鋼鐵燒結(jié)過程關鍵工藝指標預測

摘要：燒結(jié)過程是鋼鐵冶煉的重要工序之一，燒結(jié)礦是高爐煉鐵的主要原料，燒結(jié)礦的質(zhì)量直接影響高爐爐況和鋼鐵產(chǎn)品質(zhì)量。燒結(jié)過程是一個工藝流程長、影響因素多、機理復雜的動態(tài)系統(tǒng)，燒結(jié)過程的特點使得對燒結(jié)礦質(zhì)量的檢驗具有大滯后性，檢測結(jié)果無法用于指導燒結(jié)配料操作，因此開發(fā)燒結(jié)礦質(zhì)量預測系統(tǒng)實現(xiàn)對燒結(jié)礦質(zhì)量的準確預測具有十分重要的意義。

關鍵詞：燒結(jié)礦質(zhì)量，RBF神經(jīng)網(wǎng)絡模型

目前，國內(nèi)某鋼鐵公司燒結(jié)廠應用的燒結(jié)礦質(zhì)量預測模型仍為精度較低的機理預測模型，得到的預測結(jié)果不能對燒結(jié)過程起到積極的指導作用，且計算過程為人工的Excel表格計算，工作效率較低，信息不能及時共享。

針對燒結(jié)過程的強非線性特點，選擇部分燒結(jié)過程狀態(tài)參數(shù)、原料參數(shù)及操作參數(shù)作為輸入，燒結(jié)礦質(zhì)量評價指標作為輸出，建立RBF神經(jīng)網(wǎng)絡預測模型，預測燒結(jié)礦質(zhì)量。

神經(jīng)網(wǎng)絡模型的建立首先要確定模型的輸入輸出參數(shù)，由前述可知，，模型主要反映配料參數(shù)對質(zhì)量的影響，而神經(jīng)網(wǎng)絡模型主要考慮狀態(tài)參數(shù)與操作參數(shù)對質(zhì)量的影響，所以，神經(jīng)網(wǎng)絡的輸入?yún)?shù)除了配料參數(shù)以外，主要選取合理的操作參數(shù)和狀態(tài)參數(shù)作為模型的輸入。根據(jù)燒結(jié)生產(chǎn)工藝流程及長期的燒結(jié)生產(chǎn)實踐，可以得出燒結(jié)過程完成時混合料中鐵總量與成品礦中鐵總量基本一致，但由于燒結(jié)過程焦粉等燃料的大量損耗及燒結(jié)礦化學成分是按百分比計算的，因此隨著燃料的消耗，混合料鐵品位百分比含量要比燒結(jié)礦鐵品位的百分比含量低同時，混合料中的鈣元素與硅元素基本沒有損失，因此，混合料的堿度與成品燒結(jié)礦堿度基本一致。根據(jù)燒結(jié)過程物料守恒原理，可以建立化學成分機理預測模型，成品燒結(jié)礦的鐵品位和堿度基本上可以由配料參數(shù)與原料參數(shù)信息信息決定，如式所示。

從機理分析，燒結(jié)礦鐵品位和堿度還受到以下過程狀態(tài)參數(shù)影響

（1）焦粉配比：焦粉為燃料，其燃燒程度對液相物質(zhì)的產(chǎn)生量具有重要影響，同時也導致燒結(jié)礦化學成分發(fā)生變化。

（2）料層厚度：目前為了提高燒結(jié)臺車利用率與臺時產(chǎn)量，各大、中型燒結(jié)廠一般采用厚料層燒結(jié)工藝，但燒結(jié)料層越厚，透氣性可能會變差，透氣差導致燃料不易充分燃燒，出現(xiàn)難以燒透的情況，對燒結(jié)礦化學成分影響較大

（3）二混水分：二混水分即燒結(jié)臺車布料之間添加溶劑、燃料之后的混合料中的水分，水分具有制粒作用，與燒結(jié)料層的透氣性水平息息相關。

（4）終點溫度：焦粉燃燒越充分，產(chǎn)生能量越大，終點溫度升高，反之則降低，終點溫度值在合理范圍是燒結(jié)礦化學成分檢驗合格的前提。

（5）終點位置：終點位置影響燒結(jié)帶的分布，進而影響液相物質(zhì)的產(chǎn)生量，最終影響燒結(jié)礦化學成分。

燒結(jié)礦的轉(zhuǎn)鼓指數(shù)指標與燒結(jié)礦化學成分不同，難以建立準確的機理模型同時，參數(shù)影響作用的大小難以確定，沒有起決定作用的參數(shù)。然而，通過長期的燒結(jié)實驗和生產(chǎn)實踐表明，燒結(jié)礦轉(zhuǎn)鼓指數(shù)與以下參數(shù)相關：

