基于神经网络的铁水KR脱硫预报模型
铁水预处理脱硫过程氮含量预测
第 ６卷 第 ４期
２０ ０ ７年 ｌ ２月
材
料
与 冶 金Ｎｏ ４
Ｄｅ ． Ｏｏ ｃ２ ７
Ｊ ｕ ａ ｆＭａｅｉ ｓａ ｄ Ｍｅａｌｒｙ ｏ ｒ ｌｏ ｔｒａ ｎ ｔｌ ｇ ｎ ｌ ｕ
铁 水 预 处 理 脱硫 过程 氮 含 量预 测
关键 词 ：铁水预处理 ；脱硫 ；Ｂ Ｐ神经 网络 ；氮含量预测
中 图 分 类 号 ：Ｔ １． ８ Ｆ １１ １ 文献 标 识 码 ：Ａ 文 章 编 号 ：１７ －６０ ２０ ）４０ ５ －５ ６ １ ２ （０ ７ ０ －２５ ６ ０
Ｎｉｒ ｇ ｎ ｃ ｎ ｅ ｔ ｐ ｅ ｉ ｔｏ ｎ ｈｏ ｅ ａ ｔ ｏ ｅ ｏ ｔ ｎ ｒ ｄ ｃ ｉ ｎ ｉ ｔｍ ｔ ｌ ｄ ｓ ｐ ｒ ｚ ｔ０ ｅ ｒ ａ ｍ ｅ ｔ ｅ ｕｌ ｈｕ ｉ ａ ｉ ｎ ｐｒ ｔ ｅ ｔ ｎ
ｔ ｒ ｄ ｃ ｅ ｎ ｔ ｇ ｎ ｃ ｎ ｅ ｔ ｆｈ ｔｍｅａ ｎ ｄ ｓ ｐ ｕ ｉ ｔ ｎ ｐ ｅｒ ａｍｅ ｔｂ Ｐ ａ ｉ ｃａ ｅ ｒ ｅ ｗ ｒ ． ｏ ｐ ｅ ｉｔｔ ｉ ｏ ｅ ｏ ｔ ｎ ｏ ｔ ｉ ｅ ｕ ｈ ｒ ａ ｉ ｒ ｔ ｔ ｎ ｙ Ｂ ａ ｆ ｉ ｎ ｕ ａ ｎ ｔ ｏ ｋ ｈ ｒ ｏ ｌ ｌ ｚ ｏ ｅ ｉｌ ｌ Ａｆ ｒｔ ｉ ｉ ｇ ｔｅ ｎ ｔ ｒ ｓｎ ｒｄ ｃｉ ｎ ｄ ｔ ，ｔ ｅ ｍｏ ｅ ａ ｒ ｄ ｃ ｔ ｅ ｎ ｔ ｇ ｎ ｃ ｎｅ ｔｏ ｏ ｔ ｎ ｔ ａｎ ｎ ｈ ｅｗｏｋ ｕ ｉｇ ｐ ｏ ｕ ｔ ａａ ｈ ｄ ｌｃ ｎ ｐ ｅ ｉｔ ｈ ｉｒ ｅ ｏ ｔｎ ｆｈ ｔ ｍｅａ ｉ ｅ ｒ ｏ ｏ ｌ ｄ ｓ ｌｈ ｒ ａｉｎ ｐ ｅｒ ａ ｍｅ ｔ ｈ ｅａｉｅ ｐ ｅ ｉｔ ｎ ｅ ｒ ｒｃ ｎ ｂ ｏ ｔ ｌ ｄ ｕ ｄ ｒ２ ％ ， ａ ｄ ｔ ｅ ａ ｓ ｌｔ ｅ ｕ ｐ ｕ ｉ ｔ ｒ ｔ ｔ ｎ ，ｔ ｅ ｒｌ ｔ ｒｄ ｃｉ ｒｏ ａ ｅ ｃ ｎ ｒ ｌ ｎ ｅ ２ ｚ ｏ ｅ ｖ ｏ ｏｅ ｎ ｈ ｂ ｏｕ ｅ
KR法铁水预处理脱硫的生产实践浅析
211管理及其他M anagement and otherKR 法铁水预处理脱硫的生产实践浅析张振杰（南京钢铁股份有限公司板材事业部第一炼钢厂，江苏 南京 210035）摘 要：硫对于大部分钢种危害程度较高的一种元素，并且其通常情况下是以硫化物的形式存在于钢中。
在实际的应用过程中倘若钢内的硫含量过高，将会对钢材的加工以及使用方面造成极大程度的影响，因此对展开铁水预处理脱硫的意义重大。
本文主要针对南钢KR 机械搅拌法改造后铁水预处理脱硫的生产实践进行了有效的分析。
