EP3904544A1 - Verfahren zur einstellung einer permeabilität eines sintergutes - Google Patents

Verfahren zur einstellung einer permeabilität eines sintergutes Download PDF

Info

Publication number
EP3904544A1
EP3904544A1 EP20172392.1A EP20172392A EP3904544A1 EP 3904544 A1 EP3904544 A1 EP 3904544A1 EP 20172392 A EP20172392 A EP 20172392A EP 3904544 A1 EP3904544 A1 EP 3904544A1
Authority
EP
European Patent Office
Prior art keywords
permeability
data
material mixture
sintered material
moisture 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.)
Withdrawn
Application number
EP20172392.1A
Other languages
English (en)
French (fr)
Inventor
Petra Krahwinkler
Sonja Strasser
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Primetals Technologies Austria GmbH
Original Assignee
Primetals Technologies Austria GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Primetals Technologies Austria GmbH filed Critical Primetals Technologies Austria GmbH
Priority to EP20172392.1A priority Critical patent/EP3904544A1/de
Priority to PCT/EP2021/061272 priority patent/WO2021219790A1/de
Priority to CN202180031391.1A priority patent/CN115461478A/zh
Priority to EP21721131.7A priority patent/EP4143352A1/de
Publication of EP3904544A1 publication Critical patent/EP3904544A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • C22B1/20—Sintering; Agglomerating in sintering machines with movable grates
    • 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
    • C22B1/20—Sintering; Agglomerating in sintering machines with movable grates
    • C22B1/205—Sintering; Agglomerating in sintering machines with movable grates regulation of the sintering process