（1）二混水分：在燒結(jié)過程中，水分主要起到制粒、導熱、助燃和潤滑的作用，可以改善料層透氣性和料層熱傳遞性能。

（2）二氧化硅：燒結(jié)礦轉(zhuǎn)鼓指數(shù)決定于燒結(jié)礦中粘結(jié)相的固結(jié)強弱程度，而燒結(jié)礦粘結(jié)相固結(jié)強弱程度主要取決于燒結(jié)礦中復合鐵酸鹽的含量，而二氧化硅是生成燒結(jié)礦粘結(jié)相的重要物質(zhì)，對轉(zhuǎn)鼓指數(shù)有重大影響

（3）堿度一定的堿度值是生成復合鐵酸鹽的必要條件，也是形成足夠粘結(jié)相的必要條件。

（4）垂直燒結(jié)速度：燒結(jié)的本質(zhì)就是礦粉受熱熔化粘結(jié)的過程，其物理、化學變化的能量來源于燃料燃燒和抽風氣流傳遞熱量。垂直燒結(jié)速度是指燒結(jié)料層橫截面自上而下的燃燒速度，垂直燒結(jié)速度對燒結(jié)礦物理性能具有很大的影響。垂直燒結(jié)速度不可直接測量，但是可以通過料層厚度、臺車速度和終點位置間接表示。

隨著現(xiàn)代計算機技術的發(fā)展，MATLAB仿真工具箱為RBF神經(jīng)網(wǎng)絡的訓練建立了比較方便的設計函數(shù)，比較常用的有newrbe與newrb。本文采用newrb函數(shù)建立燒結(jié)礦質(zhì)量預測模型，newrb的格式為[net，tr]=newrb（P，T，goal，spread，MN，DF），其中：P為輸入樣本構(gòu)成的矩陣；T為輸出向量矩陣；goal為訓練目標；spread為徑向基函數(shù)的擴展速度，擴展速度的值選擇在RBF神經(jīng)網(wǎng)絡訓練時顯得尤為重要，其值過大時，易出現(xiàn)過擬合現(xiàn)象，過小時，曲線擬合不夠平滑；MN隱層神經(jīng)元的最大個數(shù)；DF表示訓練過程中顯示的頻率，即時間間隔。在仿真訓練時，隨著質(zhì)量預測模型要求精度的改變可以通過調(diào)整newrb函數(shù)的參數(shù)值來滿足要求。

模型建立時，由于輸入數(shù)據(jù)和輸出數(shù)據(jù)之間數(shù)據(jù)級和數(shù)據(jù)量綱的差別，為了保證預測模型的效率和精度，首先將濾波后數(shù)據(jù)進行數(shù)據(jù)標準化處理，變換到[-1，1]之間進行初始化訓練：

式中，為標準化處理后數(shù)據(jù)序列， 為標準化前各數(shù)據(jù)序列，i為樣本序號，j表示各樣本點，Mj，Sj分別表示樣本點所在數(shù)據(jù)序列的算術平均值和標準差。

通過以上的模型建立和數(shù)據(jù)帶入可以看出，RBF神經(jīng)網(wǎng)絡預測模型對燒結(jié)礦質(zhì)量指標預測的相對誤差絕對值都在3%以內(nèi)，模型精度較高。

燒結(jié)生產(chǎn)過程是鋼鐵企業(yè)長流程生產(chǎn)工藝的重要環(huán)節(jié)，本文以鋼鐵企業(yè)燒結(jié)生產(chǎn)過程為研究對象，針對燒結(jié)過程質(zhì)量檢測滯后時間長，工況復雜多變，原材料來源復雜，參數(shù)眾多且耦合嚴重，燒結(jié)礦質(zhì)量檢測結(jié)果不能夠?qū)崟r指導燒結(jié)生產(chǎn)過程的問題，采用了RBF神經(jīng)網(wǎng)絡預測模型對燒結(jié)過程中關鍵工藝進行了準確的預測。

參考文獻：

[1]喻黎明，嚴為光，龔道枝，李沅媛，馮禹，姜丹曦.基于ELM模型的淺層地下水位埋深時空分布預測[J].農(nóng)業(yè)機械學報，2017，48（02）：215-223.

[2]趙朋程，劉彬，孫超，王美琪.基于IQPSO優(yōu)化ELM的熟料質(zhì)量指標軟測量研究[J].儀器儀表學報，2016，37（10）： 2243-2250.

[3]李愛蓮，趙永明，崔桂梅.基于灰色關聯(lián)分析的ELM高爐溫度預測模型[J].鋼鐵研究學報，2015，27（11）：33-37.

[4]周東凱，李剛，王學琨.基于PSO-ELM的雙目視覺攝像機標定[J].廣西大學學報（自然科學版），2014，39（06）： 1285- 1290.