关键词：机械搅拌法；铁水；脱硫；生产中图分类号：TF704.3 文献标识码：A 文章编号：11-5004（2020）22-0211-2 收稿日期：2020-11作者简介：张振杰，男，生于1982年，汉族，河北衡水人，本科，工程师，研究方向：钢铁冶炼及其相关。
近些年来，铁水预处理脱硫技术得到了相对较快的发展，至今已出现了多种不同类型的工艺处理方法，然而在具体的应用过程中经常使用广泛的有喷吹法以及KR 搅拌法。
KR 搅拌法在进行铁水预处理脱硫的生产实践过程中消耗相对喷吹法较小，同时在处理的过程中有所产渣量相对较少，反应速度快和效率高等优势。
1 方案选型现阶段，铁水脱硫的主要手段在具体生产过程中经常采用的有以KR 法未代表的机械搅拌法以及喷吹法。
该两种脱硫方法在具体实践过程中，均有一定的优势与特点，从而使其能够在炼钢业内得到相对较为广的应用。
关于KR 法脱硫工艺与喷吹法脱硫工艺主要特点的比较。
（1）关于KR 脱硫法工艺由于其在脱硫的过程中动力条件相对较为充分因此该工艺具有相对较高的脱硫率，同时其重现性与稳定性相对较高。
然而因为喷吹脱硫工艺在具体的实施过程中其角度方面的制约还有脱硫剂不能下沉等方面因素的影响，在脱硫的过程中存在一定的死角区域，从而一定程度上影响铁水动力学条件，且经常出现回硫的情况以及对于脱硫剂的消耗相对较大等不足之处，由于该因素的存在使得喷吹脱硫工艺在重现性与稳定性方面与KR 脱硫法存在一定的差距。
基于GA-BP网络的铁水硅质量分数预测系统
宁 波 职 业 技 术 学 院 学 报
Ｊｕ ｎ ｌｏ ｎ ｂ ｏｙｅｈ ｉ ｏ ｒａ ｆ Ｎｉｇ ｏ Ｐ ｌｔｃ ｎｃ Ｖ １１ ． ｏ．２ Ｎｏ５
第 １ ２卷 第 ５期
基 于 Ｇ —Ｐ网络 的铁水硅质量分数预测 系统 ＡＢ
高 云 ，王 宁
明 ，Ａ Ｂ Ｇ － Ｐ网 络模 型 比传 统 的 Ｂ Ｐ网络 模 型 能 够 获 得 更 高 的精 度 。
关 键 词 ：炉 温 ；铁水 硅 含 量 ；神 经 网 络 ；Ｂ Ｐ算 法 ；遗 传 算 法
中图分 类号 ：Ｔ ３ Ｐ１ ８
文献标 识码 ： Ａ
文章编 号 ：１７ — １３ ２０ ）５ ０ ７ — ５ ６ １ ２５ （０ ８０ — ０ ３ ０
报模型 。
本 文在建立 铁水 含硅 量预 测 的神经 网络模 型 时 ，引 入 了遗 传算 法来对 神经 网络 的权值 进行 优 化 和修 改 ，避 免 了单用 神经 网络来 预测硅 含 量会 陷入 局部最小 点的缺点 。
铁 水与 炉渣 的温度 ， 对铁 水硅 、 质量 分数 起 硫 重要作用 。在一般 情况下 ， 、 硅 硫两 者呈反 比关 系 ， 主要是 由于铁水含 硅量低 时 ， 降低 了炉渣的脱硫 能 力； 也就是 ＳＯ 存 留于渣 中。 ｉ： 大概 的经验估 计是 ： 温