Definitions

  • the present invention relates to the field of sintering in ferrous metallurgy.
  • the invention relates to a method for setting a permeability of a sintered material mixture for a sintering plant.
  • the invention relates to a signal processing device and a machine-readable code for carrying out the method for setting a permeability.
  • the invention also relates to a storage medium on which the machine-readable code is stored.
  • fine-grained raw materials are used to produce lumpy iron ore sinter for use in a blast furnace.
  • Fine ores, limestone, recycling dusts are mixed with coke breeze - as fuel - in a mixing drum to form a sintered material mixture.
  • There are also known methods for producing mixtures of sintered goods which, in addition to a mixer, also have a granulator and a rolling drum - as in FIG EP 2848299 B1 shown.
  • the sintered material mixture is piled up as a sinter bed on a sinter belt consisting of so-called grate carriages.
  • the coke breeze on the surface is ignited by means of a gas burner via an ignition hood.
  • a vacuum is applied via wind boxes or suction boxes, whereby air and resulting exhaust gases are sucked from top to bottom through the sintered layer and the combustion zone migrates from the surface in the direction of the suction boxes.
  • the iron ores begin to melt, stick together and form a sinter cake.
  • a speed of the sintering belt is chosen so that the sintered layer is completely burned through shortly before the end of the belt.
  • the sintered material is thrown off, broken and cooled on coolers, and then fed to the blast furnace via long conveyor belts.
  • the productivity of the sintering plant is closely related to the permeability of the sintering bed.
  • High permeability leads to good burning behavior and thus to a sinter cake that is evenly burned through.
  • moisture content is one of the most important parameters influencing permeability.
  • fine particles block the passage of air and lead to low permeability.
  • water blocks the passage of air between the grains of the sinter mix. In between there is an optimum where the fine particles are bound to the larger grains by the moisture and the permeability and thus the air passage is maximized.
  • the object of the present invention is to enable optimal operation of a sintering plant by allowing maximum air passage through the sintered material mixture.
  • the object is achieved by a method for setting the permeability which, using a data-based online model for the permeability, determines a target value for the moisture content of the sintered material mixture at which a maximum permeability of the sintered material mixture occurs.
  • the data-based online model has - for ongoing updating - data on at least one moisture content and the permeability of the sintered material mixture as input variables.
  • the determined moisture content is transferred as a setpoint to a moisture addition controller.
  • the data can be, for example, direct measurement data, data calculated from other measurement data, or estimated data.
  • a data-based model is created in an offline phase.
  • a validation of different models with different combinations of influencing variables is carried out in the offline phase on the basis of independent test data not used in the model creation.
  • the model performance is assessed with the help of a root mean square error, which provides a measure of the deviation of the model prediction for the permeability and the measured permeability.
  • Models are preferably used which provide a comprehensible formula for the relationship, for example a multiple linear regression.
  • This data-based model has at least the moisture content as an input variable.
  • the data-based model is continuously updated with data, preferably measurement data, the permeability and the moisture content when the sintering plant is in operation - i.e.
  • the permeability can also be determined indirectly by productivity. Productivity results from the weight of the sintered material produced over time. By recording the productivity, the permeability can also be determined to a good approximation.
  • This data-based online model makes it possible to determine the moisture content of the sintered material mixture at which a maximum permeability occurs. This moisture content is then transmitted as a setpoint to a moisture addition controller. This transmission should take place in reasonable time segments, which depend on the measurement intervals for the moisture content and / or the permeability. An update of the setpoint should always take place after a time interval which is at least greater than or equal to the measurement interval.
  • the measurement interval for the moisture content which is advantageously determined with a mix tester, is, for example, in a range from 5 to 30 minutes.
  • other regression models from machine learning - such as lasso regression, ridge regression, symbolic regression, decision tree, random forest, gradient boosting or neural networks.
  • the moisture content is set during the preparation of the sintered mix in a unit provided for this purpose - for example in a mixer, intensive mixer, granulator and / or a roller-burnishing drum.
  • the maximum permeability cannot be clearly detected, it could also be regulated with a slope at the point of the last specified permeability value. Depending on the gradient, the new predetermined permeability value would be increased, decreased or left unchanged. In this case, a linear model could also be used from which the slope is calculated. The use of the slope can be used, for example, if the operating point is on the edge of the curve and is well away from the optimum. Alternatively, the maximum or optimum can be determined by the slope. A combination of the two methods - slope and determination of the maximum - is possible. If a maximum can be determined, its position is used for regulation. If this cannot be determined, the control can be switched to by means of a gradient.
  • the online model of the permeability has a functional relationship between the moisture content, a square of the moisture content and preferably the bulk material density. It has been shown that the model can be further improved by taking into account the square of the moisture content and the determination of the maximum permeability is further improved by such a relationship.
  • the bulk density as a further input parameter enables a further improvement of the model and the determination of the permeability.
  • the coefficients c0, c1, c2 used here are adapted on the basis of existing data records from measurement data.
  • An advantageous embodiment provides that the moisture content, as a setpoint value, is transferred to the moisture addition controller only after at least thirty minutes, preferably after one hour. With this measure, the moisture addition controller has enough time to adjust to the new default value, and fluctuations are avoided. The goal is the most stable operation possible with few changes.
  • the desired value of the moisture content is in the range between 3.5% and 10%, preferably 3.8% -8%, particularly preferably 3.8% -4.3%.
  • this is the area in which the moisture content should move.
  • the maximum permeability normally occurs in this area.
  • Another preferred embodiment provides that the setpoint of the moisture content, which is transferred to the moisture addition controller, has a maximum deviation of 0.2% from the previous setpoint. This measure prevents the controller from overshooting and ensures stable operation.
  • the data-based online model takes into account at least two, preferably at least five, particularly preferably at least ten data sets with data - preferably measurement data.
  • the data used are, among other things, the moisture content and the permeability of the sintered material mixture.
  • the period of data acquisition has a different length of time for each of these data records.
  • Using multiple data sets makes the data-based model more stable. For example, data records are used which cover a short period of time but are very current. These data sets allow a quick adjustment to changed material properties.
  • Other data records that can be used are those with a long period of time, which are usually more stable. The data records can therefore overlap or be completely contained in another data record.
  • records with a short period of time can be completely contained in one of the records - with a longer period of time. It is conceivable that all data records have the same end time and differ only in a different start time.
  • the combination of several data sets, each with different time periods, ensures that the model can react stably on the one hand and react quickly to changed conditions on the other.
  • the periods of time range from a few hours to a few weeks and months.
  • At least one data record is weighted differently.
  • the data sets with the more recent periods are preferred a higher weighting factor than those data sets with a longer period in the past.
  • the data-based online model can be additionally improved by the weighting factors, since more recent data sets - i.e. data sets with a current and short period of time - have a stronger influence than those that are further back in time. This leads to a stable model, but also to a model that reacts very quickly to changed material conditions. It is therefore conceivable to combine data sets without weighting factors and data sets with weighting factors with one another or to weight all data sets. It is conceivable that individual or a number of data points in the respective data records have different weighting factors.
  • An embodiment that has proven to be advantageous provides that only data records are used for the data-based online model which have a clearly determinable maximum. If this is not the case, this data set is not used for the data-based online model. This measure is intended to ensure that only data records are used which each have a clear maximum. This ensures an unambiguous determination of the maximum permeability.
  • a further expedient embodiment provides that the online model has the functional relationship of the third degree.
  • the third-degree moisture content can also flow into the data-based online model.
  • the online model is determined by means of symbolic regression.
  • symbolic regression a number of operations and functions can be permitted, such as powers, logarithmic functions, exponential functions, trigonometric functions and / or types of calculation - such as plus, minus, division and / or multiplication.
  • a symbolic regression algorithm searches for the best formula using heuristic optimization methods matches the given training data. The relationship in the data records can possibly be described better because one also has more degrees of freedom.
  • the object is further achieved by a signal processing device for a sintering plant, with a machine-readable program code which has control commands which cause the signal processing device to carry out a method according to the method described above.
  • the object is also achieved by a machine-readable program code for a signal processing device for a sintering plant.
  • the program code has control commands which cause the signal processing device to carry out the method described above.
  • the object is also achieved by a storage medium with a machine-readable program code stored on it, as described above.
  • FIG. 1 is a schematic representation of a sintering plant 1 and an exemplary preparation of a Sinter mix 5 shown.
  • an intensive mixer 10 iron ore 11, which is in a grain size range from 200 ⁇ m to 10 mm, and raw materials 12 such as coke breeze, limestone, sintered debris, binders, dust and steel mill residues are introduced.
  • a moisture content is set by adding 13 water.
  • the addition of water 13 is controlled by a valve 13a which is connected to a water supply line 13b.
  • the moisture content of the sintered mix 5 is set by a moisture control 15.
  • the humidity control 15 receives a setpoint value for the humidity content 16a from a data-based online model 16. This nominal value of the moisture content 16a is compared with the measured moisture content 17a.
  • the humidity control 15 adjusts the valve 13a with a control variable 14 in order to ensure the optimal moisture content of the sintered material mixture 5 - as specified by the data-based online model 16.
  • the data-based online model 16 has as input variables at least the moisture content 17a and the permeability 17b of the sintered material mixture 5. It is also conceivable that the productivity is used instead of the permeability 17b. Further data 17 can also be transmitted to the data-based online model 16 as input parameters - for example grain size distribution, bulk material density and others. The moisture, permeability and bulk material density are preferably determined by a mixed material tester.
  • the sintered material mixture is applied to the sintering plant 1 at a material addition point 2.
  • a gas burner ignites coke breeze on the surface of the sintered material and a vacuum is applied through wind boxes 4, whereby air and resulting exhaust gases are sucked from top to bottom through the sintered layer.
  • the iron ores begin to melt, stick together and form a sinter cake.
  • At the end of the sintering plant there can also be a pin crusher (not shown) in order to crush the sinter cake.
  • the sintered material 6 is dropped at a material delivery point 3. Subsequently, the sintered material 6 is cooled on coolers and one Blast furnace fed (not shown).
  • the adjustment of the moisture content of the sintered material mixture 5 is essential in order to adjust the permeability 17b to an optimum.
  • the optimum of the permeability 17b makes it possible to ensure a maximum passage of air so that at the end of the sintering plant 1 a sintered material 6 that is uniformly well burned through is produced.
  • Fig. 2 is analogous to Fig. 1 an intensive mixer 10 is available.
  • the intensive mixer 10 is connected to a granulator 18 into which the mixed material 10a is transferred.
  • the mixed material 10a is fed to a further process step in the granulator 18 and then the granulated material 18a can be transferred to a roller-burnishing drum 19.
  • another unit such as a disk pelletizer is also possible.
  • the moisture content 17a is set not only in the intensive mixer 10 but also in the granulator 18 and the roller-burnishing drum 19.
  • the moisture addition controller 15 transmits the control signals 14 to the valves 13a for setting the water addition 13.
  • the moisture content can be specifically adjusted in each unit - intensive mixer 10, granulator 18 and roller drum 19.
  • the moisture content 17a is set in only two or one unit.
  • Fig. 3 a diagram of the permeability over time is shown.
  • the permeability is recorded as the Japanese Permeability Unit (JPU).
  • Measurement data from the permeability measurement 17b and a permeability prediction 20 of the data-based online model are entered in the diagram.
  • This diagram shows the good agreement between the measurement data and the prediction of the permeability 20.
  • the coefficients c0, c1, c2 were determined on the basis of existing data sets.
  • the humidity value 23 determined by the data-based online model is plotted in a diagram and the set humidity value 22.
  • the set humidity value 22 was only changed in this example if the determined humidity value changes by an amount of 0.05%. This amount can also be higher or lower. It would also be conceivable to make the settings almost continuously.
  • a number of individual model results 21 used are also shown in the diagram.
  • the number of individual model results used 21 are those data sets that are taken into account for the data-based online model. These data sets are individual model results from which a maximum can be clearly determined.
  • the widely varying number of data sets used shows that it can be important to use several data sets, as only a few data sets have a well-determinable maximum at certain points in time.

