鋼鐵燒結(jié)過程關(guān)鍵工藝指標(biāo)預(yù)測(cè)

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(gè)工藝流程長(zhǎng)、影響因素多、機(jī)理復(fù)雜的動(dòng)態(tài)系統(tǒng)，燒結(jié)過程的特點(diǎn)使得對(duì)燒結(jié)礦質(zhì)量的檢驗(yàn)具有大滯后性，檢測(cè)結(jié)果無法用于指導(dǎo)燒結(jié)配料操作，因此開發(fā)燒結(jié)礦質(zhì)量預(yù)測(cè)系統(tǒng)實(shí)現(xiàn)對(duì)燒結(jié)礦質(zhì)量的準(zhǔn)確預(yù)測(cè)具有十分重要的意義。

關(guān)鍵詞：燒結(jié)礦質(zhì)量，RBF神經(jīng)網(wǎng)絡(luò)模型

目前，國(guó)內(nèi)某鋼鐵公司燒結(jié)廠應(yīng)用的燒結(jié)礦質(zhì)量預(yù)測(cè)模型仍為精度較低的機(jī)理預(yù)測(cè)模型，得到的預(yù)測(cè)結(jié)果不能對(duì)燒結(jié)過程起到積極的指導(dǎo)作用，且計(jì)算過程為人工的Excel表格計(jì)算，工作效率較低，信息不能及時(shí)共享。

針對(duì)燒結(jié)過程的強(qiáng)非線性特點(diǎn)，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(píng)價(jià)指標(biāo)作為輸出，建立RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，預(yù)測(cè)燒結(jié)礦質(zhì)量。

神經(jīng)網(wǎng)絡(luò)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(duì)質(zhì)量的影響，而神經(jīng)網(wǎng)絡(luò)模型主要考慮狀態(tài)參數(shù)與操作參數(shù)對(duì)質(zhì)量的影響，所以，神經(jīng)網(wǎng)絡(luò)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(zhǎng)期的燒結(jié)生產(chǎn)實(shí)踐，可以得出燒結(jié)過程完成時(shí)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(xué)成分是按百分比計(jì)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(shí)，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(xué)成分機(jī)理預(yù)測(cè)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(jī)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(duì)液相物質(zhì)的產(chǎn)生量具有重要影響，同時(shí)也導(dǎo)致燒結(jié)礦化學(xué)成分發(fā)生變化。

（2）料層厚度：目前為了提高燒結(jié)臺(tái)車?yán)寐逝c臺(tái)時(shí)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(huì)變差，透氣差導(dǎo)致燃料不易充分燃燒，出現(xiàn)難以燒透的情況，對(duì)燒結(jié)礦化學(xué)成分影響較大

（3）二混水分：二混水分即燒結(jié)臺(tái)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(guān)。

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

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

燒結(jié)礦的轉(zhuǎn)鼓指數(shù)指標(biāo)與燒結(jié)礦化學(xué)成分不同，難以建立準(zhǔn)確的機(jī)理模型同時(shí)，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(zhǎng)期的燒結(jié)實(shí)驗(yàn)和生產(chǎn)實(shí)踐表明，燒結(jié)礦轉(zhuǎn)鼓指數(shù)與以下參數(shù)相關(guān)：

（1）二混水分：在燒結(jié)過程中，水分主要起到制粒、導(dǎo)熱、助燃和潤(rùn)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(qiáng)弱程度，而燒結(jié)礦粘結(jié)相固結(jié)強(qiáng)弱程度主要取決于燒結(jié)礦中復(fù)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(duì)轉(zhuǎn)鼓指數(shù)有重大影響

（3）堿度一定的堿度值是生成復(fù)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(xué)變化的能量來源于燃料燃燒和抽風(fēng)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(duì)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(cè)量，但是可以通過料層厚度、臺(tái)車速度和終點(diǎn)位置間接表示。

隨著現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，MATLAB仿真工具箱為RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練建立了比較方便的設(shè)計(jì)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(yù)測(cè)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(xùn)練目標(biāo)；spread為徑向基函數(shù)的擴(kuò)展速度，擴(kuò)展速度的值選擇在RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)顯得尤為重要，其值過大時(shí)，易出現(xiàn)過擬合現(xiàn)象，過小時(shí)，曲線擬合不夠平滑；MN隱層神經(jīng)元的最大個(gè)數(shù)；DF表示訓(xùn)練過程中顯示的頻率，即時(shí)間間隔。在仿真訓(xùn)練時(shí)，隨著質(zhì)量預(yù)測(cè)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(shí)，由于輸入數(shù)據(jù)和輸出數(shù)據(jù)之間數(shù)據(jù)級(jí)和數(shù)據(jù)量綱的差別，為了保證預(yù)測(cè)模型的效率和精度，首先將濾波后數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，變換到[-1，1]之間進(jìn)行初始化訓(xùn)練：

式中，為標(biāo)準(zhǔn)化處理后數(shù)據(jù)序列， 為標(biāo)準(zhǔn)化前各數(shù)據(jù)序列，i為樣本序號(hào)，j表示各樣本點(diǎn)，Mj，Sj分別表示樣本點(diǎn)所在數(shù)據(jù)序列的算術(shù)平均值和標(biāo)準(zhǔn)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(luò)預(yù)測(cè)模型對(duì)燒結(jié)礦質(zhì)量指標(biāo)預(yù)測(cè)的相對(duì)誤差絕對(duì)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(zhǎng)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(duì)象，針對(duì)燒結(jié)過程質(zhì)量檢測(cè)滯后時(shí)間長(zhǎng)，工況復(fù)雜多變，原材料來源復(fù)雜，參數(shù)眾多且耦合嚴(yán)重，燒結(jié)礦質(zhì)量檢測(cè)結(jié)果不能夠?qū)崟r(shí)指導(dǎo)燒結(jié)生產(chǎn)過程的問題，采用了RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)燒結(jié)過程中關(guān)鍵工藝進(jìn)行了準(zhǔn)確的預(yù)測(cè)。

參考文獻(xiàn)：

[1]喻黎明，嚴(yán)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(shí)空分布預(yù)測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，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(biāo)軟測(cè)量研究[J].儀器儀表學(xué)報(bào)，2016，37（10）： 2243-2250.

[3]李愛蓮，趙永明，崔桂梅.基于灰色關(guān)聯(lián)分析的ELM高爐溫度預(yù)測(cè)模型[J].鋼鐵研究學(xué)報(bào)，2015，27（11）：33-37.

[4]周東凱，李剛，王學(xué)琨.基于PSO-ELM的雙目視覺攝像機(jī)標(biāo)定[J].廣西大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，39（06）： 1285- 1290.