来 修 改 网 络 的 连 接 权值 ， 筑 进 化 型 的 神 经 网络 模 型 ， 短 网络 学 习 训 练 时 间 ， 高模 型 预 测 精 度 。 炉 温 预 测 构 缩 提 主 要 是 高 炉 铁 水 硅 质 量 分 数 的 预 测 ， 要 求 硅 质 量 分 数 预报 的 绝 对 误 差 为 ± ． ％时 ， 中 率 为 ９ ％。 结 果 表 当 ００ ５ 命 ０
石钢高炉铁水含硅量神经网络预报模型
Ｇ ｏｊ ｎ ｕ ｕ ａ ｇｏ ｉ
（ ｅ ｅ Ｅ ｏｏ ｇ＆ Ｃ ｍ ｒｅＵ ｉ ｒｉ， Ｈ ｂ ｉ ｃｎ ｍ ｏ ｍｅ ｎｖ ｓｙ ｃ ｅ ｔ）
Ａｂｓｒ ｃ Ａｃ ｏ ｄ ｎ ｏ ｍｏ ｅ ｏ ｒ ｌｔ ｅ ｒ ｔａ ｔ ｃ ｒ ｉ ｇ ｔ ｄ ｍ ｃ ｎｔｏ ｈ ｏｙ，ｂ ａ ｔ ｕ ｎａ ｅｗａ ｅ ａ ｄ ｄ ａ ｕ ｔｐｅ ｉ ｕ ｉ ｌ ｕ — ｌ ｓ ｒ ｃ ｓｒ ｇ ｒ ｅ ｓａｍ ｌｉ ｌ ｎｐ ｔｓｎｇｅｏ ｔ ｆ ｐ ｔｓ ｓｅ ． Ｃｏ ｕ ｙ ｔ ｍ ｍｂｉ ｄ ｗｉｈ ｔ ｅ ｐ ｏ ｕ ｔ ｎ ｅ ｐ ｒｅ ｃ ｎｅ ｔ ｈ ｒ ｄ ｃ ｉ ｘ ｅ ｉｎ ｅ， ｔ Ｐ ｅ ｒ ｌｎ ｔ ｒ ｓ ｗｅ ｅ ｕ ｅ ｏ ｐ ｅ ｉｔｔ ｅ ｏ ｈｅ Ｂ ｎ ｕ ａ ｅｗｏ ｋ ｒ ｓ ｄ ｔ ｒ ｄ ｃ ｈ ｃ ｎ ｅ ｔｏ ｉｉ ｌ ｓ－ｕ ｎ ｃ ｏ ｒ ｎ Ｔｈ ａ ｉ ｉｙ ｏ ｏ ｖ ｒ ｅ ｃ ｓｉ ｒ ｖ ｄ ｗｉｈ ｉｔｏ ｕ ｉ ｇ ｄ ｎ ｍ－ ｏ ｔｎ ｆＳ ｎ ｂ ａ ｔｆ ｒ ａ ｅ ｈ ｔｉｏ ． ｅ ｒ ｐ ｄ ｔ ｆｃ ｎ ｅ ｇ ｎ ｅ ｗａ ｍｐ ｏ ｅ ｔ ｎ ｒ ｄ ｃ ｎ ｙ ａ ｉ ｔｐ ｓｚ ｎ ｎ ｒｉｌｃ ｅｆｃｅ ， ａ ｄ ｔ ｅ ｐ ｅ ｉｔｏ ｒ ｃｓｏ ｓｉ ｐ ｏ ｅ ｔ ｎ ｒ ｄ ｃｎｇ ｍｏ ｉ ｅ ｃ ｓｅ ｉｅ ａ ｄ ｉ ｅ ｔａ ｏ ｆｉｉｎｔ ｎ ｈ ｒ ｄ ｃｉ ｎ ｐ ｅ ｉｉｎ ｗａ ｍ ｒｖ ｄ ｗｉｈ ｉ ｔｏ ｕ ｉ ｄｆ ｄ ｉ ｐ ｅ ｉｔｏ ｏ ｅ ． Ｔｈ ｅ ｕ ｔ ｈ ｗｅ ｈ ｔｔ ｅ ｐ ｅ ｉｔｏ ａｕ ｓ ８ ６ ｒ ｄ ｃｉｎ ｍ ｄ １ ｅ ｒｓ ｌｓ ｓ ｏ ｄ ｔ ａ ｈ ｒ ｄｃ ｉｎ ｖ ｌ ｅ ｗａ ６． ７％ ｕ ｄ ｒｔ ｅ ｍ ｉｓｂ ｅ ｅ ｒｒ ｎ ｅ ｈｅ ｐ ｒ ｓｉ ｌ ｒｏ ０． ％ ． １ Ｋ ｅ ｒ ｂ ａ ｔｆ ｒ ｃ ｙ ｗｏ ｄｓ ｌ ｓ ｕ ｎａ ｅ；ｃ ｎ ｅ ｔｏ ｉｉ ｔｉｏ ｏ ｔ ｎ ｆＳ ｎ ｈｏ ｒ ｎ； ｐ ｅ ｉｔｏ ｒ ｄ ｃｉ ｎ； ｎ ｕ ａ ｅ ｗｏ ｋ ｅ ｒｌｎ ｔ ｒ
高炉炉况的重要参数