Abstract

Die vorliegende Erfindung betrifft das Gebiet des Sinterns in der Eisenmetallurgie.Die Aufgabe der vorliegenden Erfindung ist es einen optimalen Betrieb einer Sinteranlage zu ermöglichen, indem ein maximaler Luftdurchgang durch die Sintergutmischung ermöglicht wird.Die Aufgabe wird durch ein Verfahren, eine Signalverarbeitungsvorrichtung, einen maschinenlesbaren Code zum Einstellen der Permeabilität gelöst. Durch ein datenbasiertes online Modell für die Permeabilität wird ein Sollwert für den Feuchtegehalt der Sintergutmischung, bei welcher ein Maximum der Permeabilität der Sintergutmischung auftritt, bestimmt. Das datenbasierte online Modell weist - zur laufenden Aktualisierung - als Eingangsgröße Daten von zumindest einem Feuchtegehalt und der Permeabilität der Sintergutmischung auf. Der bestimmte Feuchtegehalt wird als Sollwert an einen Feuchtigkeitszugabe-Regler übergeben.

Description

    Gebiet der Technik
  • Die vorliegende Erfindung betrifft das Gebiet des Sinterns in der Eisenmetallurgie.
  • Einerseits betrifft die Erfindung ein Verfahren zum Einstellen einer Permeabilität einer Sintergutmischung für eine Sinteranlage.
  • Andererseits betrifft die Erfindung eine Signalverarbeitungseinrichtung und einen maschinenlesbaren Code zur Durchführung des Verfahrens zur Einstellung einer Permeabilität. Des Weiteren betrifft die Erfindung auch ein Speichermedium auf welchem der maschinenlesbare Code gespeichert ist.
    • Stand der Technik
  • In einer Sinteranlage wird aus feinkörnigen Rohstoffen stückiger Eisenerz-Sinter, für den Einsatz in einem Hochofen, produziert. Dabei werden Feinerze, Kalkstein, Recycling Stäube mit Koksgrus - als Brennstoff - in einer Mischtrommel zu einer Sintergutmischung vermengt. Es sind auch Verfahren zur Erzeugung von Sintergutmischungen bekannt, welche neben einem Mischer auch noch einen Granulator und eine Rolliertrommel aufweisen - wie in der EP 2848299 B1 gezeigt. Die Sintergutmischung wird als Sinterbett auf ein Sinterband, bestehend aus sogenannten Rostwägen, aufgeschichtet. Über eine Zündhaube wird mittels Gasbrenner der Koksgrus an der Oberfläche gezündet. Unter dem Rost wird über Windkästen bzw. Saugkästen ein Unterdruck angelegt, wodurch Luft und entstehende Abgase von oben nach unten durch die Sinterschicht gesaugt werden und die Brennzone von der Oberfläche in Richtung Saugkästen wandert. Die Eisenerze beginnen zu schmelzen, kleben zusammen und bilden einen Sinterkuchen. Eine Geschwindigkeit des Sinterbandes wird so gewählt, dass die Sinterschicht kurz vor Ende des Bandes komplett durchgebrannt ist. Am Bandende wird das Sintergut abgeworfen, gebrochen und auf Kühlern abgekühlt, und in weiterer Folge über lange Förderbänder dem Hochofen zugeführt.
  • Die Produktivität der Sinteranlage steht in einem engen Zusammenhang mit der Permeabilität des Sinterbettes. Je höher die Permeabilität des Sinterbettes, desto höher die Produktivität. Hohe Permeabilität führt zu gutem Brennverhalten und damit zu einem gleichmäßig gut durchgebrannten Sinterkuchen. Ein Feuchtigkeitsgehalt ist neben einer Korngrößenverteilung einer der wichtigsten Einflussparameter auf die Permeabilität. Bei niedrigem Feuchtigkeitsgehalt blockieren feine Partikel den Luftdurchgang und führen zu niedriger Permeabilität. Bei sehr hoher Feuchtigkeit blockiert Wasser den Luftdurchgang zwischen den Körnern der Sintermischung. Dazwischen gibt es ein Optimum, bei dem die feinen Partikel durch die Feuchtigkeit an die größeren Körner gebunden werden und die Permeabilität und damit der Luftdurchgang maximal wird.
  • Für einen optimalen Betrieb der Sinteranlage ist es daher von hoher Bedeutung, die Lage des Maximums der Permeabilität zu kennen.
    • Zusammenfassung der Erfindung
  • Die Aufgabe der vorliegenden Erfindung ist es einen optimalen Betrieb einer Sinteranlage zu ermöglichen, indem ein maximaler Luftdurchgang durch die Sintergutmischung ermöglicht wird.
  • Die Aufgabe wird durch ein Verfahren zum Einstellen der Permeabilität gelöst, das anhand eines datenbasierten online Modells für die Permeabilität einen Sollwert für den Feuchtegehalt der Sintergutmischung, bei welcher ein Maximum der Permeabilität der Sintergutmischung auftritt, bestimmt.
  • Das datenbasierte online Modell weist - zur laufenden Aktualisierung - als Eingangsgröße Daten von zumindest einem Feuchtegehalt und der Permeabilität der Sintergutmischung auf. Der bestimmte Feuchtegehalt wird als Sollwert an einen Feuchtigkeitszugabe-Regler übergeben. Die Daten können beispielsweise direkte Messdaten, aus anderen Messdaten berechnete Daten oder Schätzdaten sein.
  • Ein datenbasiertes Modell wird in einer offline Phase erstellt. Um eine geeignete Auswahl eines robusten Modells und der einzubeziehenden Einflussgrößen zu gewährleisten, wird in der offline-Phase eine Validierung unterschiedlicher Modelle mit unterschiedlichen Kombinaten von Einflussgrößen anhand von unabhängigen, in der Modellerstellung nicht verwendeten, Testdaten durchgeführt. Die Bewertung der Modellperformance erfolgt mit Hilfe eines Root Mean Square Error, der ein Maß für die Abweichung der Modellvorhersage für die Permeabilität und der gemessenen Permeabilität liefert. Es werden vorzugsweise Modelle, welche eine nachvollziehbare Formel für den Zusammenhang liefern, beispielsweise eine multiple lineare Regression, verwendet. Dieses datenbasierte Modell weist zumindest den Feuchtegehalt als Eingangsgröße auf. Das datenbasierte Modell wird im Betrieb der Sinteranlage - also im online Modus - laufend mit Daten, bevorzugt Messdaten, der Permeabilität und des Feuchtegehaltes aktualisiert. Die Permeabilität kann auch indirekt durch eine Produktivität bestimmt werden. Die Produktivität ergibt sich durch das Gewicht von erzeugtem Sintermaterial pro Zeit. Durch die Erfassung der Produktivität kann die Permeabilität ebenfalls in einer guten Näherung bestimmt werden. Durch dieses datenbasierte online Modell ist es möglich den Feuchtegehalt der Sintergutmischung zu bestimmen, bei welcher ein Maximum der Permeabilität auftritt. Dieser Feuchtegehalt wird