[发明专利]一种基于多层矿焦比分布模型的高炉炉喉温度估计方法有效

专利信息
申请号: 202110301378.5 申请日: 2021-03-22
公开(公告)号: CN113139275B 公开(公告)日: 2022-08-19
发明(设计)人: 唐晓宇;金王震;郝政;王鑫;杨春节 申请(专利权)人: 浙江大学
主分类号: G06F30/20 分类号: G06F30/20;G06F119/08
代理公司: 杭州求是专利事务所有限公司 33200 代理人: 刘静
地址: 310058 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 多层 焦比 分布 模型 高炉 温度 估计 方法
【权利要求书】:

1.一种基于多层矿焦比分布模型的高炉炉喉温度估计方法,其特征在于,包括以下步骤:

(1)获取高炉设备参数、布料过程参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据;

(2)根据布料规律计算得到每层的料面形状,包括炉料从储料罐运动到溜槽、在溜槽上运动、从溜槽落至料面、形成料面形状;

(3)根据下降规律计算炉内各层的料面形状,实现料层迭代循环;料层在高炉不同位置有不同下降规律,下降从最下方的一层开始,逐层向上,过程中各层体积通过分割的方法计算,直至顶层下降完成,记录为新的当前料层,进行下一次的顶层布料,准备下一次的下降;

(4)计算各层矿焦比分布;

(5)将各层矿焦比和高炉主参数作为输入,炉喉测温点数据作为输出,基于广义回归神经网络建立炉喉温度估算模型;模型训练完成后,输入当前各层矿焦比和高炉主参数,得到炉喉测量温度的估计值。

2.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法,其特征在于,所述步骤(2)与步骤(3)共同构建高炉料层分布模型。

3.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法,其特征在于,所述步骤(2)具体包括以下子步骤:

(2.1)炉料从储料罐中卸料,通过中心喉管到达溜槽的过程:根据已知的溜槽长度,溜槽倾角和中心喉管长度,依照自由落体规律,计算炉料到达溜槽时沿溜槽方向的速度;

(2.2)通过受力分析,根据已知的溜槽长度、溜槽转速和炉料在溜槽上的摩擦系数,由(2.1)中的初始速度,计算得到炉料离开溜槽时的速度;

(2.3)根据已知的溜槽倾角和料线高度,计算炉料到达料面时所形成的料堆堆尖在高炉半径方向上的坐标位置;

(2.4)根据已知的炉料内外堆角和炉料堆尖的坐标位置,确定料面形状;炉料堆尖横坐标在步骤(2.3)中确定,纵坐标根据布料矩阵中单环炉料体积与先后两个料面形状之间的体积相等的原则计算得到;

(2.5)将前一个倾角形成的料面作为新的初始料面形状,按照布料矩阵依次计算第二个到最后一个溜槽倾角下的料面形状函数,完成一个布料矩阵的布料循环,最终结果即为某层的料面形状。

4.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法,其特征在于,所述步骤(3)具体包括以下子步骤:

(3.1)顶层料线高度高于设定值,进行下降过程;否则,以当前顶层料面为初始料面,根据布料矩阵和步骤(2),计算顶层料面形状;

(3.2)料层下降轨迹:炉料在高炉不同的位置下降的轨迹不同,炉喉和炉腹位置时竖直下降,径向坐标保持不变;炉料在炉身和炉腰位置径向和轴向的运动规律根据相似三角形的原理和均匀下降方式计算得到;

(3.3)每层的下降体积计算方式:将各层按照其上下界面的形状划分为若干个三角形,计算各个三角形面积,并将其绕高炉中心线旋转围成的体积相累加的结果作为各层的体积;

(3.4)最后一层炉料下降之后,在其上的一层随之下降,下降的体积即为最后一层的炉料体积,根据(3.2)和(3.3)中的下降规则依次推至顶层,顶层下降完成之后,其上界面将作为新的初始料面,读入下一个布料矩阵,回到(3.1)。

5.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法,其特征在于,所述步骤(4)中,矿焦比的计算公式如下:

其中,x表示某点与高炉中心线的距离,γ(x)k表示第k层的料面分布函数,下标o、c用于区别矿石层和焦炭层,K表示选定料层层数,OCRk(x)表示第k层的矿焦比;选取的多层料层范围从炉喉位置开始一直到炉腹位置。

6.根据权利要求1所述的一种基于多层矿焦比分布模型的高炉炉喉温度估计方法,其特征在于,所述步骤(5)具体包括以下子步骤:

(5.1)将高炉主参数、炉喉测温数据与布料过程进行时间配准,选择与布料矩阵时间相符的高炉主参数与炉喉测温数据;

(5.2)数据预处理,包括数据清洗和归一化;

(5.3)广义回归神经网络由输入层、模式层、求和层、输出层组成,其输入与输出之间的关系由以下公式表示:

其中,T是GRNN的输出结果,输入向量U为各层矿焦比和高炉主参数组成的N×1维向量,E[T|U]是给定输入向量U的输出T的期望值,g(U,T)是U和T的联合概率密度函数;

(5.4)将由训练集中高炉主参数和多层矿焦比组成的输入向量,炉喉温度值作为输出向量,对模型进行训练;模型训练完成后,输入当前的高炉主参数和多层矿焦比,即可获得炉喉测温的估计值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110301378.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top