CN116386757A - 一种烧结混合料粒度组成的预测方法 - Google Patents
一种烧结混合料粒度组成的预测方法 Download PDFInfo
- Publication number
- CN116386757A CN116386757A CN202310288511.7A CN202310288511A CN116386757A CN 116386757 A CN116386757 A CN 116386757A CN 202310288511 A CN202310288511 A CN 202310288511A CN 116386757 A CN116386757 A CN 116386757A
- Authority
- CN
- China
- Prior art keywords
- mixture
- particle size
- sintering
- equal
- granularity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000203 mixture Substances 0.000 title claims abstract description 134
- 238000005245 sintering Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 44
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 144
- 239000002245 particle Substances 0.000 claims abstract description 110
- 229910052742 iron Inorganic materials 0.000 claims abstract description 72
- 238000002156 mixing Methods 0.000 claims abstract description 37
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 239000007771 core particle Substances 0.000 claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 238000005469 granulation Methods 0.000 claims abstract description 5
- 230000003179 granulation Effects 0.000 claims abstract description 5
- 239000000843 powder Substances 0.000 claims description 26
- 239000000446 fuel Substances 0.000 claims description 24
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 16
- 239000012141 concentrate Substances 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 8
- 229910052757 nitrogen Inorganic materials 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 6
- 239000004449 solid propellant Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000007873 sieving Methods 0.000 claims description 4
- 239000002028 Biomass Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 239000002817 coal dust Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 18