dann als Sollwert an einen Feuchtigkeitszugabe Regler übermittelt. Diese Übermittlung soll in sinnvollen Zeitabschnitten erfolgen, welche von den Messintervallen für den Feuchtegehalt und / oder der Permeabilität abhängen. Ein Update des Sollwertes soll immer nach einem Zeitintervall erfolgen, welches zumindest größer oder gleich dem Messintervall ist. Das Messintervall für den Feuchtegehalt, welcher vorteilhafterweise mit einem Mischguttester ermittelt wird, liegt beispielsweise in einem Bereich von 5 bis 30 Minuten. Es ist aber auch denkbar andere Regressionsmodelle aus dem maschinellen Lernen zu verwenden - wie beispielsweise Lasso Regression, Ridge Regression, Symbolische Regression, Decision Tree, Random Forest, Gradient Boosting oder Neuronale Netze. Je nachdem welches Modell gewählt wird, kann es erforderlich sein, ein Maximum der Permeabilität numerisch zu bestimmen, falls eine analytische Bestimmung nicht möglich ist. Die Einstellung des Feuchtegehalts erfolgt während der Aufbereitung des Sintermischgutes in einem dafür vorgesehen Aggregat - beispielsweise in einem Mischer, Intensivmischer, Granulator und / oder einer Rolliertrommel. Kann das Maximum der Permeabilität nicht eindeutig detektiert werden, so könnte auch mit einer Steigung an der Stelle des zuletzt vorgegebenen Permeabilitätswertes geregelt werden. Abhängig von der Steigung würde der neue vorgegebenen Permeabilitätswertes erhöht, erniedrigt oder unverändert gelassen. In diesem Fall könnte auch ein lineares Modell verwendet werden, aus dem die Steigung berechnet wird. Die Verwendung der Steigung kann beispielsweise angewendet werden, wenn sich der Betriebspunkt auf der Flanke der Kurve befindet und deutlich vom Optimum entfernt ist. Durch die Steigung kann also alternativ das Maximum bzw. Optimum bestimmt werden. Eine Kombination der beiden Methoden - Steigung und Bestimmung des Maximums - ist möglich. Sofern ein Maximum bestimmt werden kann, wird die Lage desselben zur Regelung verwendet. Ist dieses nicht bestimmbar, so kann auf die Regelung mittels Steigung übergegangen werden.
  • Eine bevorzugte Ausführungsform sieht vor, dass zumindest einer der nachfolgenden Parameter der Sintergutmischung eine zusätzliche Eingangsgröße des datenbasierten online Modells ist:
    • Schüttgutdichte der Sintergutmischung
    • Zusammensetzung der Sintergutmischung
    • Korngrößenverteilung
    • Prozessparameter beim Aufbereiten des Sintermischgutes
    • Umgebungseinflüsse, bevorzugt eine Umgebungstemperatur.
    Durch die Schüttgutdichte kann die Materialzusammensetzung gut beschrieben werden. Die zusätzliche Eingangsgröße der Schüttgutdichte der Sintergutmischung für das datenbasierte online Modell verbessert die Bestimmung der Permeabilität, da dadurch Materialeigenschaften in das datenbasierte online Modell einfließen. Die Zusammensetzung der Sintergutmischung beinhaltet alle Materialen, Zuschlagsstoffe und/oder Brennstoffe. Die Korngrößenverteilung kann beispielsweise für alle Materialen der Sintergutmischung und/oder für Eisenerz als Eingangsgröße an das datenbasierte online Modell übergeben werden.
    Als Eingangsgrößen der Prozessparameter beim Aufbereiten des Sintermischgutes können jene für einzelne oder für alle Aufbereitungsmaschinen verwendete werden. Unter den Aufbereitungsmaschinen werden beispielsweise Mischer, Intensivmischer, Granulatoren und/oder Rolliertrommeln verstanden. Bei den Umgebungseinflüssen sind neben der Umgebungstemperatur auch Luftfeuchtigkeit, Wetter, Niederschlagsmengen und andere Umgebungsbedingungen relevant. Je nachdem wo die Materialien für die Sintergutmischung gelagert werden, sind solche Einflüsse in Bezug auf den Feuchtegehalt von Bedeutung.
  • Eine weitere bevorzugte Ausführungsform sieht vor, dass das online Modell der Permeabilität einen funktionellen Zusammenhang von Feuchtegehalt, einem Quadrat des Feuchtegehalts und bevorzugt der Schüttgutdichte aufweist. Es hat sich gezeigt, dass durch die Berücksichtigung des Quadrates des Feuchtegehaltes das Modell weiter verbessert werden kann und die Bestimmung des Maximums der Permeabilität durch einen solchen Zusammenhang eine weitere Verbesserung erfährt. Die Schüttgutdichte als weiterer Eingangsparameter ermöglicht eine weitere Verbesserung des Modells und der Bestimmung der Permeabilität. Die Permeabilität p kann daher näherungsweise beispielsweise durch den folgenden funktionellen Zusammenhang mittels Feuchtigkeit f und dem Quadrat der Feuchtigkeit f2 beschrieben werden: p = c 0 + c 1 * f + c 2 * f 2
    Figure imgb0001
     Die dabei verwendeten Koeffizienten c0, c1, c2 werden aufgrund von vorhanden Datensätzen aus Messdaten angepasst. Aus dieser Formel kann nun jener Punkt bestimmt werden, an welchem die Permeabilität einen Maximalwert bei variierender Feuchtigkeit annimmt. Durch Berechnung der ersten Ableitung nach der Feuchtigkeit und Nullsetzen dieser Ableitung, erhält man den Wert für die Feuchtigkeit, an dem die Permeabilität maximal/minimal wird.
    Aus dem Koeffizienten des quadratischen Terms der Feuchtigkeit c2 kann abgelesen werden, ob es sich um ein Minimum (positiver Koeffizient) oder ein Maximum (negativer Koeffizient) handelt. Es ist auch denkbar, dass zusätzlich noch ein Term mit einem Koeffizienten c3 multipliziert mit der Schüttgutdichte der Sintergutmischung zur Gleichung 1 addiert wird.
  • Eine vorteilhafte Ausführungsform sieht vor, dass der Feuchtegehalt als Sollwert nur nach mindestens dreißig Minuten, bevorzugt nach einer Stunde, an den Feuchtigkeitszugabe Regler übergeben wird. Durch diese Maßnahme hat der Feuchtigkeitszugabe Regler genug Zeit auf den neuen Vorgabewert hinzuregeln, außerdem werden Schwankungen vermieden. Das Ziel ist ein möglichst stabiler Betrieb mit wenig Änderungen.
  • Eine zweckmäßige Ausführungsform sieht vor, dass der Sollwert des Feuchtegehalt im Bereich zwischen 3,5% und 10%, bevorzugt 3,8% - 8%, besonders bevorzugt 3,8% - 4,3% liegt. Für das Sintermischgut ist dies jener Bereich in welchem sich der Feuchtegehalt bewegen soll. In diesem Bereich tritt im Normalfall das Maximum der Permeabilität auf.
