CN116536510A - 一种烧结矿FeO含量智能控制系统及方法 - Google Patents
一种烧结矿FeO含量智能控制系统及方法 Download PDFInfo
- Publication number
- CN116536510A CN116536510A CN202310332634.6A CN202310332634A CN116536510A CN 116536510 A CN116536510 A CN 116536510A CN 202310332634 A CN202310332634 A CN 202310332634A CN 116536510 A CN116536510 A CN 116536510A
- Authority
- CN
- China
- Prior art keywords
- value
- sintering
- feo
- mixture
- content
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005245 sintering Methods 0.000 claims abstract description 169
- 239000000203 mixture Substances 0.000 claims abstract description 143
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 104
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 103
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 239000004449 solid propellant Substances 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 25
- 238000003556 assay Methods 0.000 claims abstract description 9
- 239000002912 waste gas Substances 0.000 claims abstract description 6
- 239000003517 fume Substances 0.000 claims abstract description 5
- 230000001419 dependent effect Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 14
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 claims description 13
- 239000004615 ingredient Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 2
- 239000011707 mineral Substances 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 184
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 10
- 239000000292 calcium oxide Substances 0.000 description 5
- 235000012255 calcium oxide Nutrition 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000428 dust Substances 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 235000019738 Limestone Nutrition 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Geology (AREA)