- 206010035148 Plague Diseases 0.000 abstract description 2
- 241000607479 Yersinia pestis Species 0.000 abstract description 2
- 238000010009 beating Methods 0.000 abstract description 2
- 238000009851 ferrous metallurgy Methods 0.000 abstract 1
- 239000002994 raw material Substances 0.000 description 6
- 238000005453 pelletization Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明属于钢铁冶金技术领域，特别涉及一种烧结混合料粒度组成的预测方法。本发明基于烧结混合料的核心颗粒主要以天然铁矿石为主，并且颗粒数量稳定的理论，通过原始天然铁矿石的粒度分布，通过构建以天然铁矿石为核心颗粒的分布模型，建立了原始铁矿石的颗粒分布与烧结混合料粒度分布的直接数学关系，进而建立了最终烧结混合料粒度组成的预测方法。该方法直接跨过了影响因素最多，过程最难以定量化等的打水制粒过程，从而直接跨过了最难以定量化的混合和制粒过程，解决了一直困扰预测混合料粒度粒度分布准确性的最关键问题，从根本上解决了混合料粒度组成预测的关键问题，而且简单、高效且易于生产现场应用。
Description
技术领域
本发明涉及铁矿石烧结技术领域，特别涉及一种烧结混合料粒度组成的预测方法。
背景技术
由烧结原料铁矿石制备成品烧结矿需经过混匀配矿、混合制粒、高温烧结、冷却整粒等步骤，因而烧结配矿必须满足原料成分、粒度组成、冶金性能、经济指标等的综合评价要求。
我国烧结生产用铁矿粉种类繁多，性能、质量参差不齐，稳定性差。为了满足生产对铁矿石原料的需要，钢铁企业必须使用多种不同性能和质量的矿石，这对烧结优化配矿提出了更高的要求。高质量的配矿结构能够有效提高烧结矿质量，进而改善高炉炼铁指标，因而优化配矿对烧结及炼铁工序的稳定、高效、经济性有着重要影响。处理铁矿石、熔剂、燃料和杂料等原料的制粒过程在整个烧结工艺流程中起到承上启下的作用，经过制粒后的烧结混合料粒度组成决定了整个烧结过程的透气性，对烧结矿的质量和产量起着至关重要的作用。
但是，由于影响烧结混合制粒过程的因素众多，并且难以定量化，在现有技术条件下无法准确的实现在线混合料粒度的监测。虽然目前国内外做了许多这方面的研究，主要涉及原料性质、混合时间、圆筒制粒参数优化，加水的量和方式等，开发出了不同的预测最终粒度的模型，可是多数的研究成果仍离现场应用有较大的距离；并且几乎所有模型的研发初衷是改变制粒工艺，以适应原燃料的特点，而不是改变原燃料的特点，以适应制粒工艺，这无疑大大提高了完善工艺流程的难度和成本。
综上所述，铁矿石烧结生产中，建立简单、高效且易于生产现场应用的烧结混合料模型，准确预测不同料堆的混合料粒度分布的技术问题丞待解决。
发明内容
为了克服现有技术的不足，本发明提供一种烧结混合料粒度组成的预测方法，解决了预测混合料粒度分布的准确性和及时性问题，使在不同的配矿方案下，预测混合料粒度分布成为可能，进而提高烧结矿产量和质量。
为了达到上述目的，本发明采用以下技术方案实现：
一种烧结混合料粒度组成的预测方法，在铁矿石烧结生产过程中，通过天然铁矿石的原始粒度分布预测每一料堆制粒后烧结混合料的粒度组成，该方法具体包括如下步骤：
步骤1)将烧结配矿方案中的天然铁矿石按照：L>8mm、5mm≤L≤8mm、3mm≤L＜5mm、1mm≤L＜3mm、L <1mm粒度级别进行筛分，L为天然铁矿石粒度，mm，由以下公式得到不同种类天然铁矿石各个粒级的总体分布：
L>8mm粒度的总和
5mm≤L≤8mm粒度的总和
3mm≤L＜5mm粒度的总和
1mm≤L＜3mm粒度的总和
L<1mm粒度的总和
式中：Ti为i种天然矿石的配加比例，％；
Ai为i种天然铁矿石粒度组成中L>8mm的占比，％；
Bi为i种天然铁矿石粒度组成中5mm≤L≤8mm的占比，％；
Ci为i种天然铁矿石粒度组成中3mm≤L＜5mm的占比，％；
Di为i种天然铁矿石粒度组成中1mm≤L＜3mm的占比，％；
Ei为i种天然铁矿石粒度组成中L<1mm的占比，％。
步骤2)按照烧结配矿方案，在生产前进行预先制粒，对制粒后的烧结混合料按照L制粒后的烧结混合料>8mm、5mm≤L制粒后的烧结混合料≤8mm、3mm≤L制粒后的烧结混合料＜5mm、1mm≤L制粒后的烧结混合料＜3mm、L制粒后的烧结混合料<1mm粒度级别进行筛分，L制粒后的烧结混合料为制粒后的烧结混合料粒度，mm。
将上述＞8mm，5～8mm，3～5mm，1～3mm粒度级别的烧结混合料分别采用水筛和/或显微镜两种方式进行核心颗粒的筛选和测定，得到不同粒级的天然铁矿石为核心颗粒的烧结混合料，其百分含量分别为K1，K2，K3，K4。
步骤3)L烧为烧结混合料粒度，mm，烧结混合料粒度组成如下：
L烧>8mm的粒度级别百分含量＝L>8/K1，
5mm≤L烧≤8mm的粒度级别百分含量＝L5-8/K2，
3mm≤L烧＜5mm的粒度级别百分含量＝L3-5/K3，
1mm≤L烧＜3mm的粒度级别百分含量＝L1-3/K4，
L烧<1mm的粒度级别百分含量＝N×M-R/S；
式中：N为＜1mm粒度级别中的实际固体燃料含量占整个混合料中总固体燃料含量的百分比与＜1mm的粒度级别中的燃料百分含量的比值；
R为烧结配矿方案中天然铁矿粉的配加比例，％；
S为烧结配矿方案中精矿的配加比例，％；
M为烧结配矿方案中总燃料的配加比例，％，M为干量。
燃料为焦粉、煤粉、生物质燃料中的一种或几种。
作为本发明技术方案的进一步改进，所述步骤1)筛分时将混合料放入液氮中冷却3分钟以上。
作为本发明技术方案的进一步改进，所述步骤3)N的数值为2.6～4.5。根据铁矿粉的粒度变化，K1为70％～80％，K2为65％～75％，K3为55％～65％，K4为60％～75％。
作为本发明技术方案的进一步改进，所述步骤3)精矿配比为0时，L烧<1mm的粒度级别百分含量＝N×M-10％。
与现有方法相比，本发明的有益效果是：
1、在粉矿为主的烧结制粒过程中，形成的小球颗粒强度高，不易被破坏，也不会多个颗粒不停的聚集长大，在约2～3分钟的时间内，大部分已经达到了最终的颗粒直径，并且形成的颗粒数量也相对比较稳定。
本发明基于烧结混合料的核心颗粒主要以天然铁矿石为主，并且颗粒数量稳定的理论，通过原始天然铁矿石的粒度分布，通过构建以天然铁矿石为核心颗粒的分布模型，建立了原始铁矿石的颗粒分布与烧结混合料粒度分布的直接数学关系，进而建立了最终烧结混合料粒度组成的预测方法。
该方法直接跨过了影响因素最多，过程最难以定量化等的打水制粒过程，从而直接跨过了最难以定量化的混合和制粒过程，解决了一直困扰预测混合料粒度粒度分布准确性的最关键问题，从根本上解决了混合料粒度组成预测的关键问题，而且简单、高效且易于生产现场应用。
2、本发明筛分时将混合料放入液氮中冷却3分钟以上。通过将混合料放入液氮中冷却，可以快速的将水分锁定在混合料中，减少混合料之间，以及混合料与筛分装置间的黏连现象，筛分更加准确和高效。
3、本发明设定N的数值为2.6～4.5，K1为70％-80％，K2为65％～75％，K3为55％～65％，K4为60％～75％。运用混合料核颗粒成球的原理，不仅可以快速准确的提高预测混合料粒度粒度分布准确性，也易于生产现场操作。
4、本发明精矿配比为0时，L烧<1mm的粒度级别百分含量＝N×M-10。可提高预测的准确性。
具体实施方式
本发明公开了一种烧结混合料粒度组成的预测方法。本领域技术人员可以借鉴本文内容，适当改进工艺参数实现。特别需要指出的是，所有类似的替换和改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明中。本发明的方法及应用已经通过较佳实施例进行了描述，相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的方法和应用进行改动或适当变更与组合，来实现和应用本发明技术。
一种烧结混合料粒度组成的预测方法，在铁矿石烧结生产过程中，通过天然铁矿石的原始粒度分布预测每一料堆制粒后烧结混合料的粒度组成，具体包括如下步骤：
步骤一、根据每个料堆的烧结配矿方案，天然铁矿粉的总配加比例为R，精矿的配加比例为S，总燃料配比为M(干量)，对配矿方案中的天然铁矿石按照>8mm，5～8mm，3～5mm，1～3mm，<1mm粒度级别进行筛分，由以下公式得到不同天然铁矿石各个粒级的总体分布：
大于8mm粒度的总和：
5～8mm粒度的总和：
3～5mm粒度的总和：
1～3mm粒度的总和：
<1mm粒度的总和：
燃料为焦粉、煤粉和生物质燃料的一种或几种的混合物。
式中：Ti为i种天然矿石的配加比例，％；Ai为i种天然铁矿石粒度组成中>8mm的占比，％；Bi为i种天然铁矿石粒度组成中5～8mm的占比；Ci为i种天然铁矿石粒度组成中3～5mm的占比，％；Di为i种天然铁矿石粒度组成中1～3mm的占比；Ei为i种天然铁矿石粒度组成中<1mm的占比。
步骤二、按照配矿方案，在生产之前进行预先制粒，对制粒后的烧结混合料按照>8mm，5～8mm，3～5mm，1～3mm，<1mm的粒度级别进行筛分，并将>8mm，5～8mm，3～5mm，1～3mm粒度的混合料分别采用水筛、显微镜两种方式进行核心颗粒的筛选和测定，得到不同粒级中以天然铁矿石为核心颗粒的百分含量分别为K1，K2，K3，K4。混合料粒度筛分时，需将混合料放入液氮中进行冷却3分钟以上。
步骤三、烧结混合料粒度组成中：
大于8mm的粒度级别百分含量＝L>8/K1，
5-8mm的粒度级别百分含量＝L5-8/K2，
3-5mm的粒度级别百分含量＝L3-5/K3，
1-3mm的粒度级别百分含量＝L1-3/K4，
<1mm的粒度级别百分含量＝N×M-R/S。
N为＜1mm粒度级别中的实际固体燃料含量占整个混合料中总固体燃料含量的百分比与＜1mm的粒度级别中的燃料百分含量的比值，其数值范围为2.6～4.5。
在精矿配比为0时，<1mm的粒度级别百分含量＝N×M-10％。
根据铁矿粉的粒度变化，K1的范围为70％～80％，K2的范围为65％～75％，K3的范围为55％～65％，K4的范围为60％～75％。
【实施例】
对烧结生产用天然铁矿石进行筛分，天然铁矿石的原始粒度组成如表1所示。
表1天然铁矿石原始粒度分布％
| 高巴西粉 | 杨迪粉 | 纽曼粉 | 哈粉 | 罗伊山 | 精粉 | |
| ＞8mm | 12.70 | 26.90 | 11.70 | 11.71 | 23.63 | |
| 5～8mm | 17.90 | 22.80 | 18.10 | 16.02 | 27.85 | |
| 3～5mm | 17.50 | 21.20 | 17.10 | 18.21 | 15.15 | |
| 1～3mm | 24.40 | 18.70 | 26.50 | 24.79 | 17.62 | |
| ＜1mm | 27.50 | 10.40 | 26.70 | 29.28 | 15.75 | 100 |
实施例1：
根据资源和配矿要求，天然的铁矿石的配矿方案如下表2。
表2配矿方案％
| 高巴西粉 | 杨迪 | 纽曼粉 | 哈粉 | 罗伊山 | 精粉 | |
| 配比 | 20.08 | 16.96 | 0 | 32.5 | 6.7 | 9.91 |
该方案生产时燃料为焦粉，配加量为4.1％(干量)，得到不同天然铁矿石各个粒级的综合分布，如表3。
表3不同天然矿石的粒度综合分布％
| ＞8mm | 5～8mm | 3～5mm | 1～3mm | ＜1mm | |
| 天然矿石 | 12.50 | 14.53 | 14.04 | 17.31 | 27.77 |
按照配矿方案，在生产之前进行预先制粒，对制粒后的烧结混合料在液氮中冷冻4分钟后按照>8mm，5～8mm，3～5mm，1～3mm，<1mm的粒度级别进行筛分，并将>8mm，5～8mm，3～5mm，1～3mm粒度的混合料分别采用水筛、显微镜两种方式进行核心颗粒的筛选和测定，得到不同粒级中以天然铁矿石为核心颗粒的百分含量分列于表4中。
表4铁矿石的核颗粒含量％
| 铁矿石核颗粒质量含量/％ | |
| K1 | 75 |
| K2 | 74 |
| K3 | 62 |
| K4 | 64 |
测得＜1mm粒度级别中的实际燃料含量占总燃料含量的百分比与＜1mm粒度级别中的百分燃料含量的比值为3.6，根据计算公式得到混合料粒度的预测结果和实际结果对比列于表5中。
表5实际检测结果和预测结果对比
| ％ | ＞8mm | 5～8mm | 3～5mm | 1～3mm | ＜1mm | 平均粒径 |
| 预测粒度 | 18.206 | 21.452 | 24.739 | 29.539 | 6.065 | 4.73mm |
| 实测粒度 | 18.1 | 21.5 | 25.2 | 29.8 | 6.1 | 4.75mm |
从预测结果和实际结果对比，两者平均粒径的差值只有0.02mm，并且粒度组成的差均在误差范围内，可见预测方法非常有针对性，结果也非常准确。
实施例2：
根据资源和配矿要求，天然的铁矿石的配矿方案如下表6。
表6配矿方案％
| 高巴西粉 | 杨迪 | 纽曼粉 | 哈粉 | 罗伊山 | 精粉 | |
| 配比 | 19.46 | 17.33 | 9.97 | 23.91 | 6.99 | 9.92 |
该方案生产时燃料为焦粉，配加量为4.2％(干量)，得到不同天然铁矿石各个粒级的综合分布，如表7。
表7不同天然矿石的粒度综合分布％
| ＞8mm | 5～8mm | 3～5mm | 1～3mm | ＜1mm | |
| 天然矿石 | 12.75 | 15.02 | 14.19 | 17.79 | 27.84 |
按照配矿方案，在生产之前进行预先制粒，对制粒后的烧结混合料在液氮中冷冻5分钟后按照>8mm，5～8mm，3～5mm，1～3mm，<1mm的粒度级别进行筛分，并将>8mm，5～8mm，3～5mm，1～3mm粒度的混合料分别采用水筛、显微镜两种方式进行核心颗粒的筛选和测定，得到不同粒级中以天然铁矿石为核心颗粒的百分含量分列于表8中。
表8铁矿石的核颗粒含量％
| 铁矿石核颗粒质量含量/％ | |
| K1 | 74 |
| K2 | 70 |
| K3 | 60 |
| K4 | 67 |
测得＜1mm粒度级别中的实际燃料含量占总燃料含量的百分比与＜1mm粒度级别中的百分燃料含量的比值为3.55，根据计算公式得到混合料粒度的预测结果和实际结果对比列于表9中。
表9实际检测结果和预测结果对比
| ％ | ＞8mm | 5～8mm | 3～5mm | 1～3mm | ＜1mm | 平均粒径 |
| 预测粒度 | 18.244 | 22.712 | 25.035 | 28.112 | 5.897 | 4.80mm |
| 实测粒度 | 17.9 | 23.1 | 25.0 | 28.0 | 6.2 | 4.79mm |
从预测结果和实际结果对比，两者平均粒径的差值只有0.01mm，并且粒度组成的差均在误差范围内，可见预测方法非常有针对性，结果也非常准确。
实施例3：
根据资源和配矿要求，天然的铁矿石的配矿方案如下表10。
表10配矿方案％
| 高巴西粉 | 杨迪 | 纽曼粉 | 哈粉 | 罗伊山 | 精粉 | |
| 配比 | 25.97 | 11.86 | 16.81 | 25.77 | 4.75 | 0 |
该方案生产时燃料为焦粉，配加量为4.3％(干量)，得到不同天然铁矿石各个粒级的综合分布，如表11。
表11不同天然矿石的粒度综合分布％
| ＞8mm | 5～8mm | 3～5mm | 1～3mm | ＜1mm | |
| 天然矿石 | 12.60 | 15.85 | 15.33 | 20.23 | 21.16 |
按照配矿方案，在生产之前进行预先制粒，对制粒后的烧结混合料在液氮中冷冻5分钟后按照>8mm，5～8mm，3～5mm，1～3mm，<1mm的粒度级别进行筛分，并将>8mm，5-8mm，3-5mm，1-3mm粒度的混合料分别采用水筛、显微镜两种方式进行核心颗粒的筛选和测定，得到不同粒级中以天然铁矿石为核心颗粒的百分含量分列于表12中。
表12铁矿石的核颗粒含量％
| 铁矿石核颗粒质量含量/％ | |
| K1 | 78 |
| K2 | 72 |
| K3 | 65 |
| K4 | 70 |
测得＜1mm粒度级别中的实际燃料含量占总燃料含量的百分比与＜1mm粒度级别中的百分燃料含量的比值为3.6，精矿配比为0，所以根据计算公式得到混合料粒度的预测结果和实际结果对比列于表13中。
表13实际检测结果和预测结果对比
| ％ | ＞8mm | 5～8mm | 3～5mm | 1～3mm | ＜1mm | 平均粒径 |
| 预测粒度 | 16.799 | 22.896 | 24.534 | 30.071 | 5.701 | 4.70mm |
| 实测粒度 | 17.4 | 23.2 | 24.6 | 30.2 | 5.5 | 4.78mm |
从预测结果和实际结果对比，两者平均粒径的差值只有0.08mm，可见预测方法非常有针对性，结果也非常准确。
本发明通过构建以天然铁矿石为核心颗粒的分布模型，建立了原始铁矿石的颗粒分布与烧结混合料粒度分布的直接数学关系，从而直接跨过了最难以定量化的混合和制粒过程，解决了一直困扰预测混合料粒度粒度分布准确性的最关键问题，使在不同的配矿方案下，预测混合料粒度分布成为可能，为优化配矿以及合理采购矿石提供了技术指导，进而提高烧结矿的产量和质量。
本发明通过模型预测，在满足烧结原料配比计算前提条件下，便可搭配各种不同粒度分布的铁矿石，合理利用各种铁矿石资源，从而提高烧结矿质量，降低能耗，降低生产成本，提高企业的市场竞争力。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种烧结混合料粒度组成的预测方法，其特征在于，通过天然铁矿石的原始粒度分布预测制粒后烧结混合料的粒度组成，该方法具体包括如下步骤：
步骤1)将烧结配矿方案中的天然铁矿石按照：L>8mm、5mm≤L≤8mm、3mm≤L＜5mm、1mm≤L＜3mm、L<1mm粒度级别进行筛分，L为天然铁矿石粒度，mm，由以下公式得到不同种类天然铁矿石各个粒级的总体分布：
L>8mm粒度的总和
5mm≤L≤8mm粒度的总和
3mm≤L＜5mm粒度的总和
1mm≤L＜3mm粒度的总和
L<1mm粒度的总和
式中：Ti为i种天然矿石的配加比例，％；
Ai为i种天然铁矿石粒度组成中L>8mm的占比，％；
Bi为i种天然铁矿石粒度组成中5mm≤L≤8mm的占比，％；
Ci为i种天然铁矿石粒度组成中3mm≤L＜5mm的占比，％；
Di为i种天然铁矿石粒度组成中1mm≤L＜3mm的占比，％；
Ei为i种天然铁矿石粒度组成中L<1mm的占比，％；
步骤2)按照烧结配矿方案，在生产前进行预先制粒，对制粒后的烧结混合料按照L制粒后的烧结混合料>8mm、5mm≤L制粒后的烧结混合料≤8mm、3mm≤L制粒后的烧结混合料＜5mm、1mm≤L制粒后的烧结混合料＜3mm、L制粒后的烧结混合料<1mm粒度级别进行筛分，L制粒后的烧结混合料为制粒后的烧结混合料粒度，mm；
将上述粒度>8mm、5mm≤粒度≤8mm、3mm≤粒度＜5mm、1mm≤粒度＜3mm粒度级别的烧结混合料分别进行核心颗粒的筛选和测定，得到不同粒级的天然铁矿石为核心颗粒的烧结混合料，其百分含量分别为K1，K2，K3，K4；
步骤3)L烧为烧结混合料粒度，mm，烧结混合料粒度组成如下：
L烧>8mm的粒度级别百分含量＝L>8/K1，
5mm≤L烧≤8mm的粒度级别百分含量＝L5-8/K2，
3mm≤L烧＜5mm的粒度级别百分含量＝L3-5/K3，
1mm≤L烧＜3mm的粒度级别百分含量＝L1-3/K4，
L烧<1mm的粒度级别百分含量＝N×M-R/S；
式中：N为＜1mm粒度级别中的实际固体燃料含量占整个混合料中总固体燃料含量的百分比与＜1mm的粒度级别中的燃料百分含量的比值；
R为烧结配矿方案中天然铁矿粉的配加比例，％；
S为烧结配矿方案中精矿的配加比例，％；
M为烧结配矿方案中总燃料的配加比例，％，M为干量。
2.根据权利要求1所述的一种烧结混合料粒度组成的预测方法，其特征在于，所述步骤2)制粒后的烧结混合料粒度筛分时，将混合料放入液氮中冷却3分钟以上。
3.根据权利要求1所述的一种烧结混合料粒度组成的预测方法，其特征在于，所述步骤2)并将不同粒度级别的烧结混合料分别采用水筛和/或显微镜两种方式进行核心颗粒的筛选和测定，得到不同粒级的天然铁矿石为核心颗粒的烧结混合料。
4.根据权利要求1所述的一种烧结混合料粒度组成的预测方法，其特征在于，所述步骤3)燃料为焦粉、煤粉、生物质燃料中的一种或几种。
5.根据权利要求1所述的一种烧结混合料粒度组成的预测方法，其特征在于，所述步骤3)N的数值为2.6～4.5。
6.根据权利要求1所述的一种烧结混合料粒度组成的预测方法，其特征在于，所述步骤3)精矿配比为0时，L烧<1mm的粒度级别百分含量＝N×M-10％。
7.根据权利要求1所述的一种烧结混合料粒度组成的预测方法，其特征在于，所述步骤3)根据铁矿粉的粒度变化，K1为70％～80％，K2为65％～75％，K3为55％～65％，K4为60％～75％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310288511.7A CN116386757A (zh) | 2023-03-23 | 2023-03-23 | 一种烧结混合料粒度组成的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310288511.7A CN116386757A (zh) | 2023-03-23 | 2023-03-23 | 一种烧结混合料粒度组成的预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116386757A true CN116386757A (zh) | 2023-07-04 |
Family
ID=86964962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310288511.7A Pending CN116386757A (zh) | 2023-03-23 | 2023-03-23 | 一种烧结混合料粒度组成的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116386757A (zh) |
-
2023
- 2023-03-23 CN CN202310288511.7A patent/CN116386757A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101381809B (zh) | 钒钛磁铁矿烧结矿的制备方法 | |
| CN102659334B (zh) | 一种矿粉及制备方法和免压蒸养护的phc管桩生产方法 | |
| CN103468843B (zh) | 用低品位高有害元素贫杂矿生产合格生铁的方法 | |
| CN111175449A (zh) | 一种强力混合强化铁矿烧结原料混合均匀性的评价方法 | |
| CN104630461B (zh) | 一种钛矿球团及其制备方法 | |
| CN110600086A (zh) | 一种基于铁矿石高温冶金性能的配矿方法 | |
| CN101525686B (zh) | 一种高强度煤基直接还原生球块的制造方法及其设备 | |
| CN103882224B (zh) | 一种低品位红土镍矿的耦合式烧结方法 | |
| Wu et al. | Strengthening granulation behavior of specularite concentrates based on matching of characteristics of iron ores in sintering process | |
| CN110331244B (zh) | 一种合理使用多粒级烧结矿的高炉布料调节方法 | |
| CN101463421A (zh) | 配加氧化铁皮生产球团矿的方法 | |
| CN105420430A (zh) | 一种钒钛磁铁矿高炉炉料结构及高炉冶炼方法 | |
| CN116386757A (zh) | 一种烧结混合料粒度组成的预测方法 | |
| CN109785910B (zh) | 铁矿石优化配矿与烧结方法 | |
| CN111996367A (zh) | 一种超细煤粉在烧结中的利用方法及烧结混合料 | |
| Wu et al. | Effect of characteristics of fine iron ores on the granulation behavior of concentrate in sintering granulation process | |
| CN114196823B (zh) | 一种高配比海砂型钒钛磁铁矿多壳层球团及其制备方法 | |
| CN114410959A (zh) | 一种烧结制粒小球中燃料分布的计算方法 | |
| CN114737053A (zh) | 一种基于除尘灰微粒铺底的烧结方法 | |
| CN102978383B (zh) | 使用易熔低品位矿粉和难熔高品位矿粉制备烧结矿的方法 | |
| CN113652545A (zh) | 一种大堆角熔剂性球团生产方法 | |
| CN103276271B (zh) | 一种高纯高活性钼球及制备方法 | |
| CN106834662B (zh) | 一种基于多工况烧结过程的co/co2比值预测方法 | |
| CN110699544A (zh) | 一种高碳铬铁的制备方法 | |
| CN111560515B (zh) | 一种球团生产的控制方法 |
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 |