  • Eine weitere bevorzugte Ausführungsform sieht vor, dass der Sollwert des Feuchtegehalts, welcher an den Feuchtigkeitszugabe Regler übergeben wird, maximal eine Abweichung um 0.2% zum vorhergehenden Sollwert aufweist. Mithilfe dieser Maßnahme wird ein Überschwingen des Reglers verhindert und ein stabiler Betrieb sichergestellt.
  • Eine vorteilhafte Ausführungsform sieht vor, dass das datenbasierte online Modell zumindest zwei, bevorzugt zumindest fünf, besonders bevorzugt zumindest zehn Datensätze mit Daten - bevorzugt Messdaten - berücksichtigt. Die verwendeten Daten sind unter anderem der Feuchtegehalt und die Permeabilität der Sintergutmischung. Der Zeitraum der Datenerfassung weist für jeden dieser Datensätze einen unterschiedlich langen Zeitraum auf. Durch die Verwendung von mehreren Datensätzen wird das datenbasierte Modell stabiler. Es werden beispielsweise Datensätze herangezogen, welche einen kurzen Zeitraum umfassen, aber sehr aktuell sind. Diese Datensätze erlauben eine schnelle Anpassung an geänderte Materialeigenschaften. Als weitere Datensätze können solche mit einem langen Zeitraum zum Einsatz kommen, welche in der Regel stabiler sind. Die Datensätze können sich also überlappen oder vollständig in einem anderen Datensatz enthalten sein. Es können beispielsweise Datensätze mit einem kurzen Zeitraum vollständig in einem der Datensätze - mit einem längeren Zeitraum - enthalten sein. Es ist denkbar, dass alle Datensätze einen gleichen Endzeitpunkt aufweisen und sich nur durch einen unterschiedlichen Startzeitpunkt unterscheiden. Durch die Kombination von mehreren Datensätzen mit jeweils unterschiedlichen Zeiträumen wird gewährleistet, dass das Modell einerseits stabil und andererseits rasch auf geänderte Bedingungen reagieren kann. Die Zeiträume betragen im Zusammenhang mit dieser Erfindung einige Stunden bis hin zu einigen Wochen und Monaten.
  • Eine weitere zweckmäßige Ausführungsform sieht vor, dass zumindest ein Datensatz unterschiedlich gewichtet wird. Die Datensätze mit den aktuelleren Zeiträumen weisen bevorzugt einen höheren Gewichtungsfaktor auf als jene Datensätzen mit einem länger zurückliegenden Zeitraum. Durch die Gewichtungsfaktoren kann das datenbasierte online Modell zusätzlich verbessert werden, da aktuellere Datensätze - also Datensätze mit einem aktuellen und kurzen Zeitraum - einen stärkeren Einfluss haben als jene, die zeitlich weiter zurück liegen. Dies führt zu einem stabilen, aber auch zu einem sehr rasch auf veränderte Materialbedingungen reagierenden Modell. Es ist also denkbar Datensätze ohne Gewichtungsfaktoren und Datensätze mit Gewichtungsfaktoren miteinander zu kombinieren oder alle Datensätze zu gewichten. Es ist denkbar, dass einzelne oder eine Anzahl von Datenpunkten in den jeweiligen Datensätzen unterschiedliche Gewichtungsfaktoren aufweisen.
  • Eine sich als vorteilhafte erwiesene Ausführungsform sieht vor, dass nur Datensätze für das datenbasierte online Modell herangezogen werden, welche ein eindeutig bestimmbares Maximum aufweisen. Wenn dies nicht der Fall ist wird dieser Datensatz nicht für das datenbasierte online Modell verwendet. Durch diese Maßnahme soll gewährleistet werden, dass nur Datensätze zum Einsatz kommen, welche jeweils ein eindeutiges Maximum aufweisen. Dadurch wird ein eindeutiges Bestimmen des Maximums der Permeabilität sichergestellt.
  • Eine weitere zweckmäßige Ausführungsform sieht vor, dass das online Modell den funktionellen Zusammenhang dritten Grades aufweist. Beispielsweise kann auch der Feuchtegehalt dritten Grades in das datenbasierte online Modell einfließen.
  • Ein weitere zweckmäßige Ausführungsform sieht vor, dass das online Modell mittels symbolischer Regression ermittelt wird. Mithilfe der symbolischen Regression können eine Reihe von Operationen und Funktionen zugelassen werden, wie beispielsweise Potenzen, Logarithmische Funktionen, Exponential Funktionen, Winkelfunktionen und/oder Rechenarten - wie Plus, Minus, Division und/oder Multiplikation. Ein symbolischer Regressions Algorithmus sucht dann mittels heuristischer Optimierungsverfahren die Formel, die am besten zu den vorgegebenen Trainingsdaten passt. Der Zusammenhang in den Datensätzen kann dadurch möglicherweise besser beschrieben werden, weil man auch mehr Freiheitsgrade hat.
  • Die Aufgabe wird weiters gelöst durch eine Signalverarbeitungseinrichtung für eine Sinteranlage, mit einem maschinenlesbaren Programmcode, welcher Steuerbefehle aufweist, die die Signalverarbeitungseinrichtung zur Durchführung eines Verfahrens nach dem zuvor beschriebenen Verfahren veranlassen.
  • Die Aufgabe wird auch durch einen maschinenlesbaren Programmcode für eine Signalverarbeitungseinrichtung für eine Sinteranlage gelöst. Der Programmcode weist Steuerbefehle auf, die die Signalverarbeitungseinrichtung zur Durchführung des zuvor beschriebenen Verfahrens veranlassen.
  • Durch ein Speichermedium mit einem darauf gespeicherten maschinenlesbaren Programmcode, wie zuvor beschrieben, wird die Aufgabe ebenfalls gelöst.
  • Kurze Beschreibung der Zeichnungen
    • Fig. 1 und Fig. 2 zeigen eine schematische Darstellung einer Sinteranlage und eine Aufbereitung des Sintermischgutes.
    • Fig. 3 zeigt ein Diagramm der gemessenen und der durch das datenbasierte online Modell bestimmte Permeabilität.
    • Fig. 4 zeigt ein Diagramm des durch das datenbasierte online Modell ermittelten Feuchtegehaltes.
    Beschreibung der Ausführungsformen
  • In der Fig. 1 ist eine schematische Darstellung einer Sinteranlage 1 und eine beispielhafte Aufbereitung eines Sintermischgutes 5 dargestellt. In einem Intensivmischer 10 werden Eisenerz 11, welches in einem Korngrößenbereich von 200µm bis 10 mm liegt, und Rohstoffe 12 wie beispielsweise Koksgruß, Kalkstein, Sinterrückgut, Bindemittel, Staub und Stahlwerksreststoffe eingebracht. Ein Feuchtegehalt wird durch eine Wasserzugabe 13 eingestellt. Die Wasserzugabe 13 wird durch ein Ventil 13a gesteuert, welches mit einer Wasserzuführleitung 13b verbunden ist.