- Manufacturing & Machinery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明公开了一种烧结矿FeO含量智能控制系统及方法,首先检测烧结混合料中碳元素含量,烧结矿中FeO含量;根据成品烧结矿FeO含量历史数据,建立烧结矿FeO在线检测值与化验值之间的对应关系;再将对应时序的烧结混合料原始FeO含量、混合料水分值、烧结返矿配比、烧结混合料碳含量值、烧结混合料碱度值、烧结料层厚度值、烧结总管废气温度值、冷却机烟罩温度的单位时间温降值作为自变量,将FeO在线检测值作为因变量,建立关系式;基于该关系式计算出烧结混合料碳含量值的控制目标值;调整固体燃料在烧结混合料中的配比,使得当前烧结混合料中碳含量为控制目标值,进而控制烧结矿FeO含量。本发明实现了烧结矿FeO含量的稳定控制。
Description
技术领域
本发明属于烧结技术领域,更具体地说,涉及一种烧结矿FeO含量智能控制系统及方法。
背景技术
在实际生产中,经常将烧结矿中FeO含量作为评价烧结生产的一项综合指标,因为它不仅反映烧结过程中的热量控制状态和烧结生产水平的高低,同时也是影响烧结矿质量的主要因素之一,尤其是关系到烧结矿热态性能的一个重要因素。减少烧结矿中FeO含量,可提升烧结矿还原性,但若FeO含量过低,反而会恶化烧结矿部分理化性能指标。FeO含量与烧结矿的转鼓强度、低温还原粉化率、还原性有很大的相关性,是影响高炉炉况顺行的一个重要参数。烧结矿FeO含量的波动区间越窄,烧结过程便越稳定。
常规的烧结矿FeO含量的调整是通过对烧结矿成品的成分进行检测,判定当前设定的烧结固体燃料配比是否合适;这种烧结矿FeO含量调整的方法存在时间滞后长的问题,且调整的有效性依赖于原燃料成分、烧结过程控制的相对稳定和操作人员的经验,故烧结矿FeO含量调整的控制精度不足,易引起烧结矿性能及质量的阶段性波动。
经检索,公开号为CN 111128313 A的申请案公开了一种烧结矿FeO含量检测方法及系统,该方法通过获取热图像,并结合烧结机机尾部粉尘变化规律提取关键帧图像,根据关键帧图像,利用机尾台车几何特征,提取感兴趣的红外热图像,从而获得烧结矿断面红外热图像,基于烧结矿断面红外热图像,提取描述烧结矿质量的浅层次特征和深层次特征,建立基于吉布斯自由能定理的烧结过程多相热力学模型,并根据多相热力学模型,获得烧结矿最高温时的FeO含量分类特征以及建立基于多类异质特征的FeO含量预测模型,并利用浅层次特征、深层次特征以及FeO含量分类特征,实时在线预测烧结矿FeO含量。
又如,中国专利公开号为CN 113517037 A的申请案,公开了一种数据与知识融合的烧结矿FeO预测方法及系统,通过获取与烧结矿FeO含量关联的样本参数和样本参数的数据密度中心,基于烧结料层最高温度利用机理知识库在线推理烧结FeO含量等级以及根据样本参数的数据密度中心和烧结FeO含量等级,构建烧结过程FeO含量在线估计模型,实现预测烧结矿FeO含量,解决了现有烧结矿FeO含量预测精度低的技术问题,且通过利用基于核函数高维映射数据密度中心提取解决由于采样频率不一造成的数据不统一的问题,有利于提高烧结矿FeO含量预测精度。
但上述方法均基于数据分析预测烧结矿FeO含量,存在预测准确性的问题,且不能完全实时指导烧结矿FeO调整时的对应烧结固体燃料量的调整,因此不能完全满足烧结实际生产的需求。
发明内容
1.发明要解决的技术问题
鉴于上述现有技术中的不足,本发明提供了一种烧结矿FeO含量智能控制系统及方法,本发明通过实时检测成品烧结矿FeO含量与烧结混合料的碳含量,以及烧结过程参数合理修正烧结混合料碳含量的控制,并通过实时调整烧结固体燃料的配比,最终实现烧结矿FeO含量的稳定和精确控制。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种烧结矿FeO含量智能控制方法,其步骤为:
步骤一、检测烧结混合料中的碳元素含量,以及烧结矿中FeO的含量;
步骤二、根据成品烧结矿成分化验分析获得的FeO含量历史数据,建立烧结矿FeO在线检测值与烧结矿FeO化验值之间的对应关系;
步骤三、获取当前烧结混合料的原始FeO含量,混合料水分值,烧结返矿配比,以及烧结混合料碱度值;
步骤四、获取烧结料层厚值,烧结总管废气温度值,以及冷却机烟罩温度的单位时间温降值,以及延时至成品出矿处的FeO在线检测值;
步骤五、将对应时序的烧结混合料的原始FeO含量、混合料水分值、烧结返矿配比、烧结混合料碳含量值、烧结混合料碱度值、烧结料层厚度值、烧结总管废气温度值、冷却机烟罩温度的单位时间温降值作为自变量,将FeO在线检测值作为因变量,建立关系式;
步骤六、基于烧结矿FeO含量控制的目标值,利用步骤二获得的对应关系,得出FeO在线检测值所对应控制的目标值;进而基于步骤五的关系式计算出烧结混合料碳含量值的控制目标值;
步骤七、将当前烧结混合料中碳含量与步骤六获得的控制目标值进行比较,调整固体燃料在烧结混合料中的配比,使得当前烧结混合料中碳含量为控制目标值,进而控制烧结矿FeO含量。
更进一步地,步骤一利用安装于二次混合机出料端的LIBS在线化学成分检测装置,检测烧结混合料中的碳元素含量;利用安装于出厂烧结矿皮带上的烧结矿FeO在线检测分析仪,检测烧结矿中FeO的含量。
更进一步地,步骤二建立的关系式为:FeO在线检测值=a×FeO化验值+b,其中a为回归系数,b为常量。
更进一步地,步骤三通过烧结混合料中各物料检测出的化学成分中的FeO含量,以及各物料的配料百分比进行加权计算,得烧结混合料的原始FeO含量;利用安装于二次混合机出料端的微波或红外水分检测装置获取烧结混合料水分检测值。
更进一步地,步骤四获取根据二次混合机后至烧结机烧结时相应流程延时后所对应烧结层厚值,以及延时至烧结冷却结束所对应的冷却机烟罩温度的单位时间温降值。
更进一步地,步骤四烧结料层厚度由红外层厚仪检测获取,对应的各温度参数由现场热电偶检测获取。
更进一步地,步骤五中所述各参数数值均取5分钟移动平均值,并利用偏最小二乘法获得关系式,偏最小二乘法获得的公式随着数据源的增加进行循环迭代更新,并基于所述关系式推导获得烧结混合料碳含量值的公式为:烧结混合料碳含量值=(FeO在线检测值-a×烧结混合料的原始FeO含量-b×混合料水分值-c×烧结返矿配比-e×烧结混合料碱度值-f×烧结料层厚度值-g×烧结总管废气温度值-h×冷却机烟罩温度的单位时间温降值-i)/d。
更进一步地,步骤七通过定期检测获取参与烧结配料各原辅料的碳含量,通过各物料检测出的化学成分中的碳含量以及各物料的配料百分比进行配料计算出烧结混合料的碳含量。
本发明的一种烧结矿FeO含量智能控制系统,包括:
LIBS在线化学成分检测设备,用于实时检测混合料中的碳含量,以及SiO2和CaO含量;
FeO在线检测分析设备,用于实时检测成品烧结矿的FeO含量;
红外层厚检测设备,用于实时检测烧结料层厚度值;
温度检测设备,用于实时检测烧结过程各温度参数;
控制单元,实时调整烧结固体燃料在烧结混合料中的配比,进而调节烧结固体燃料的配料量,以使当前烧结混合料中碳含量与目标控制值一致,进而控制烧结矿FeO含量。
更进一步地,所述控制单元包括:
烧结矿FeO在线检测与检验值的修正计算模块,用于实时计算修正烧结矿FeO在线检测值与实际化验值之间关系,发送至烧结混合料碳含量计算模块;
烧结混合料碳含量计算模块,用于计算当前烧结混合料中的碳含量,发送至烧结混合料碳含量调整控制模块;
烧结混合料碳含量调整控制模块,用于计算当前烧结混合料中碳含量与目标控制是否一致,并对烧结混合料碳含量进行PID调节;
烧结固体燃料配比调整计算模块,自动按烧结配料计算,进行烧结固体燃料配比的调整,实时调整烧结固体燃料的配料量,使得当前烧结混合料中的碳含量与目标控制碳含量一致。3.有益效果
采用本发明提供的技术方案,与已有的公知技术相比,具有如下显著效果:
本发明通过实时检测成品烧结矿FeO含量与烧结混合料的碳含量,建立烧结矿FeO在线检测值与烧结矿FeO化验值之间的对应关系,同时获取当前烧结混合料的原始FeO含量,混合料水分值,烧结返矿配比,烧结混合料碳含量和碱度值,烧结料层厚值,烧结总管废气温度值,以及冷却机烟罩温度的单位时间温降值,以及FeO在线检测值,建立关系式,并通过烧结过程参数合理修正烧结混合料碳含量的控制,来实时调整烧结固体燃料的配比,最终实现烧结矿FeO含量的稳定和精确控制。
附图说明
图1为烧结矿FeO智能控制流程示意图;
图2为烧结矿FeO智能控制系统结构示意图。
具体实施方式
为进一步了解本发明的内容,结合附图和实施例对本发明作详细描述。
实施例1
结合图1,本实施例的一种烧结矿FeO含量智能控制方法,具体过程如下:
S1、利用安装于二次混合机出料端皮带上方的LIBS在线化学成分检测装置,测定出烧结混合料中的碳元素含量。
具体为,应用光谱原理分析物质元素,在待测皮带上方的烧结混合料表面聚焦高功率脉冲激光束,使混合料中的原子、分子等持续电离,形成等离子体火花,在其冷却退激的过程发射本征辐射,通过光谱仪对其特征谱线的波长和强度进行测量,以定性并定量地分析出烧结混合料中的碳元素含量。
S2、利用安装于出厂烧结矿皮带上的烧结矿FeO在线检测分析仪,测定出烧结矿中的FeO的含量。
具体为,利用磁感应传感器,当被测烧结矿通过磁感应传感器时,磁感应传感器的磁通量会发生变化,通过检测变化得到烧结矿磁性指数,磁性指数与烧结矿中的FeO含量具有对应关系,进而根据磁性指数获得烧结矿中FeO的含量。
S3、根据成品烧结矿成分化验分析检测获得的FeO含量历史数据,并与烧结矿FeO在线检测分析对应数据,建立烧结矿FeO在线检测值与烧结矿FeO化验值之间的对应关系,即:FeO在线检测值=a×FeO化验值+b(公式1),其中a为回归系数,b为常量。
S4、获取当前烧结混合料的原始FeO含量,混合料水分值,烧结返矿配比,以及由LIBS在线化学成分检测装置检测出的烧结混合料碳含量(即S1测定的烧结混合料中的碳元素含量)和碱度值(CaO/SiO2比值)。
烧结混合料烧结形成烧结矿,烧结混合料中主要包括:混匀矿、返矿、熔剂、辅料、固体燃料、水;其中,熔剂主要包括:石灰石、生石灰、白云石;辅料主要包括:氧化铁皮、钢渣、生球、除尘灰、瓦斯灰中的任意一种或多种。通过各物料检测出的化学成分中的FeO含量以及各物料的配料百分比进行加权计算出烧结混合料的原始FeO含量。
利用安装于二次混合机出料端皮带上方的微波或红外水分检测装置获取烧结混合料水分检测值。
获取根据二次混合机后至烧结机烧结时相应流程延时后所对应烧结层厚值,烧结总管废气温度值,以及延时至烧结冷却结束所对应的冷却机烟罩温度的单位时间温降值(可反映出烧结矿在冷却机中的冷却强度),以及延时至成品出矿处的FeO在线检测值。
上述烧结料层厚度由红外层厚仪检测获取,对应的各温度参数由现场热电偶检测获取。
S5、将上述对应时序的烧结混合料的原始FeO含量、混合料水分值、烧结返矿配比、LIBS检测的碳含量值、LIBS检测的碱度值、烧结料层厚度值、烧结总管废气温度值、冷却机烟罩温度的单位时间温降值作为自变量,并将FeO在线检测值作为因变量,上述各数值均取5分钟移动平均值,建立数据库,并利用偏最小二乘法获得如下公式:
FeO在线检测值=a×烧结混合料的原始FeO含量+b×混合料水分值+c×烧结返矿配比+d×LIBS检测的碳含量值+e×LIBS检测的碱度值+f×烧结料层厚度值+g×烧结总管废气温度值+h×冷却机烟罩温度的单位时间温降值+i(公式2,其中a-h为回归系数,i为常数)
上述偏最小二乘法获得的公式可随着数据源的增加进行循环迭代更新。
由上述公式获得:LIBS检测的碳含量值=(FeO在线检测值-a×烧结混合料的原始FeO含量-b×混合料水分值-c×烧结返矿配比-e×LIBS检测的碱度值-f×烧结料层厚度值-g×烧结总管废气温度值-h×冷却机烟罩温度的单位时间温降值-i)/d。(公式3)
S6、基于烧结矿FeO含量控制的目标值,利用公式1计算出FeO在线检测值所对应控制的目标值。进而基于公式3计算出LIBS检测的碳含量值的控制目标值。
S7、检测当前烧结混合料中碳含量与上述方法获取的烧结混合料碳含量控制目标值进行比较,判断当前烧结混合料碳含量是否偏离控制目标值。
若烧结混合料碳含量检测结果偏离控制目标值,则调整固体燃料的在烧结混合料中的配比,使得当前烧结混合料中碳含量为控制目标值。
通过定期检测获取参与烧结配料各原辅料的碳含量,主要为烧结固体燃料的碳含量,含碳辅料诸如瓦斯灰、除尘灰中的碳含量,以及烧结返矿中的残碳含量,通过各物料检测出的化学成分中的碳含量以及各物料的配料百分比进行配料计算出烧结混合料的碳含量。
若当前烧结混合料中碳含量大于目标控制值,则减小固体燃料在烧结混合料中的配比,进而降低烧结固体燃料的配料量,即减小当前烧结混合料中的碳含量,以使当前烧结混合料中碳含量与目标控制值一致;若当前烧结混合料中碳含量小于目标控制值,则增大固体燃料在烧结混合料中的配比,进而增加烧结固体燃料的配料量,即增加当前烧结混合料中的碳含量,以使当前烧结混合料中碳含量与目标控制值一致;若当前烧结混合料中碳含量与控制目标值一致,则无需调整烧结固体燃料在烧结混合料中的配比,即无需调整烧结固体燃料的配料量。
本发明通过实时检测成品烧结矿FeO含量与烧结混合料的碳含量,以及烧结过程参数合理修正烧结混合料碳含量的控制,并通过实时调整烧结固体燃料的配比,最终实现烧结矿FeO含量的稳定和精确控制。实施后烧结利用系数提升0.011t/m2h;烧结矿FeO±0.7合格率提升5.86%;烧结矿成品率提高0.92%,烧结矿强度提高0.26%。
表1实施效果对比
实施例2
结合图2,本实施例的一种烧结矿FeO含量智能控制系统,包括:
LIBS在线化学成分检测设备,用于实时检测混合料中的碳含量,以及SiO2和CaO含量(进而获得烧结混合料的碱度值CaO/SiO2),发送至控制单元。
FeO在线检测分析设备,用于实时检测成品烧结矿的FeO含量,发送至控制单元。
红外层厚仪检测设备,用于实时检测烧结料层厚度值,发送至控制单元。
对应的各现场温度热电偶检测设备,用于实时检测烧结过程各温度参数,发送至控制单元。
控制单元,实时调整烧结固体燃料在烧结混合料中的配比,进而调节烧结固体燃料的配料量,以使当前烧结混合料中碳含量与目标控制值一致,即实时调整烧结固体燃料的配比使得烧结矿FeO含量最终与控制目标值一致。
所述控制单元包括:
烧结矿FeO在线检测与检验值的修正计算模块,用于实时计算修正烧结矿FeO在线检测值与实际化验值之间关系,发送至烧结混合料碳含量计算模块。
烧结混合料碳含量计算模块,用于计算当前烧结混合料中的碳含量,发送至烧结混合料碳含量调整控制模块。
烧结混合料碳含量调整控制模块,用于计算当前烧结混合料中碳含量与目标控制是否一致,并对烧结混合料碳含量进行PID调节。
烧结固体燃料配比调整计算模块,自动按烧结配料计算进行烧结固体燃料配比的调整,实时调整烧结固体燃料的配料量,使得当前烧结混合料中的碳含量与目标控制碳含量一致。
若当前烧结混合料中碳含量大于目标控制值,则减小固体燃料在烧结混合料中的配比,进而降低烧结固体燃料的配料量,即减小当前烧结混合料中的碳含量,以使当前烧结混合料中碳含量与目标控制值一致;若当前烧结混合料中碳含量小于目标控制值,则增大固体燃料在烧结混合料中的配比,进而增加烧结固体燃料的配料量,即增加当前烧结混合料中的碳含量,以使当前烧结混合料中碳含量与目标控制值一致;若当前烧结混合料中碳含量与控制目标值一致,则无需调整烧结固体燃料在烧结混合料中的配比,即无需调整烧结固体燃料的配料量。
本发明通过实时检测成品烧结矿FeO含量与烧结混合料的碳含量,以及烧结过程参数合理修正烧结混合料碳含量的控制,并通过实时调整烧结固体燃料的配比,最终实现烧结矿FeO含量的稳定和精确控制。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (10)
1.一种烧结矿FeO含量智能控制方法,其特征在于,其步骤为:
步骤一、检测烧结混合料中的碳元素含量,以及烧结矿中FeO的含量;
步骤二、根据成品烧结矿成分化验分析获得的FeO含量历史数据,建立烧结矿FeO在线检测值与烧结矿FeO化验值之间的对应关系;
步骤三、获取当前烧结混合料的原始FeO含量,混合料水分值,烧结返矿配比,以及烧结混合料碱度值;
步骤四、获取烧结料层厚值,烧结总管废气温度值,以及冷却机烟罩温度的单位时间温降值,以及延时至成品出矿处的FeO在线检测值;
步骤五、将对应时序的烧结混合料的原始FeO含量、混合料水分值、烧结返矿配比、烧结混合料碳含量值、烧结混合料碱度值、烧结料层厚度值、烧结总管废气温度值、冷却机烟罩温度的单位时间温降值作为自变量,将FeO在线检测值作为因变量,建立关系式;
步骤六、基于烧结矿FeO含量控制的目标值,利用步骤二获得的对应关系,得出FeO在线检测值所对应控制的目标值;进而基于步骤五的关系式计算出烧结混合料碳含量值的控制目标值;
步骤七、将当前烧结混合料中碳含量与步骤六获得的控制目标值进行比较,调整固体燃料在烧结混合料中的配比,使得当前烧结混合料中碳含量为控制目标值,进而控制烧结矿FeO含量。
2.根据权利要求1所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤一利用安装于二次混合机出料端的LIBS在线化学成分检测装置,检测烧结混合料中的碳元素含量;利用安装于出厂烧结矿皮带上的烧结矿FeO在线检测分析仪,检测烧结矿中FeO的含量。
3.根据权利要求2所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤二建立的关系式为:FeO在线检测值=a×FeO化验值+b,其中a为回归系数,b为常量。
4.根据权利要求3所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤三通过烧结混合料中各物料检测出的化学成分中的FeO含量,以及各物料的配料百分比进行加权计算,得烧结混合料的原始FeO含量;利用安装于二次混合机出料端的微波或红外水分检测装置获取烧结混合料水分检测值。
5.根据权利要求4所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤四获取根据二次混合机后至烧结机烧结时相应流程延时后所对应烧结层厚值,以及延时至烧结冷却结束所对应的冷却机烟罩温度的单位时间温降值。
6.根据权利要求5所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤四烧结料层厚度由红外层厚仪检测获取,对应的各温度参数由现场热电偶检测获取。
7.根据权利要求1-6任一项所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤五中所述各参数数值均取5分钟移动平均值,并利用偏最小二乘法获得关系式,偏最小二乘法获得的公式随着数据源的增加进行循环迭代更新,并基于所述关系式推导获得烧结混合料碳含量值的公式为:烧结混合料碳含量值=(FeO在线检测值-a×烧结混合料的原始FeO含量-b×混合料水分值-c×烧结返矿配比-e×烧结混合料碱度值-f×烧结料层厚度值-g×烧结总管废气温度值-h×冷却机烟罩温度的单位时间温降值-i)/d。
8.根据权利要求7所述的一种烧结矿FeO含量智能控制方法,其特征在于:步骤七通过定期检测获取参与烧结配料各原辅料的碳含量,通过各物料检测出的化学成分中的碳含量以及各物料的配料百分比进行配料计算出烧结混合料的碳含量。
9.一种烧结矿FeO含量智能控制系统,其特征在于,包括:
LIBS在线化学成分检测设备,用于实时检测混合料中的碳含量,以及SiO2和CaO含量;
FeO在线检测分析设备,用于实时检测成品烧结矿的FeO含量;
红外层厚检测设备,用于实时检测烧结料层厚度值;
温度检测设备,用于实时检测烧结过程各温度参数;
控制单元,实时调整烧结固体燃料在烧结混合料中的配比,进而调节烧结固体燃料的配料量,以使当前烧结混合料中碳含量与目标控制值一致,进而控制烧结矿FeO含量。
10.根据权利要求9所述的一种烧结矿FeO含量智能控制系统,其特征在于:所述控制单元包括:
烧结矿FeO在线检测与检验值的修正计算模块,用于实时计算修正烧结矿FeO在线检测值与实际化验值之间关系,发送至烧结混合料碳含量计算模块;
烧结混合料碳含量计算模块,用于计算当前烧结混合料中的碳含量,发送至烧结混合料碳含量调整控制模块;
烧结混合料碳含量调整控制模块,用于计算当前烧结混合料中碳含量与目标控制是否一致,并对烧结混合料碳含量进行PID调节;
烧结固体燃料配比调整计算模块,自动按烧结配料计算,进行烧结固体燃料配比的调整,实时调整烧结固体燃料的配料量,使得当前烧结混合料中的碳含量与目标控制碳含量一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310332634.6A CN116536510A (zh) | 2023-03-31 | 2023-03-31 | 一种烧结矿FeO含量智能控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310332634.6A CN116536510A (zh) | 2023-03-31 | 2023-03-31 | 一种烧结矿FeO含量智能控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116536510A true CN116536510A (zh) | 2023-08-04 |
Family
ID=87451309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310332634.6A Pending CN116536510A (zh) | 2023-03-31 | 2023-03-31 | 一种烧结矿FeO含量智能控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116536510A (zh) |
-
2023
- 2023-03-31 CN CN202310332634.6A patent/CN116536510A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103017530B (zh) | 烧结终点预测方法及系统 | |
CN101509812A (zh) | 一种冶金加热炉炉内钢坯温度分布检测的软测量方法 | |
US20230177313A1 (en) | Method for Predicting Burning Through Point Based on Encoder-Decoder Network | |
CN113359465B (zh) | 一种烧结配料成分智能控制的系统及方法 | |
CN106248707A (zh) | 一种快速联测闪速熔炼炉渣中Ni、Cu、Fe、S、CaO、MgO、SiO2、Pb、Zn、As、Sb、Bi的分析方法 | |
US20120256359A1 (en) | Method of setting temperature of continuous heating furnace and method of controlling furnace temperature | |
CN101082596A (zh) | 布料均匀性指数在线检测方法 | |
CN103364423A (zh) | 一种利用x射线荧光光谱仪测定尘泥球团成分的方法 | |
RU2647411C2 (ru) | Способ и система управления изменением частоты для главного вытяжного вентилятора агломерационной системы | |
CN116536510A (zh) | 一种烧结矿FeO含量智能控制系统及方法 | |
CN103045855B (zh) | 烧结矿层厚度预测方法及系统 | |
WO2018110521A1 (ja) | 高炉操業方法 | |
CN102994736A (zh) | 罩式炉退火模型修正方法 | |
CN107941738A (zh) | 一种品种钢氧化镁涂层中氮含量的检验方法 | |
CN1505687A (zh) | 增强在炉中处理的产品的冶金质量的方法 | |
KR101400052B1 (ko) | 전로 정련 방법 | |
KR20000045516A (ko) | 전로 조업에서 용강중 탄소농도 예측방법 및장치 | |
JP3228119B2 (ja) | 焼結原料の通気度計測装置と造粒水分制御方法 | |
CN111286570A (zh) | 利用扫描雷达调控异常操作炉型的方法 | |
JPH0813047A (ja) | 焼結機投入熱量制御方法 | |
CN103017532A (zh) | 烧结系统主抽风机变频控制方法及系统 | |
KR101370219B1 (ko) | 고로 집진수 pH 변화를 통한 고로내 로황 예측 기술 | |
CN112067656B (zh) | 一种指导气化炉操作的原煤品质预测及改善方法 | |
JPH0675037B2 (ja) | 溶鉄成分の検出方法およびそれに基づく精錬方法 | |
KR102449020B1 (ko) | 소결광 강도 예측 시스템 및 방법 |
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 |