一、问题的重述高炉炼铁是现代钢铁生产的重要环节，且是个复杂的高温物理化学过程，精确掌握炉内的温度分布上不可能，所以一般要通过预报高炉炉温(铁水硅含量)来间接地反映炉内的温度变化，判断高炉炉缸热状态，并以此来调控高炉行程、能量消耗及生铁质量。
事实上，影响铁水硅含量（即炉温）的因素很多，大体上分为两大类：状态参数和控制参数。
状态参数包括料速、透气性指数、风口状况、铁水与炉渣成分等；控制参数包括入炉原料的性质(成分、比重、配料比等)、装料方式、风量、风温、富氧量等，各个因素之间也存在交互影响。
其中几个重要的影响参数为：（1）料速是判断高炉炉况的一个重要参数；（2）透气性指数是判断炉温与炉况顺行的一个重要参数；（3）铁量差指的是理论出铁量与实际出铁量之差；（4）风温对高炉冶炼过程的影响，主要是直接影响到炉缸温度，并间接的影响高炉高度方向上温度分布的变化，以及影响到炉顶温度水平；（5）风量引起的炉料下降速度和初渣中FeO的含量的增减，以及煤气流分布的变化，都会影响到煤气能的利用程度和炉况顺行情况。
现在要求我们根据表中给出的近期某高炉的生产数据，试建立铁水硅含量与各影响参数的数学预测模型。
二、问题的分析高炉铁水硅含量的高低反映了高炉冶炼过程的热状态及燃烧比。
维持稳定且较低的铁水硅含量是炉况稳定并产生较低燃烧比的直接保证。
对于本问题中铁水硅含量的预报有很多方法，如传统的ARMA模型，但是由于高炉生产过程的复杂性，尤其在不断提高喷煤量之后，炉况的波动更加剧烈和复杂，采用ARMA模型已经很难准确的描述铁水硅含量的预测模型。
然而最近提出的神经网络模型能够以实验数据为基础，经过有限次迭代，就可以获得一个反映实验数据内在规律性的参数组，尤其是对于参数众多的，规律性不明显的生产过程能发挥其独特性，此方法正好解决本文中参数众多且无规律的问题，所以本文采用神经网络的方法对铁水硅含量进行预报。
为了使得我们建立的BP神经网络模型更具有说服力，同时建立了一个多元线性回归模型与之进行对比。
铁水三脱预处理及KR脱硫技术
新日铁 君津厂— ORP法
传统“三脱”工艺
Northeastern University
川 崎 千 叶 厂
传统“三脱”工艺
Northeastern University
神 户 钢 铁
加 古 川 厂
传统“三脱”工艺
1-脱硫间 3－脱硫、磷站 5－烟气冷却 7－渣间 9－冷却水 11－来自高炉
◆特殊铁水预处理：针对铁水中的特殊元素进行提纯精炼或
资源综合利用而进行的处理过程，如铁水提钒、提铌、提钨 等。
Northeastern University
为了提高钢的质量，改善高炉和转炉的生产条件，铁水 炉外预处理技术已在世界各国广泛应用。 铁水预处理优点：
1） 铁水炉外脱硫能给高炉减轻负荷，可降低焦比，减 少渣量和提高生产率。
Northeastern University
国外铁水三脱技术的发展
• 40年代：北美一些钢厂曾用氧化铁皮在高炉出铁口年进行 铁水脱硅
• 70年代：以日本为代表的钢铁企业进行铁水三脱研究，并 于80年代初应用于工业生产
• 1982年5月：日本住友公司鹿岛厂 开发的“住友碱精炼 法”—SARP法投产（苏打精炼法）
最短达到37min。宝钢X70、X80管线钢的硫含量最低为3ppm。宝钢无取向电工钢采用RH脱 硫后[S]≤30ppm，最低达到22ppm。本钢AHF（CAS-OB）处理过程可实现40%的脱硫率，该 技术属国内首创。
Northeastern University
科研获奖
在高效精炼技术开发等方面形成了系统创新理论。该 技术的实施为抚钢创造了较大的经济效益，到2004年 底，抚钢新增产值10亿元，新增效益3亿多元。本人项 目执行负责人
KR法铁水脱硫数值分析
KR法铁水脱硫数值分析本文运用计算机仿真技术对KR法铁水脱硫罐内铁水的流动进行了模拟，并得到了铁水液面的漩涡。
同时，模拟了搅拌头的侵蚀对搅拌效果的影响，得出了搅拌头半径、转速等参数对搅拌效果的一些基本规律。
标签：KR法；多相流模型；数值模拟随着市场对钢种的质量要求越来越高，许多钢厂在炼钢生产之前都采用铁水脱硫工艺对高炉铁水进行处理。
这不仅可以减轻高炉的负担、降低焦比、减少渣量和提高产量，也使得转炉不必为脱硫而采取大量渣量高碱度操作，提高了金属收得率和生产效率[1]。
目前，广泛应用的铁水脱硫工艺主要有KR机械搅拌法和喷吹法。
KR法脱硫虽然一次性投资稍大，但其极好的脱硫动力学条件得到许多钢厂的亲睐。
1建立模型1.1模型的几何尺寸及网格划分铁水罐和十字搅拌头几何尺寸参数如图1中所示。
另外，搅拌头的旋转速度按恒定的120r/min计算。
1.2数学模型1.2.1模型假设条件（1）不考虑温度对铁水物性参数及流动特性的影响；（2）铁水为不可压缩流；（3）不考虑铁水罐内铁水上面铁水渣对流动的影响。
1.2.2数学模型的建立本次数值模拟以铁水罐内铁水和铁水上部空气为研究对象，采用自编译程序对模型进行求解。
KR法脱硫是借助于搅拌头旋转产生的漩涡将脱硫剂卷入铁水中与铁水充分接触反应，达到脱硫目的。
由于多相流模型能很好的处理自由表面流动和分层流动，因此引入多相流模型对铁水液面的波动和漩涡进行模拟。
因此，本次研究所用到的数学模型主要有连续性方程、动量方程、及k-ε方程和多相流模型。
2结果分析2.1模型流场分析图2是图1中模型的计算结果，a图是z=1.8m处x-y平面上的速度矢量图。
从a图中可以看出，十字搅拌头带动罐内铁水按逆时针方向旋转，搅拌头半径范围内速度较大，沿径向速度逐渐减小。
b图是x=0截面上的流速矢量图，由于搅拌头的旋转，铁水沿切向旋转的同时，铁水还往径向流动，遇到铁水罐罐壁处流动受阻，铁水流股分成上、下两个不同方向的流动，并各自形成回流。
随机模糊神经网络模型预测铁水硅含量
ｆ ｚ ｅ ｅ ｃ ｄ ｓ ｅ ｉｌｄ ｆ ｚ ｉ ｃ ｔ ｎ ｕ ｚ ｉ ｒ ｎ ｅ ａ ｐ ｃａ ｅｕ ｚｆ ａ ｉ ．Ｔ ｅ ｐ ｅ ｉｔ ｎ ｏ ｏ ｔ ｌｓ ｉｏ ｏ ｔｎ ｓ ｖ ｒ ｕ ｃ ｓ ｆ ｌｗ ｔ ｈ ａ ａ ｙ ｎ ｆ ｎ ｉ ｏ ｈ ｒｄ ｃ ｉ ｈ ｔｍｅａ ｉ ｃ ｎ ｃ ｎｅ ｔｉ ｅｙ ｓ ｃ ｅ ｓｕ ｉ ｔ ｅ ｄ ｔ ｏ ｆ ｌ ｈ ｃ ｌ ｃｅ ｎ ｉ ｅ ｆ ｍ ｏ １ Ｂ ｔＬ ｉ ｕ Ｉｏ ｄ Ｓ ｅ ｌ ｏ ｕ ． ｏ ｌ ｔｄ ｏ ｌ ｏ Ｎ Ｆ ａ ａｗ ｒｎ ａ ｔ ｅ ｅ ｎ ｒ ｎ Ｇｒ ｐ
【国家自然科学基金】_铁水预处理_基金支持热词逐年推荐_【万方软件创新助手】_20140801
科研热词 铁水预处理 顶喷粉 软测量 脱硫速率 脱硫率 脱硫剂 脱硫 硅含量 狭缝式喷粉透气砖 数据预处理 支持向量聚类 支持向量回归 底喷粉 复合脱硫
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
2014年 序号 1 2 3 4 5 6 7 8 9 10
科研热词 高炉-转炉区段 设备配置 硅镇静钢 皮下气孔 生产组织 洁净钢平台 水口结瘤 平面布置 夹杂物特性 als含量
推荐指数 1 1 1 1 1 1 1 1 1 1
推荐指数 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8
科研热词 铁水预处理 鱼雷罐 脱锰 脱磷 喷粉 动力学模型 caf_2 b_2o_3
推荐指数 2 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
2009年 序号 1 2 3 4 5 6 7 8
科研热词 铁水预处理 铁水硅质量分数预测 蚁群聚类算法 脱硫 电磁搅拌 炉况 数据挖掘 支持向量机
推荐指数 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10
科研热词 镁耗量 铁水预处理 脱硫 组织 神经网络 研制 模型 控轧控冷 性能 低碳贝氏体钢
2013年 科研热词 高炉铁水温度 铁水预处理 铁水温度 连铸 脱硅保铌 精细制造 炼钢厂 炼钢 炉温 火焰图像 曲率 数据预处理 形态学边缘 底吹氧 分链码 小波神经网络模型 圆形度 图像骨架 含铌铁水预处理 二次冶金 t-s模糊神经网络 t-s模糊回归 推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
炼铁炼钢区间铁水优化调度方法及应用
采用理论分析、数学建模和实验验证相结合的方法，首先对铁水调度的相关理论进行研究，建立数学 模型；然后利用物联网技术实现铁水信息的实时采集和传输；最后通过实验验证方法的可行性和优越 性。
02
炼铁炼钢工艺及铁水调度概述
炼铁炼钢工艺及铁水调度概述 炼铁炼钢工艺简介
高炉炼铁工艺
高炉炼铁是现代炼铁的主要方法，通过高炉内的一系列化学和物理反应将铁矿 石还原成铁水。
案例一
某钢铁企业铁水调度优化，提高铁水运输效率，减少运输成本。
案例二
某钢铁企业铁水调度优化，提高铁水使用效率，降低生产成本。
案例三
某钢铁企业铁水调度优化，提高企业生产效率，提高企业竞争力。
05
铁水调度优化实践及效果分析
某钢厂铁水调度现状分析
铁水调度流程不够顺畅
目前，某钢厂的铁水调度流程存在一些不顺畅的情况，导致铁水运输效率低下，影响了生产效率。
软件工具
利用商业软件工具如Gurobi、CPLEX等实现模型 求解。
模型验证与评估
验证过程
通过实际生产数据进行验证，确保模型能够真实反映生产实 际情况。
评估指标
根据验证结果，对模型性能进行评估，包括准确性、鲁棒性 、稳定性等方面。
04
铁水调度优化软件设计与实现
软件设计
模块化设计
软件采用模块化设计，方便进 行功能扩展和修改。
铁水调度信息化程度低
某钢厂的铁水调度信息化程度较低，缺乏有效的信息化工具，导致调度过程中容易出现错误，影响了生产的质量 和效率。
铁水调度优化方案制定与实施
优化铁水调度流程
为了解决铁水调度流程不够顺畅的问题 ，可以优化铁水调度流程，加强各部门 的沟通与协调，提高运输效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｄａ ｉｂｎ ｎ Ｂ ｎ ｉ Ｃ ｅ ｉ ｅ ｇ Ｚ ａ ｇＨｕ Ｌ ｕ ｈ ｎ Ｗ ａ ｇＸｕ ｄ ｎ Ｄ ｎ ｉｔａ ｈ ｎ Ｋｕｓ ｎ ｈ ｈ ｎ ａ ｉＪ ｚ ｏ ｇ ｎ ｅ ｏｇ ｅ ｇＰ ｎｕ ｎ
（ ｏｅｅｏ Ｃ ｌｇ ｌ ｆＭａｈｎｒ ａ ｄＡ ｔ ｔｎ， ｈ ｎＵ ｉ ｒｔ ｏ ｃ ｎｅａ ｄＴｃｎｌｇ Ｗ ｈ ｎ４ ０ ８ ， ｕｅ，ｈｎ ） ｃｉｅ ｎ ｕｏ ｉ Ｗｕａ ｎｖ ｓｙ ｆＳｉ ｃ ｎ ｅｈ ｏｏｙ， ｕ ａ ３ ０ １ Ｈ ｂｉＣ ｉａ ｙ ｍａ ｏ ｅ ｉ ｅ （ ｈ ｎＳｅ ｒｕ ｏ ｏａｉｎ Ｗｕａ ３ ０ １ Ｈ ｂｉＣ ｉ ） Ｗｕａ ｔｌＧｏｐＣ ｒ ｒｔ ， ｈ ｎ４ ０ ８ ， ｕ ｅ， ｈｎ ｅ ｐ ｏ ａ
０ 引 言
铁水脱硫过程是一个 多输入多 输 出的严重非 线性系统 ， 其 输入参 数铁水质量 、 温度 、 成份分 别是 由现场 的电子称 、 温度传 感器 、 成份分析 仪进行测 量 ， 而输 出参数如脱硫 剂的重量 、 搅拌 头的搅拌速度 、 搅拌时 间则 由经验 来确定 。其 工艺参数 的正确