    Der Feuchtegehalt des Sintermischgutes 5 wird durch eine Feuchteregelung 15 eingestellt. Die Feuchteregelung 15 erhält von einem datenbasierten online Modell 16 einen Sollwert des Feuchtegehaltes 16a. Dieser Sollwert des Feuchtegehaltes 16a wird mit dem gemessenen Feuchtegehalt 17a verglichen. Die Feuchteregelung 15 stellt mit einer Steuergröße 14 das Ventil 13a ein, um den optimalen Feuchtegehalt der Sintergutmischung 5 - wie durch das datenbasierte online Modell 16 vorgegeben - zu gewährleisten.
    Das datenbasierte online Modell 16 hat als Eingangsgrößen zumindest den Feuchtegehalt 17a und die Permeabilität 17b der Sintergutmischung 5. Es ist auch denkbar, dass anstatt der Permeabilität 17b die Produktivität verwendet wird. Es können auch noch weitere Daten 17 als Eingangsparameter - beispielsweise Korngrößenverteilung, Schüttgutdichte und andere - an das datenbasierte online Modell 16 übermittelt werden. Die Feuchtigkeit, Permeabilität und die Schüttgutdichte werden bevorzugt durch einen Mischguttester ermittelt. Die Sintergutmischung wird auf die Sinteranlage 1 an einer Material Zugabestelle 2 aufgebracht. Durch einen Gasbrenner wird an der Oberfläche des Sintergutes Koksgrus gezündet und durch Windkästen 4 wird ein Unterdruck angelegt, wodurch Luft und entstehende Abgase von oben nach unten durch die Sinterschicht gesaugt werden. Die Eisenerze beginnen zu schmelzen, kleben zusammen und bilden einen Sinterkuchen. Am Ende der Sinteranlage kann sich noch ein Stachelbrecher (nicht dargestellt) befinden, um den Sinterkuchen zu zerkleinern. Das gesintertes Material 6 wird an einer Material Abgabestelle 3 abgeworfen. In weiterer Folge wird das gesinterte Material 6 auf Kühlern abgekühlt und einem Hochofen zugeführt (nicht dargestellt). Die Einstellung des Feuchtegehalts der Sintergutmischung 5 ist essenziell um ein Optimum der Permeabilität 17b einzustellen. Das Optimum der Permeabilität 17b ermöglicht es einen maximalen Luftdurchgang zu gewährleisten, damit am Ende der Sinteranlage 1 ein gleichmäßig gut durchgebranntes gesintertes Material 6 entsteht.
  • In Fig. 2 ist analog zur Fig. 1 ein Intensivmischer 10 vorhanden. Der Intensivmischer 10 ist in dieser Ausführung mit einem Granulator 18 verbunden in welchen das gemischte Material 10a übergeben wird. Das gemischte Material 10a wird im Granulator 18 einem weiteren Verfahrensschritt zugeführt und danach kann das granulierte Material 18a einer Rolliertrommel 19 übergeben werden. Es ist anstatt der Rolliertrommel 19 auch ein anderes Aggregat möglich wie beispielsweise ein Disk Pelletizer. Der Feuchtegehalt 17a wird in dieser Ausführungsform neben dem Intensivmischer 10 auch im Granulator 18 und der Rolliertrommel 19 eingestellt. Der Feuchtigkeitszugabe Regler 15 übermittelt an die Ventile 13a das Steuersignale 14 zur Einstellung der Wasserzugabe 13. In dieser Ausführung kann in jedem Aggregat - Intensivmischer 10, Granulator 18 und Rolliertrommel 19 - gezielt der Feuchtegehalt angepasst werden. Es ist aber auch denkbar, dass nur in zwei oder einem Aggregat der Feuchtegehalt 17a eingestellt wird.
  • In Fig. 3 ist ein Diagramm der Permeabilität über die Zeit dargestellt. Die Permeabilität wird als Japanese Permeability Unit (JPU) erfasst. Es sind Messdaten der Permeabilitätsmessung 17b und eine Permeabilitätsvorhersage 20 des datenbasierten online Modells im Diagramm eingetragen. Aus diesem Diagramm ist die gute Übereinstimmung der Messdaten mit der Vorhersage der Permeabilität 20 ersichtlich. Das datenbasierte online Modell basiert für die Permeabilitätsvorhersage auf dem funktionellen Zusammenhang nach Gleichung 1 (p = c0 + c1∗f + c2∗f2). Die Koeffizienten c0, c1, c2 wurden anhand von vorhandenen Datensätzen bestimmt.
  • In Fig. 4 ist in einem Diagramm einerseits der vom datenbasierten online Modell ermittelte Feuchtwert 23 aufgetragen und der eingestellte Feuchtewert 22. Der eingestellte Feuchtewert 22 wurde in diesem Beispiel immer nur geändert, wenn sich der ermittelte Feuchtewert um einen Betrag von 0,05% ändert. Dieser Betrag kann auch höher oder niedriger sein. Es wäre auch denkbar die Einstellungen nahezu kontinuierlich vorzunehmen. In dem Diagramm ist auch eine Anzahl von verwendeten Einzelmodell Ergebnissen 21 dargestellt. Die Anzahl der verwendeten Einzelmodell Ergebnisse 21 sind jene Datensätze, die für das datenbasierte online Modell berücksichtigt werden. Bei diesen Datensätzen handelt es sich um Einzelmodell Ergebnisse aus welchen eindeutig ein Maximum bestimmbar ist. Die stark variierende Anzahl verwendeter Datensätze zeigt, dass es wichtig sein kann mehrere Datensätze zu verwenden, da zu bestimmten Zeitpunkten nur wenige Datensätze ein gut bestimmbares Maximum aufweisen. Dies kann daran liegen, dass sich die Materialzusammensetzung geändert hat oder man befindet sich bereits sehr nahe beim Optimum, wodurch viele Datensätze kein bestimmbares Maximum aufweisen. Wenn also mehrere Datensätze verwendet werden ist die Wahrscheinlichkeit sehr hoch, dass zumindest einige Datensätze dabei sind, welche ein bestimmbares Maximum aufweisen.
  • Obwohl die Erfindung im Detail durch die bevorzugten Ausführungsbeispiele näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.
    • Bezugszeichenliste
    • 1
    Sinteranlage
    2
    Material Zugabe Stelle
    3
    Material Abgabe Stelle
    4
    Windkästen
    5
    Sintergutmischung
    6
    Gesintertes Material
    7
    Gasbrenner
    10
    Mischer
    10a
    Gemischtes Material
    11
    Eisenerz
    12
    Rohstoffe
    13
    Wasserzugabe
    13a
    Ventil
    13b
    Wasserzuführleitung
    14
    Steuergröße
    15
    Feuchtigkeitszugabe Regler
    16
    Datenbasiertes Online Modell
    16a
    Sollwert des Feuchtegehalts
    17
    Daten
    17a
    Feuchtegehalt
    17b
    Permeabilitätsmessung
    18
    Granulator
    18a
    granuliertes Material
    19
    Rolliertrommel
    20
    Permeabilitätsvorhersage
    21
    Anzahl von verwendeten Einzelmodell Ergebnissen
    22
    eingestellter Feuchtewert
    23
    ermittelter Feuchtewert
    JPU
    Japanese Permeability Unit
    n
    Anzahl
    %
    Feuchtegehalt in %

Claims (15)

  1. Verfahren zum Einstellen einer Permeabilität einer Sintergutmischung (5) für eine Sinteranlage (1), dadurch gekennzeichnet, dass anhand eines datenbasierten online Modells (16) der Permeabilität der Sintergutmischung (5) ein Sollwert des Feuchtegehalts (16a) der Sintergutmischung (5) bestimmt wird, bei welchem ein Maximum der Permeabilität der Sintergutmischung (5) auftritt, der Sollwert des Feuchtegehalts (16a) wird an einen Feuchtigkeitszugabe Regler (15) übergeben, wobei das datenbasierte online Modell (16) zur laufenden Aktualisierung als Eingangsgröße (17) Daten, bevorzugt Messdaten, von zumindest einem Feuchtegehalt (17a) und einer Permeabilität (17b) der Sintergutmischung (5) aufweist.
  2. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 1, dadurch gekennzeichnet, dass zumindest einer der nachfolgenden Parameter eine zusätzliche Eingangsgröße (17) des datenbasierten online Modells (16) ist:
    - Schüttgutdichte der Sintergutmischung
    - Zusammensetzung der Sintergutmischung
    - Korngrößenverteilung
    - Prozessparameter beim Mischen des Sintermischgutes
    - Umgebungseinflüsse, bevorzugt eine Umgebungstemperatur.
  3. Verfahren zum Einstellen einer Permeabilität einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das datenbasierte online Modell (16) der Permeabilität einen funktionellen Zusammenhang von Feuchtegehalt der Sintergutmischung, einem Quadrat des Feuchtegehalts der Sintergutmischung und bevorzugt einer Schüttgutdichte der Sintergutmischung aufweist.
  4. Verfahren zum Einstellen einer Permeabilität einer Sintergutmischung für eine Sinteranlage nach Anspruch 1 - 3, dadurch gekennzeichnet, dass der Feuchtegehalt als Sollwert nur bei einer Änderung von größer 0,05% zum vorhergehenden Sollwert an den Feuchtigkeitszugabe Regler übergeben wird.
  5. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 1 - 4, dadurch gekennzeichnet, dass der Feuchtegehalt (17a) als Sollwert nur nach mindestens dreißig Minuten, bevorzugt nach einer Stunde, an den Feuchtigkeitszugabe Regler (15) übergeben wird.
  6. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage nach Anspruch 1 - 5, dadurch gekennzeichnet, dass der Sollwert des Feuchtegehalt (17a) im Bereich zwischen 3,5% und 10%, bevorzugt 3,8% - 8%, besonders bevorzugt 3,8% - 4,3% liegt.
  7. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 1 - 6, dadurch gekennzeichnet, dass der Sollwert des Feuchtegehalts, welcher an den Feuchtigkeitszugabe Regler (15) übergeben wird, maximal eine Abweichung um 0.2% zum vorhergehenden Sollwert aufweist.
  8. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 1 - 7, dadurch gekennzeichnet, dass das datenbasierte online Modell (16) zumindest zwei, bevorzugt zumindest fünf, besonders bevorzugt zumindest zehn Datensätze mit Daten, bevorzugt Messdaten, berücksichtigt, welche jeweils einen unterschiedlichen Zeitraum einer Datenerfassung aufweisen.
  9. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 8, dadurch gekennzeichnet, dass zumindest ein Datensatz unterschiedlich gewichtet wird, wobei Datensätze mit den aktuelleren Zeiträumen bevorzugt einen höheren Gewichtungsfaktor aufweisen, als jene Datensätze mit einem länger zurückliegenden Zeitraum.
  10. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass nur Datensätze für das datenbasierte online Modell (16) herangezogen werden welche ein eindeutig bestimmbares Maximum aufweisen.
  11. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 3 - 10, dadurch gekennzeichnet, dass das datenbasierte online Modell (16) den funktionellen Zusammenhang dritten Grades aufweist.
  12. Verfahren zum Einstellen einer Permeabilität (17b) einer Sintergutmischung (5) für eine Sinteranlage (1) nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das datenbasierte online Modell (16) mittels symbolischer Regression ermittelt wird.
  13. Signalverarbeitungseinrichtung für eine Sinteranlage (1), mit einem maschinenlesbaren Programmcode, welcher Steuerbefehle aufweist, die die Signalverarbeitungseinrichtung zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 12 veranlassen.
  14. Maschinenlesbarer Programmcode für eine Signalverarbeitungseinrichtung für eine Sinteranlage (1), wobei der Programmcode Steuerbefehle aufweist, die die Signalverarbeitungseinrichtung zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 12 veranlassen.
  15. Speichermedium mit einem darauf gespeicherten maschinenlesbaren Programmcode gemäß Anspruch 14.
EP20172392.1A 2020-04-30 2020-04-30 Verfahren zur einstellung einer permeabilität eines sintergutes Withdrawn EP3904544A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP20172392.1A EP3904544A1 (de) 2020-04-30 2020-04-30 Verfahren zur einstellung einer permeabilität eines sintergutes
PCT/EP2021/061272 WO2021219790A1 (de) 2020-04-30 2021-04-29 Verfahren zur einstellung einer permeabilität eines sintergutes
CN202180031391.1A CN115461478A (zh) 2020-04-30 2021-04-29 用于调整烧结材料的渗透率的方法
EP21721131.7A EP4143352A1 (de) 2020-04-30 2021-04-29 Verfahren zur einstellung einer permeabilität eines sintergutes

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP20172392.1A EP3904544A1 (de) 2020-04-30 2020-04-30 Verfahren zur einstellung einer permeabilität eines sintergutes

Publications (1)

Publication Number Publication Date
EP3904544A1 true EP3904544A1 (de) 2021-11-03

Family

ID=70482374

Family Applications (2)

Application Number Title Priority Date Filing Date
EP20172392.1A Withdrawn EP3904544A1 (de) 2020-04-30 2020-04-30 Verfahren zur einstellung einer permeabilität eines sintergutes
EP21721131.7A Pending EP4143352A1 (de) 2020-04-30 2021-04-29 Verfahren zur einstellung einer permeabilität eines sintergutes

Family Applications After (1)

Application Number Title Priority Date Filing Date
EP21721131.7A Pending EP4143352A1 (de) 2020-04-30 2021-04-29 Verfahren zur einstellung einer permeabilität eines sintergutes

Country Status (3)

Country Link
EP (2) EP3904544A1 (de)
CN (1) CN115461478A (de)
WO (1) WO2021219790A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114668164A (zh) * 2022-04-01 2022-06-28 河南中烟工业有限责任公司 基于来料差异性的松散回潮加水量自适应控制系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117524386A (zh) * 2024-01-04 2024-02-06 之江实验室 基于微磁学和机器学习的磁性合金磁导率计算方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4410355A (en) * 1979-11-06 1983-10-18 Voest-Alpine Aktiengesellschaft Process for controlling a pelletizing plant for fine-grained ores
JPH0797639A (ja) * 1993-08-06 1995-04-11 Sumitomo Metal Ind Ltd 焼結原料の造粒方法
JPH08134554A (ja) * 1994-09-14 1996-05-28 Sumitomo Metal Ind Ltd 焼結原料の造粒方法
EP1541700A1 (de) * 2002-08-21 2005-06-15 Nippon Steel Corporation Verfahren zur granulierung von sintermaterial für die eisenherstellung
EP2330468A1 (de) * 2009-12-04 2011-06-08 Tata Consultancy Services Limited Online-Optimierung der Härtung von nassen Eisenerzpellets auf einem sich bewegenden Rost
EP2848299B1 (de) 2013-09-11 2019-08-14 Primetals Technologies Austria GmbH Verfahren und vorrichtung zur herstellung von granulaten

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2265865B1 (de) * 1974-03-27 1976-12-17 Siderurgie Fse Inst Rech
JPH07116527B2 (ja) * 1990-04-20 1995-12-13 新日本製鐵株式会社 焼結プロセス制御装置
KR100627449B1 (ko) * 1999-12-15 2006-09-25 주식회사 포스코 소결조업의 코크스 수분 제어장치
JP4620482B2 (ja) * 2005-02-04 2011-01-26 株式会社神戸製鋼所 焼結鉱の製造方法
CN102298316B (zh) * 2011-04-27 2013-07-17 中南大学 有效抑制原料流量波动的烧结制粒水分控制参数整定方法
CN106355272B (zh) * 2016-08-25 2019-09-24 辽宁中新自动控制集团股份有限公司 一种烧结智能数据寻优方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4410355A (en) * 1979-11-06 1983-10-18 Voest-Alpine Aktiengesellschaft Process for controlling a pelletizing plant for fine-grained ores
JPH0797639A (ja) * 1993-08-06 1995-04-11 Sumitomo Metal Ind Ltd 焼結原料の造粒方法
JPH08134554A (ja) * 1994-09-14 1996-05-28 Sumitomo Metal Ind Ltd 焼結原料の造粒方法
EP1541700A1 (de) * 2002-08-21 2005-06-15 Nippon Steel Corporation Verfahren zur granulierung von sintermaterial für die eisenherstellung
EP2330468A1 (de) * 2009-12-04 2011-06-08 Tata Consultancy Services Limited Online-Optimierung der Härtung von nassen Eisenerzpellets auf einem sich bewegenden Rost
EP2848299B1 (de) 2013-09-11 2019-08-14 Primetals Technologies Austria GmbH Verfahren und vorrichtung zur herstellung von granulaten

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114668164A (zh) * 2022-04-01 2022-06-28 河南中烟工业有限责任公司 基于来料差异性的松散回潮加水量自适应控制系统

Also Published As

Publication number Publication date
CN115461478A (zh) 2022-12-09
EP4143352A1 (de) 2023-03-08
WO2021219790A1 (de) 2021-11-04

Similar Documents

Publication Publication Date Title
EP4143352A1 (de) Verfahren zur einstellung einer permeabilität eines sintergutes
EP0661500B1 (de) Verfahren zum Regeln einzelner oder sämtlicher die Verbrennung auf einem Feuerungsrost beeinflussender Faktoren
DE4325187A1 (de) Verfahren zur Steuerung einer Walzenmühle sowie eine Steuerung zur Ausführung des Verfahrens
DE102007062820A1 (de) Mühlenregelungssystem und Verfahren zum Betreiben einer Mühle
DE2507840C3 (de) Regelverfahren für die Zementherstellung im Drehrohrofen und Regelvorrichtung
DE2745459A1 (de) Einrichtung zur steuerung des verbrennungswirkungsgrades
DE3604760A1 (de) Verfahren und vorrichtung zur konditionierung von kraftwerksreststoffen
DE2654971C3 (de) Verfahren zur Herstellung von kalziniertem Koks
DE19919222C1 (de) Verfahren zum Steuern der Verbrennung von Brennstoff mit variablem Heizwert
EP0333063A2 (de) Verfahren und Vorrichtung zur Ermittlung des Bindemittelgehalts von bituminösen Baustoffen
DE3039854C2 (de)
EP1340019B1 (de) Verfahren zum betreiben einer müllverbrennungsanlage
DE3041958C2 (de) Verfahren zur Steuerung einer Pelletieranlage für feinkörnige Erze
EP2664883A1 (de) Chargiervorrichtung
DE2149186C3 (de) Verfahren zur Herstellung von Trocken-Schiittgut durch Quetschen und Mahlen
DE19513547C2 (de) Verfahren zum Steuern des Wärmebehandlungsprozesses in einer Pelletieranlage
DE2026471B2 (de) Steuerungsverfahren fuer einen hochofen
DE2512862A1 (de) Verfahren und einrichtung zur steuerung einer sinterungsanlage
DE3734352A1 (de) Verfahren zum regeln der feuerung eines brennofens mit einem brenner fuer pulverisierte kohle unterschiedlicher qualitaet und vorrichtung zum durchfuehren des verfahrens
AT412903B (de) Verfahren zur steuerung bzw. regelung von feuerungsanlagen sowie danach regelbare feuerungsanlage
DE1800309C3 (de) Verfahren zur Regelung des Sinterprozesses von Erzen, insbesondere von Eisenerzen, auf einem Wanderrost
DE2524444C2 (de) Verfahren zur Regelung des Fe hoch ++-Gehaltes im Sinter
EP0541982A1 (de) Verfahren zur Steuerung eines Tunnelofens
EP1518839A1 (de) Verfahren zum Betrieb einer Zementproduktionsanlage
DE1246254B (de) Verfahren zum Steuern des Wassergehaltes von Erz-Brennstoffsintermischungen auf einem Wanderrost sowie Vorrichtung zur Durchfuehrung des Verfahrens

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

B565 Issuance of search results under rule 164(2) epc

Effective date: 20200918

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20220504