系统 |
Non-Patent Citations (1)
| Title |
|---|
| 吴双平等: "钢铁生产流程的物质流仿真研究", 钢铁, vol. 56, no. 8, 15 August 2021 (2021-08-15), pages 73 - 85 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115385554A (zh) * | 2022-09-06 | 2022-11-25 | 河北光兴半导体技术有限公司 | 加料控制系统、加料控制方法及加料系统 |
| CN115657496A (zh) * | 2022-10-19 | 2023-01-31 | 中冶赛迪信息技术(重庆)有限公司 | 一种确定料仓卸料时物料分布及物料混合的方法、系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113836746B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113836746A (zh) | 一种稳定高炉内加料优化用流程仿真方法 | |
| CN112507557B (zh) | 一种基于多智能体的铁钢界面仿真系统 | |
| CN107368125B (zh) | 一种基于cbr与rbr并行混合推理的高炉炉温控制系统及方法 | |
| CN105368996B (zh) | 一种用于高炉喷煤系统喷吹量的自动控制方法 | |
| Spirin et al. | Complex of model systems for supporting decisions made in managing blast-furnace smelting technology | |
| CN113961865A (zh) | 一种大型转炉精确控制tsc阶段调温剂加入量的方法 | |
| Liu et al. | Fine production in steelmaking plants | |
| CN110059940B (zh) | 一种炼钢-连铸界面衔接节能方法及系统 | |
| CN115237074B (zh) | 一种废钢上料自适应动态调度控制系统及方法 | |
| Yang et al. | Quantitative evaluation of multi-process collaborative operation in steelmaking-continuous casting sections | |
| JPS62164811A (ja) | 出鋼・鋳造の操業計画策定方法 | |
| Carayannis | Artificial intelligence and expert systems in the steel industry | |
| SE8301413L (sv) | Forfarande for avkolning av smelt metall | |
| CN115113604A (zh) | 一种转炉炼钢工艺流程的仿真控制方法和设备 | |
| Masuda et al. | Automation on thermal control of blast furnace | |
| Hu et al. | Simulation-based optimization of coupled material-energy flow at ironmaking-steelmaking interface using One-Ladle Technique. | |
| CN115433792B (zh) | 一种高炉休风方法及系统 | |
| Kronberger et al. | Latest generation sinter process optimization systems | |
| CN118469223A (zh) | 一种基于专家系统的铁水配罐方法 | |
| CN115198040B (zh) | 一种喷煤量控制方法、装置、设备及存储介质 | |
| Barbasova | A Multilevel Resource-Saving Blast Furnace Process Control | |
| Xue et al. | Developing Bottom-Blowing O2–CaO Control Model for Converter Steelmaking Process | |
| Agrawal et al. | A Novel Method to Determine Desired PCI Rate for Ensuring Thermal Stability in a Blast Furnace | |
| Schlautmann et al. | Model-based dynamic monitoring and end-point control of converter process | |
| Reinicke et al. | Application of an Artificial Neural Network for Efficient Computation of Chemical Activities within an EAF Process Model |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Jing Dai Inventor after: Zhang Lixing Inventor after: Li Renjie Inventor after: Chen Jiang Inventor after: Guo Gang Inventor after: Li Gong Inventor before: Zheng Qijun Inventor before: Tan Zhen Inventor before: Jiao Lulu Inventor before: Jing Dai Inventor before: Zhang Lixing Inventor before: Li Renjie Inventor before: Chen Jiang Inventor before: Guo Gang Inventor before: Li Gong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |