CN117568550A - 多源化转炉冶炼状态监测方法及系统 - Google Patents
多源化转炉冶炼状态监测方法及系统 Download PDFInfo
- Publication number
- CN117568550A CN117568550A CN202410038955.XA CN202410038955A CN117568550A CN 117568550 A CN117568550 A CN 117568550A CN 202410038955 A CN202410038955 A CN 202410038955A CN 117568550 A CN117568550 A CN 117568550A
- Authority
- CN
- China
- Prior art keywords
- product
- converter
- sum
- smelting
- trend
- 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
- 238000003723 Smelting Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 46
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 36
- 230000006870 function Effects 0.000 claims abstract description 36
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 36
- 239000001301 oxygen Substances 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000007664 blowing Methods 0.000 claims abstract description 34
- 230000001174 ascending effect Effects 0.000 claims abstract description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 72
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 43
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 37
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 35
- 239000003546 flue gas Substances 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 239000001569 carbon dioxide Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000000779 smoke Substances 0.000 claims description 15
- 230000001419 dependent effect Effects 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000004868 gas analysis Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 239000002893 slag Substances 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000001035 drying Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000003825 pressing Methods 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 239000003517 fume Substances 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- CSJDCSCTVDEHRN-UHFFFAOYSA-N methane;molecular oxygen Chemical compound C.O=O CSJDCSCTVDEHRN-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
- C21C5/28—Manufacture of steel in the converter
- C21C5/30—Regulating or controlling the blowing
-
- 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
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
本发明涉及数据处理技术领域，具体提供一种多源化转炉冶炼状态监测方法及系统，包括：在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的所述趋势组合与冶炼状态的对应关系，预测冶炼状态。本发明达到了转炉冶炼过程的持续动态预测效果，并结合转炉冶炼过程专家经验判定，予以提前工艺调整，实现转炉冶炼过程的高效、平稳。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种多源化转炉冶炼状态监测方法及系统。
背景技术
当前，转炉冶炼过程因其炉内温度高、液态渣金多相共存、反应剧烈等原因，炉内反应连续持续检测困难，存在“黑箱”化作业的特征，尤其在转炉冶炼过程存在喷溅、返干等异常情况，给转炉冶炼过程平稳控制带来极大危害，导致转炉冶炼钢铁料和辅原料消耗增加、钢水终点质量无法保障、环境污染问题突出等。
在转炉冶炼后期，有副枪检测但无法满足转炉吹炼全过程动态持续检测；部分研究人员结合物化反应机理构建了过程温度和成分预测模型，但仍然存在预测误差大等问题；因转炉炉内反应剧烈，对冶炼过程反应状态进行有效预测，对转炉平稳、高效生产至关重要。
发明内容
针对现有技术的上述不足，本发明提供一种多源化转炉冶炼状态监测方法及系统，以解决上述技术问题。
第一方面，本发明提供一种多源化转炉冶炼状态监测方法，包括：
在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；
将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；
分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；
根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的趋势组合与冶炼状态的对应关系，预测冶炼状态。
进一步的，在对转炉吹氧期间，持续从多个检测设备采集多组检测数据，包括：
在转炉吹氧期间，持续从音频化渣设备提取音频强度I，并同步从烟气分析设备采集一氧化碳浓度和二氧化碳浓度。
进一步的，方法还包括：
对于不同冶炼时期，每秒采集一次音频强度I、一氧化碳浓度和二氧化碳浓度；
绘制音频强度I曲线、一氧化碳浓度曲线和二氧化碳浓度曲线；
从多条曲线中分别选取出不存在峰值或谷值的多条线段，并将多条线段中的最短线段对应的时间长度设定为曲线拟合的数据范围，时间长度的单位为秒。
进一步的，分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数，包括：
将转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I，分别设定为纵坐标为因变量Y，将tn-5至tn按秒计时的时间序列时间设定为横坐标为自变量X；
计算自变量X和因变量Y的均值，分别记为X_mean和Y_mean；
计算每个离散点与均值之间的差值，分别记为△X和△Y；
对每个离散点的△X和△Y进行乘积运算，得到乘积的和，记为sum_product；同时计算△X的平方和，记为sum_△X_squared；
采用最小二乘法进行斜率计算：
min Σ(Yi- f(Xi))^2；
其中，Σ表示求和，Yi是第i个转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I实际检测值；Xi是对应的转炉冶炼tn-5至tn时间序列时间值，f(Xi)是拟合函数的预测值；
计算斜率和截距，斜率（a）的计算公式为：a = sum_product / sum_△X_squared；截距（b）的计算公式为：b = Y_mean - a * X_mean；
将斜率和截距代入直线方程Y= a * X+ b，得到最佳拟合直线的方程。
进一步的，计算差值乘积与差值平方和：对每个离散点的△X和△Y进行乘积运算，得到乘积的和，包括：
从给定的离散点数据中选择一个点，记为 (X1, Y1)；
计算该点的 △X 和 △Y；△X 表示该点的 X 值与 X 的均值之间的差值，△Y 表示该点的 Y 值与 Y 的均值之间的差值；△X = X1- X_mean；△Y= Y1- Y_mean；
计算该点的 △X 与 △Y 的乘积，记为 product1：product1= △X * △Y
对每个离散点都进行相同的计算，得到每个点的乘积 product；
将所有乘积相加，得到乘积的和 sum_product：sum_product = productn-5+productn-4+productn-3+productn-2+productn-1+ productn；
最后得到的sum_product 就表示 △X 和 △Y 的乘积的和。
进一步的，根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的趋势组合与冶炼状态的对应关系，预测冶炼状态，包括：
对烟气分析CO%、CO2%浓度以及音频强度I 的5个离散点的曲线斜率分别定义为：
a【CO%】= sum_product【CO%】/ sum_△X_squared；a【CO2%】= sum_product【CO2%】/ sum_△X_squared；a【I】= sum_product【I】/ sum_△X_squared；
所述对应关系包括：
转炉冶炼过程喷溅预测：a【CO%】<0且a【CO2%】>0且a【I】<0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生喷溅趋势；
转炉冶炼过程返干预测：a【CO%】>0且a【CO2%】<0且a【I】>0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生返干趋势；
其它斜率组合均判定为转炉冶炼正常。
进一步的，方法还包括：
采集现场监控视频；
若监控视频存在火焰，则将出现火焰的视频帧时间记录为第一时间，并判断第一时间与预测的喷溅时间是否匹配，若不匹配则生成报错信息；
若监控视频存在频繁吊枪作业场景，则将频繁吊枪作业场景的开始时间记录为第二时间，并判断第二时间与预测的返干时间是否匹配，若不匹配则生成报错信息。
进一步的，在预测冶炼状态之后，方法还包括：
若冶炼状态为喷溅趋势，则执行压枪、压渣的控制策略；
若冶炼状态为返干趋势，则执行提枪、加含铁氧化物的控制策略。
第二方面，本发明提供一种多源化转炉冶炼状态监测系统，包括：
数据采集模块，用于在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；
数据转换模块，用于将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；
曲线拟合模块，用于分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；
状态预测模块，用于根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的趋势组合与冶炼状态的对应关系，预测冶炼状态。
进一步的，在对转炉吹氧期间，持续从多个检测设备采集多组检测数据，包括：
在转炉吹氧期间，持续从音频化渣设备提取音频强度I，并同步从烟气分析设备采集一氧化碳浓度和二氧化碳浓度。
进一步的，系统还包括：
对于不同冶炼时期，每秒采集一次音频强度I、一氧化碳浓度和二氧化碳浓度；
绘制音频强度I曲线、一氧化碳浓度曲线和二氧化碳浓度曲线；
从多条曲线中分别选取出不存在峰值或谷值的多条线段，并将多条线段中的最短线段对应的时间长度设定为曲线拟合的数据范围。
进一步的，分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数，包括：
将转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I，分别设定为纵坐标为因变量Y，将tn-5至tn按秒计时的时间序列时间设定为横坐标为自变量X；
计算自变量X和因变量Y的均值，分别记为X_mean和Y_mean；
计算每个离散点与均值之间的差值，分别记为△X和△Y；
对每个离散点的△X和△Y进行乘积运算，得到乘积的和，记为sum_product；同时计算△X的平方和，记为sum_△X_squared；
采用最小二乘法进行斜率计算：
min Σ(Yi- f(Xi))^2；
其中，Σ表示求和，Yi是第i个转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I实际检测值；Xi是对应的转炉冶炼tn-5至tn时间序列时间值，f(Xi)是拟合函数的预测值；
计算斜率和截距，斜率（a）的计算公式为：a = sum_product / sum_△X_squared；截距（b）的计算公式为：b = Y_mean - a * X_mean；
将斜率和截距代入直线方程Y= a * X+ b，得到最佳拟合直线的方程。
进一步的，计算差值乘积与差值平方和：对每个离散点的△X和△Y进行乘积运算，得到乘积的和，包括：
从给定的离散点数据中选择一个点，记为 (X1, Y1)；
计算该点的 △X 和 △Y；△X 表示该点的 X 值与 X 的均值之间的差值，△Y 表示该点的 Y 值与 Y 的均值之间的差值；△X = X1- X_mean；△Y= Y1- Y_mean；
计算该点的 △X 与 △Y 的乘积，记为 product1：product1= △X * △Y
对每个离散点都进行相同的计算，得到每个点的乘积 product；
将所有乘积相加，得到乘积的和 sum_product：sum_product = productn-5+productn-4+productn-3+productn-2+productn-1+ productn；
最后得到的sum_product 就表示 △X 和 △Y 的乘积的和。
进一步的，根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的趋势组合与冶炼状态的对应关系，预测冶炼状态，包括：
对烟气分析CO%、CO2%浓度以及音频强度I 的5个离散点的曲线斜率分别定义为：
a【CO%】= sum_product【CO%】/ sum_△X_squared；a【CO2%】= sum_product【CO2%】/ sum_△X_squared；a【I】= sum_product【I】/ sum_△X_squared；
所述对应关系包括：
转炉冶炼过程喷溅预测：a【CO%】<0且a【CO2%】>0且a【I】<0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生喷溅趋势；
转炉冶炼过程返干预测：a【CO%】>0且a【CO2%】<0且a【I】>0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生返干趋势；
其它斜率组合均判定为转炉冶炼正常。
进一步的，方法还包括：
采集现场监控视频；
若监控视频存在火焰，则将出现火焰的视频帧时间记录为第一时间，并判断第一时间与预测的喷溅时间是否匹配，若不匹配则生成报错信息；
若监控视频存在频繁吊枪作业场景，则将频繁吊枪作业场景的开始时间记录为第二时间，并判断第二时间与预测的返干时间是否匹配，若不匹配则生成报错信息。
本发明的有益效果在于，本发明提供的多源化转炉冶炼状态监测方法及系统，结合转炉冶炼过程的机理特征和实践分析，并以音频化渣、烟气分析相关数据特征，自转炉开吹至吹氧结束为预测周期，以1s为单位获取数据并动态循环预测，实现转炉吹炼过程的持续预测。该发明经建模后在现场进行验证，达到了转炉冶炼过程的持续动态预测效果，并结合转炉冶炼过程专家经验判定，予以提前工艺调整，实现转炉冶炼过程的高效、平稳。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的方法的自动控制的流程图。
图3是本发明一个实施例的系统的示意性框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，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，都应当属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
下面对本发明中出现的关键术语进行解释。
压枪指降低氧枪位置，提枪指提高氧枪位置。
本发明实施例提供的多源化转炉冶炼状态监测方法由计算机设备执行，相应地，多源化转炉冶炼状态监测系统运行于计算机设备中。
图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种多源化转炉冶炼状态监测系统。根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
如图1所示，该方法包括：
步骤110，在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；
步骤120，将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；
步骤130，分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；
步骤140，根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的趋势组合与冶炼状态的对应关系，预测冶炼状态。
为了便于对本发明的理解，下面以本发明多源化转炉冶炼状态监测方法的原理，结合实施例中对多源化转炉冶炼状态进行监测的过程，对本发明提供的多源化转炉冶炼状态监测方法做进一步的描述。
具体的，多源化转炉冶炼状态监测方法包括：
S1、设置数据采集周期；在转炉吹氧期间，持续从音频化渣设备提取音频强度I，并同步从烟气分析设备采集一氧化碳浓度和二氧化碳浓度。
对于不同冶炼时期，分别在设定期限内，每秒采集一次音频强度I、一氧化碳浓度和二氧化碳浓度；绘制音频强度I曲线、一氧化碳浓度曲线和二氧化碳浓度曲线；从多条曲线中分别选取出不存在峰值或谷值的多条线段，并将多条线段中的最短线段对应的时间长度设定为曲线拟合的数据范围。
以120吨LF精炼炉为例，设备布局及数据采集。在对准转炉烟罩当火墙安装音频化渣设备、在转炉烟道安装烟气分析系统，上述设备及系统安装后；以秒为单位自转炉吹氧开始提取音频化渣的音频强度I、烟气分析烟气分析（CO%和CO2%浓度）数据，并构建数据库以炉次号为基准以1s为数据采集频率按时间序列进行保存和利用。
转炉冶炼过程炉内多相共存且反应剧烈，反应过程音频曲线、烟气浓度等因炉内反应存在瞬时变化，为进一步确保数据分析的及时性和工艺控制反应的灵活性，以5s为数据截取及过程循环判断为基准，为进一步验证5s时间段的科学性和合理性，对历史炉次音频化渣、烟气分析数据进行量化分析，具体分析方式如下：抽取随机炉次号，分别对该炉次号冶炼前期（开吹2min-5min）、中期（开吹5min-8min）、后期的音频数据（开吹8min-15min）、烟气数据按5s、10s、20s三个不同时间区段进行曲线对比分析。
在对转炉不同冶炼时期按5s、10s、20s分别截取对比，在10s、20s时不同的曲线呈现出波峰或波谷的变化特征，在该时间段内出现波峰或波谷等作为拐点的变化特征，说明该曲线在检测过程中已经完成了一个变化曲线特征周期又出现另一变化特征趋势，据此无法利用10s或20s时间段内的数据趋势对转炉剧烈反应特征进行有效的迭代描述，而确定为5s的时间段，在其不同的反应时间段内，均没有出现拐点或波谷、波峰的特征变化。因此采用5s为预测周期符合该专利后续数据判定特征需求，也进一步说明了转炉炉内高效剧烈反应的工艺特征。
S2、基于转炉冶炼时间序列特征的炉内反应状态连续预测模型。基于上述炉内反应瞬时特征时段截取及不同反应状态时烟气浓度、音频强度I的分析和界定，以转炉吹氧开始至当前炉次吹氧结束为一个完整的连续预测周期，并按以1s为计量单位进行连续预测，具体模型见下：
时间边界条件设定：吹氧开始计时为t0，该时间自转炉冶炼一级系统获取，自吹炼t0+5s后模型开始预测，转炉吹氧结束为模型预测结束。模型预测以转炉冶炼过程当前时间tn至tn-5为每秒预测周期，即对当前冶炼时间前5s内烟气分析浓度分布趋势斜率、音频化渣强度分布趋势斜率进行建模预测。
采集转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I。
S3、将转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I，分别设定为纵坐标为因变量Y，将tn-5至tn按秒计时的时间序列时间设定为横坐标为自变量X。
计算均值：计算自变量X和因变量Y的均值，分别记为X_mean和Y_mean。
计算差值：计算每个离散点与均值之间的差值，分别记为△X和△Y。
计算差值乘积与差值平方和：对每个离散点的△X和△Y进行乘积运算，得到乘积的和，记为sum_product。同时计算△X的平方和，记为sum_△X_squared。
Ⅰ.从给定的离散点数据中选择一个点，记为 (X1, Y1)。
Ⅱ.计算该点的 △X 和 △Y；△X 表示该点的 X 值与 X 的均值之间的差值，△Y表示该点的 Y 值与 Y 的均值之间的差值。即：△X = X1- X_mean；△Y= Y1- Y_mean。
Ⅲ.计算该点的 △X 与 △Y 的乘积，记为 product1。即：product1= △X * △Y
重复步骤Ⅰ、Ⅱ、Ⅲ，对每个离散点都进行相同的计算，得到每个点的乘积product。
将所有乘积相加，得到乘积的和 sum_product。即：sum_product = productn-5+productn-4+productn-3+productn-2+productn-1+ productn；
最后得到的sum_product 就表示 △X 和 △Y 的乘积的和。这个值在最小二乘法中会被用来计算拟合直线的斜率。
离散数据斜率计算。采用最小二乘法进行斜率计算。
min Σ(Yi- f(Xi))^2；
其中，Σ表示求和，Yi是第i个转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I实际检测值；Xi 是对应的转炉冶炼tn-5至tn时间序列时间值，f(Xi)是拟合函数的预测值。
计算斜率和截距：斜率（a）的计算公式为：a = sum_product / sum_△X_squared；截距（b）的计算公式为：b = Y_mean - a * X_mean；
得到拟合直线方程：将斜率和截距代入直线方程Y= a * X+ b，得到最佳拟合直线的方程。
根据上述计算，对烟气分析CO%、CO2%浓度以及音频强度I 的5个离散点的曲线斜率分别定义为：
a【CO%】= sum_product【CO%】/ sum_△X_squared；a【CO2%】= sum_product【CO2%】/ sum_△X_squared；a【I】= sum_product【I】/ sum_△X_squared；
S4、烟气浓度曲线和音频强度I曲线预测判定炉内反应的特征定义。转炉冶炼过程中存在喷溅、返干等异常情况，返干特征：返干因氧压高，枪位过低，尤其是在碳氧化激烈的中期，（TFe）含量低导致熔渣中2CaO·SiO2、MgO等高熔点的物质析出，炉渣变稠，不能覆盖金属液面，发生炉渣返干，返干时炉渣氧化性减低粘度上升，一定程度上供氧降低，炉内CO%浓度升高，CO2%浓度降低，且因炉渣粘稠、炉渣高度降低音频强度I上升；喷溅特征：喷溅的成因主要是氧气流股的冲击力和碳氧反应产生的大量气体外排时的推动力，但最根本的原因还是熔池内碳氧反应不均衡，瞬时产生大量的气体，使渣液溢出，液相渣量的增大和炉渣表面张力的降低也是诱发喷溅的重要原因，喷溅时炉渣氧化性升高粘度降低，一定程度上炉渣供氧提高，炉内CO%浓度降低，CO2%浓度升高，且因炉渣活跃、炉渣高度上升音频强度I降低。
结合上述分析及机理和经验判定规则：
ⅰ.转炉冶炼过程喷溅预测：a【CO%】<0且a【CO2%】>0且a【I】<0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生喷溅趋势。
ⅱ.转炉冶炼过程返干预测：a【CO%】>0且a【CO2%】<0且a【I】>0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生返干趋势。
ⅲ.其他情况均视为转炉冶炼正常。
自转炉吹氧开始至第5s，对利用上述模型对当前时间的前5s的烟气分析浓度、音频强度I离散数据的曲线斜率按时间序列进行判断，直至转炉吹氧结束。
预测模型逻辑设计。模型自吹氧第1s开始进行数据收集；到第5s开始进行模型计算；自第5s后截止到吹氧结束时间，上述模型每一秒做一次预测报警。
S5、效果验证。
抽取随机炉次并将这些炉次的整个吹炼周期内（自吹氧开始至吹氧结束），氧流量、枪位、烟气浓度、音频强度I以及音频标定的返干、喷溅等信息以吹炼时间为横坐标进行分类展示在所开发的系统，并结合打标签功能对喷溅、返干时的视频进行回访查询。
具体的，利用图像识别算法对监控视频进行处理，图像识别算法可采用目标检测算法，目标检测算法可以识别出一张图像中的多种不同的物体并通过边界框将其定位出来。从历史监控视频中截取出大量的炉口火焰图像、以及人员吊枪作业图像（主要是吊枪作业的位置存在操作人员）构建数据集，利用数据集对目标检测算法进行训练，以使目标检测算法能够从监控视频中识别炉口火焰以及人员吊枪作业。
将现场监控视频输入目标检测算法，目标检测算法对识别出的对象（炉口火焰或人员吊枪作业场景）进行标记，并将生成标定的图像帧输出。如此可获取识别结果和图像帧的时间。若识别结果为炉口火焰，则记录发生喷溅事件以及时间；若识别结果为人员吊枪作业场景，则记录发生返干事件以及时间。
将记录事件及时间与步骤S1-S5通过拟合函数预测的冶炼状态进行匹配，判断两者是否一致，若一致则说明步骤S1-S5通过拟合函数预测的冶炼状态准确；若两者不一致，则生成预测不准确的提示信息，需要对拟合函数进行修正。
请参考图2，模型预测转炉操作工艺闭环控制。通过上述模型，自转炉吹氧第5秒始，转炉冶炼过程以秒为单位进入持续动态预测，并根据现场数据分析、曲线对比该模型得到有效验证。模型实现准确预测后，可利用经验知识对出现返干或喷溅趋势时进行提前自动干预，以避免返干或喷溅等情况的发生，导致转炉冶炼过程控制不稳定，给生产效率、质量、成本控制带来影响。
在一些实施例中，多源化转炉冶炼状态监测系统可以包括多个由计算机程序段所组成的功能模块。多源化转炉冶炼状态监测系统中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行（详见图1描述）多源化转炉冶炼状态监测的功能。
本实施例中，多源化转炉冶炼状态监测系统根据其所执行的功能，可以被划分为多个功能模块，如图3所示。系统300的功能模块可以包括：数据采集模块310、数据转换模块320、曲线拟合模块330和状态预测模块340。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
数据采集模块，用于在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；
数据转换模块，用于将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；
曲线拟合模块，用于分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；
状态预测模块，用于根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的趋势组合与冶炼状态的对应关系，预测冶炼状态。
可选地，作为本发明一个实施例，在对转炉吹氧期间，持续从多个检测设备采集多组检测数据，包括：
在转炉吹氧期间，持续从音频化渣设备提取音频强度I，并同步从烟气分析设备采集一氧化碳浓度和二氧化碳浓度。
可选地，作为本发明一个实施例，系统还包括：
对于不同冶炼时期，分别在设定期限内，每秒采集一次音频强度I、一氧化碳浓度和二氧化碳浓度；
绘制音频强度I曲线、一氧化碳浓度曲线和二氧化碳浓度曲线；
从多条曲线中分别选取出不存在峰值或谷值的多条线段，并将多条线段中的最短线段对应的时间长度设定为曲线拟合的数据范围。
可选地，作为本发明一个实施例，分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数，包括：
将转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I，分别设定为纵坐标为因变量Y，将tn-5至tn按秒计时的时间序列时间设定为横坐标为自变量X；
计算自变量X和因变量Y的均值，分别记为X_mean和Y_mean；
计算每个离散点与均值之间的差值，分别记为△X和△Y；
对每个离散点的△X和△Y进行乘积运算，得到乘积的和，记为sum_product；同时计算△X的平方和，记为sum_△X_squared；
采用最小二乘法进行斜率计算：
min Σ(Yi- f(Xi))^2；
其中，Σ表示求和，Yi是第i个转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I实际检测值；Xi是对应的转炉冶炼tn-5至tn时间序列时间值，f(Xi)是拟合函数的预测值；
计算斜率和截距，斜率（a）的计算公式为：a = sum_product / sum_△X_squared；截距（b）的计算公式为：b = Y_mean - a * X_mean；
将斜率和截距代入直线方程Y= a * X+ b，得到最佳拟合直线的方程。
可选地，作为本发明一个实施例，计算差值乘积与差值平方和：对每个离散点的△X和△Y进行乘积运算，得到乘积的和，包括：
从给定的离散点数据中选择一个点，记为 (X1, Y1)；
计算该点的 △X 和 △Y；△X 表示该点的 X 值与 X 的均值之间的差值，△Y 表示该点的 Y 值与 Y 的均值之间的差值；△X = X1- X_mean；△Y= Y1- Y_mean；
计算该点的 △X 与 △Y 的乘积，记为 product1：product1= △X * △Y
对每个离散点都进行相同的计算，得到每个点的乘积 product；
将所有乘积相加，得到乘积的和 sum_product：sum_product = productn-5+productn-4+productn-3+productn-2+productn-1+ productn；
最后得到的sum_product 就表示 △X 和 △Y 的乘积的和。
可选地，作为本发明一个实施例，根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的所述趋势组合与冶炼状态的对应关系，预测冶炼状态，包括：
对烟气分析CO%、CO2%浓度以及音频强度I 的5个离散点的曲线斜率分别定义为：
a【CO%】= sum_product【CO%】/ sum_△X_squared；a【CO2%】= sum_product【CO2%】/ sum_△X_squared；a【I】= sum_product【I】/ sum_△X_squared；
所述对应关系包括：
转炉冶炼过程喷溅预测：a【CO%】<0且a【CO2%】>0且a【I】<0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生喷溅趋势；
转炉冶炼过程返干预测：a【CO%】>0且a【CO2%】<0且a【I】>0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生返干趋势；
其它斜率组合均判定为转炉冶炼正常。
可选地，作为本发明一个实施例，方法还包括：
采集现场监控视频；
若监控视频存在火焰，则将出现火焰的视频帧时间记录为第一时间，并判断第一时间与预测的喷溅时间是否匹配，若不匹配则生成报错信息；
若监控视频存在频繁吊枪作业场景，则将频繁吊枪作业场景的开始时间记录为第二时间，并判断第二时间与预测的返干时间是否匹配，若不匹配则生成报错信息。
可选地，作为本发明一个实施例，方法还包括：
若冶炼状态为喷溅趋势，则执行压枪、压渣的控制策略；
若冶炼状态为返干趋势，则执行提枪、加含铁氧化物的控制策略。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种多源化转炉冶炼状态监测方法，其特征在于，包括：
在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；
将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；
分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；
根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的所述趋势组合与冶炼状态的对应关系，预测冶炼状态。
2.根据权利要求1所述的多源化转炉冶炼状态监测方法，其特征在于，在对转炉吹氧期间，持续从多个检测设备采集多组检测数据，包括：
在转炉吹氧期间，持续从音频化渣设备提取音频强度I，并同步从烟气分析设备采集一氧化碳浓度和二氧化碳浓度。
3.根据权利要求2所述的多源化转炉冶炼状态监测方法，其特征在于，所述方法还包括：
对于不同冶炼时期，每秒采集一次音频强度I、一氧化碳浓度和二氧化碳浓度；
绘制音频强度I曲线、一氧化碳浓度曲线和二氧化碳浓度曲线；
从多条曲线中分别选取出不存在峰值或谷值的多条线段，并将多条线段中的最短线段对应的时间长度设定为曲线拟合的数据范围。
4.根据权利要求1所述的多源化转炉冶炼状态监测方法，其特征在于，分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数，包括：
将转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I，分别设定为纵坐标为因变量Y，将tn-5至tn按秒计时的时间序列时间设定为横坐标为自变量X；
计算自变量X和因变量Y的均值，分别记为X_mean和Y_mean；
计算每个离散点与均值之间的差值，分别记为△X和△Y；
对每个离散点的△X和△Y进行乘积运算，得到乘积的和，记为sum_product；同时计算△X的平方和，记为sum_△X_squared；
采用最小二乘法进行斜率计算：
min Σ(Yi - f(Xi))^2；
其中，Σ表示求和，Yi是第i个转炉冶炼tn-5至tn时间序列时间内的烟气分析CO%、CO2%浓度以及音频强度I实际检测值；Xi是对应的转炉冶炼tn-5至tn时间序列时间值，f(Xi) 是拟合函数的预测值；
计算斜率和截距，斜率（a）的计算公式为：a = sum_product / sum_△X_squared；截距（b）的计算公式为：b = Y_mean - a * X_mean；
将斜率和截距代入直线方程Y= a * X+ b，得到最佳拟合直线的方程。
5.根据权利要求4所述的多源化转炉冶炼状态监测方法，其特征在于，计算差值乘积与差值平方和：对每个离散点的△X和△Y进行乘积运算，得到乘积的和，包括：
从给定的离散点数据中选择一个点，记为 (X1, Y1)；
计算该点的 △X 和 △Y；△X 表示该点的 X 值与 X 的均值之间的差值，△Y 表示该点的 Y 值与 Y 的均值之间的差值；△X = X1 - X_mean；△Y= Y1 - Y_mean；
计算该点的 △X 与 △Y 的乘积，记为 product1：product1 = △X * △Y
对每个离散点都进行相同的计算，得到每个点的乘积 product；
将所有乘积相加，得到乘积的和 sum_product：sum_product = productn-5 +productn-4 +productn-3 +productn-2 +productn-1 + productn；
最后得到的sum_product 就表示 △X 和 △Y 的乘积的和。
6.根据权利要求5所述的多源化转炉冶炼状态监测方法，其特征在于，根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的所述趋势组合与冶炼状态的对应关系，预测冶炼状态，包括：
对烟气分析CO%、CO2%浓度以及音频强度I 的5个离散点的曲线斜率分别定义为：
a【CO%】 = sum_product【CO%】 / sum_△X_squared；a【CO2%】 = sum_product【CO2%】 / sum_△X_squared；a【I】= sum_product【I】 / sum_△X_squared；
所述对应关系包括：
转炉冶炼过程喷溅预测：a【CO%】<0且a【CO2%】>0且a【I】<0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生喷溅趋势；
转炉冶炼过程返干预测：a【CO%】>0且a【CO2%】<0且a【I】>0；
当烟气分析浓度和音频强度I离散分布数据曲线斜率满足上述条件时，即刻进行预测报警，说明有发生返干趋势；
其它斜率组合均判定为转炉冶炼正常。
7.根据权利要求1或6所述的多源化转炉冶炼状态监测方法，其特征在于，所述方法还包括：
采集现场监控视频；
若所述监控视频存在火焰，则将出现火焰的视频帧时间记录为第一时间，并判断第一时间与预测的喷溅时间是否匹配，若不匹配则生成报错信息；
若所述监控视频存在频繁吊枪作业场景，则将所述频繁吊枪作业场景的开始时间记录为第二时间，并判断第二时间与预测的返干时间是否匹配，若不匹配则生成报错信息。
8.一种多源化转炉冶炼状态监测系统，其特征在于，包括：
数据采集模块，用于在对转炉吹氧期间，持续从多个检测设备采集多组检测数据；
数据转换模块，用于将采集时间作为自变量，相应的检测数据作为因变量，生成多组离散点；
曲线拟合模块，用于分别对指定时间范围内的多组离散点进行曲线拟合，得到多个拟合函数；
状态预测模块，用于根据多个拟合函数的上升趋势或下降趋势组成的趋势组合，和预先设定的所述趋势组合与冶炼状态的对应关系，预测冶炼状态。
9.根据权利要求8所述的多源化转炉冶炼状态监测系统，其特征在于，在对转炉吹氧期间，持续从多个检测设备采集多组检测数据，包括：
在转炉吹氧期间，持续从音频化渣设备提取音频强度I，并同步从烟气分析设备采集一氧化碳浓度和二氧化碳浓度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410038955.XA CN117568550A (zh) | 2024-01-11 | 2024-01-11 | 多源化转炉冶炼状态监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410038955.XA CN117568550A (zh) | 2024-01-11 | 2024-01-11 | 多源化转炉冶炼状态监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117568550A true CN117568550A (zh) | 2024-02-20 |
Family
ID=89884707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410038955.XA Pending CN117568550A (zh) | 2024-01-11 | 2024-01-11 | 多源化转炉冶炼状态监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117568550A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BE820749A (fr) * | 1974-10-04 | 1975-04-04 | Procede d'affinage de la fonte. | |
| CN104894335A (zh) * | 2015-06-25 | 2015-09-09 | 长春工业大学 | 一种aod炉喷溅预报分析仪信息融合方法 |
| US20150337404A1 (en) * | 2012-12-21 | 2015-11-26 | Sms Siemag Ag | Method and device for predicting, controlling and/or regulating steelworks processes |
| CN105695660A (zh) * | 2016-03-21 | 2016-06-22 | 河北钢铁股份有限公司邯郸分公司 | 一种动态判断转炉冶炼过程中的炉渣状态方法 |
| CN113025774A (zh) * | 2021-03-05 | 2021-06-25 | 湖南镭目科技有限公司 | 一种转炉吹炼全过程动态控制的方法和装置 |
| CN113881824A (zh) * | 2021-09-28 | 2022-01-04 | 山东钢铁股份有限公司 | 一种转炉炉内反应数字孪生体控制方法、装置及存储介质 |
-
2024
- 2024-01-11 CN CN202410038955.XA patent/CN117568550A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BE820749A (fr) * | 1974-10-04 | 1975-04-04 | Procede d'affinage de la fonte. | |
| US20150337404A1 (en) * | 2012-12-21 | 2015-11-26 | Sms Siemag Ag | Method and device for predicting, controlling and/or regulating steelworks processes |
| CN104894335A (zh) * | 2015-06-25 | 2015-09-09 | 长春工业大学 | 一种aod炉喷溅预报分析仪信息融合方法 |
| CN105695660A (zh) * | 2016-03-21 | 2016-06-22 | 河北钢铁股份有限公司邯郸分公司 | 一种动态判断转炉冶炼过程中的炉渣状态方法 |
| CN113025774A (zh) * | 2021-03-05 | 2021-06-25 | 湖南镭目科技有限公司 | 一种转炉吹炼全过程动态控制的方法和装置 |
| CN113881824A (zh) * | 2021-09-28 | 2022-01-04 | 山东钢铁股份有限公司 | 一种转炉炉内反应数字孪生体控制方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| ZGLTW: "转炉多元耦合数字孪生高效冶炼关键技术开发与应用", pages 2, Retrieved from the Internet <URL:https://www.zgltw.cn/m/view.php?aid=42141> * |
| 陈俊水: "分析检测中的质量控制", 30 November 2015, 华东理工大学出版社, pages: 62 - 63 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103882176B (zh) | 一种基于数据驱动的转炉炼钢过程在线动态控制方法 | |
| CN1224720C (zh) | 一种利用智能控制系统控制高炉冶炼的方法 | |
| EP2935633B1 (de) | Verfahren und vorrichtung zur vorhersage, steuerung und/oder regelung von stahlwerksprozessen | |
| CN111831719A (zh) | 一种高炉炼铁的生产过程智能控制方法及系统 | |
| Sala et al. | Multivariate time series for data-driven endpoint prediction in the basic oxygen furnace | |
| CN111893237A (zh) | 一种转炉炼钢的熔池碳含量及温度全程实时预测方法 | |
| JP6897261B2 (ja) | 溶鋼中りん濃度推定方法、転炉吹錬制御装置、プログラム及び記録媒体 | |
| CN113239482A (zh) | 一种转炉后吹碳含量动态预测方法及装置 | |
| Shi et al. | Key issues and progress of industrial big data-based intelligent blast furnace ironmaking technology | |
| CN1403594A (zh) | 智能控制高炉冶炼的系统 | |
| CN117568550A (zh) | 多源化转炉冶炼状态监测方法及系统 | |
| CN101000326A (zh) | 转炉炼钢造渣吹炼噪声特征检测方法 | |
| Agrawal et al. | Advances in thermal level measurement techniques using mathematical models, statistical models and decision support systems in blast furnace | |
| CN114525375B (zh) | 一种转炉异常炉况控制方法及系统 | |
| Evestedt et al. | Model-based slopping monitoring by change detection | |
| Han et al. | Prediction of oxygen decarburization efficiency based on mutual information case-based reasoning | |
| KR100286670B1 (ko) | 전문가시스템을 이용한 노열레벨 진단장치 및 그 방법 | |
| Trofimov | Designing an intelligent control system for a basic oxygen furnace based on computer vision | |
| Bozkurt et al. | Performance analysis of hot metal temperature prediction in a blast furnace and expert suggestion system proposal using neural, statistical and fuzzy models | |
| KR100353018B1 (ko) | 고로내부의 가스류 분포 인식방법 | |
| Govindsamy et al. | Leak Detection at Anglo Platinum Converting Process Using Digital Twins | |
| JPH05195035A (ja) | 転炉吹錬制御装置 | |
| Liu et al. | Multi‐model predictive control of converter inlet temperature in the process of acid production with flue gas | |
| CN117272788A (zh) | 一种预测熔池温度的方法 | |
| CN114822723A (zh) | 精炼阳极铜反应终点预测方法及装置 |
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 |