ｔ ａ ｒ ｄ ｃｉ ｎ ｆ ｒｉ ｒ ｖｎ ｉ ｈ ｔ ａ ｅ ｏ ｕ ｃ ｓ ｆ ｌｄ ｓ ｌ ｈ ｒ ａｉｎ ｏ ｌ ｎ ｉ ｎ ａ ｄ ｒ ｄ ｃｎ ｈ ｏ ｔｏ ｌ ｎ ｉ ｎ’ ｅ ｕｐ ｕ ｉａ ｉ ｌ ｏ ｕ ｔ ｏ ｍｐ ｏ ｉｇ ｔ ｓ ｏ ｔ ｆｓ ｃ ｅ ｓ ｅ ｕ ｐ ｕ ｉ ｔ ｆｍｏｔ ｒ ｎ ｅ ｕ ｉｇ ｔ ｅ ｃ ｓ ｆｍｏ ｔ ｒ ｃ ｐ ｏ ｍ ｒ ｕ ｚ ｏ ｅ ｏ ｅ ｏ ｓｄ ｓ ｌ ｈ ｒｚ ・
第２ ８卷 第 １ 期
２ １ 年 １月 ０１
计 算机应 用 与软件
Ｃｏ ｕ ｅ ｐ ｉａ ｉ ｓ ａ ｄ Ｓ ｆ ｏ ｗａ ｅ
Ｖｏ． ８ Ｎｏ １ １２ ．
Ｊ ｎ ２ １ ａ．０ １
基 于 神 经 网 络 的 铁 水 ＫＲ 脱 硫 预 报 模 型
ｐｏｅｓ（ｔｒ ｇｔ ｅ ｓｒｎ ｍ ｓ ｎ ｏａｅａｄｄ ． ｅｅｒｈａ ｄａａ ｓｓ ｅｕｔ ｓｏ ａ ｔｅｐｅ ｉ ｉ ｏ ｅ ｃｎｂ ｐｌ ｄｉ ｒｃ ｒｃｓ ｓ ｒｎ ｍ ，ｔｒ ｇｔ ｅ ｄｄｓｇ ｄ ｅ ） Ｒ ｓａ ｎ ｎｌ ｅ ｓｌ ｈｗ ｔ ｔｈ ｒｄｃ ｏ ｍ ｄｌ ａ ｅａｐｉ ｐａ— ｉｉ ｉ ｉｉ ｉ ａ ｃ ｙ ｒ ｓ ｈ ｔｎ ｅ ｎ
Ａｂ ｔａ ｔ ｓ ｒ ｃ Ｉ ｈ ｓｐ ｐ ｒ ｗ ｐ ｌ ｅ ｒ ｌｎ ｔ ｏ ｋ ｔ ｅ ｒ ｏ ｍｏ ｔｎ ｉ ｎ ｄ ｓ ｌｈ ｒｚ ｔ ｎ ｐ ｏ ｅ ｓ ｓｕ ｙ ｔ ｅ ｒ ｌｔ ｎ ｈｐ ｂ ｔ ｅ ｎ ｔｃ ｎ ｃ ｌ ｎ ｔ ｉ ａ ｅ ， ｅ ａ ｐ ｙ ｎ ｕ ａ ｅ ｗ ｒ ｈ ｏ ｙ ｔ ｌ ｒ ｅ ｕ ｐ ｕ ／ａｉ ｒ ｃ ｓ ， ｔｄ ｈ ｅａ ｉ ｓ ｉ ｅｗ ｅ ｅ ｈ ｉａ ｅ ｏ ｏ ｏ
选择 直接影 响了冶炼设备 寿命 、 钢铁 冶炼生产 周期 以及 生产经
ｐ ｒ ｍｅｅ ｓａ ｄ ｉ ｎｌ ｅ ｃ ａ ｔｒ ， ｓａ ｌ ｈ ｆ ｒ ｃ ｓｉ ｇ ｍｏ ｅ ， ｎ ｒ ｖｄ ｃ ｕ ａ ｅ ｐ ｅ ｉｔ ｎ ｆ ｒｓ ｔ ｎ ｅ ｈ ｉ ａ ａ ａ ｔｒ ｎ ｐ ｏ ｕ ｔ ｎ ａａ ｔ ｒ ｎ ｔ ｉ ｆ ｎ ｅｆ ｃｏ ｓ ｅ ｔ ｂｉ ｏ ｅ ａ ｔ ｄ ｌ ａ ｄ ｐ ｏ ｉｅ ａ ｃ ｒ ｔ ｒ ｄｃ ｉ ｏ ｅｔ ｇｔ ｃ ｎ ｃ ｌ ｒ ｍｅ ｅｓ ｉ ｒ ｄ ｃｉ ｓ ｕ ｓ ｎ ｏ ｉ ｐ ｏ
ｔｏ ｉ ｎ．
Ｋｅ ｗｏ ｄ ｙ ｒｓ
Ｂ ｎ ｕ ａ ｅｗ ｒ ＫＲ ｄ ｓ ｌｈ ｒ ａｉｎ Ｐ ｅ ｉｔ ｎ ｍｏ ｅ Ｐ— ｅ ｒ ｌ ｔ ｏ ｋ ｎ ｅ ｕ ｐ ｕ ｉ ｔ ｒｄ ｃｉ ｄ ｌ ｚ ０ ｏ
出了 Ｂ Ｐ训练方法 ， 以实际生产的历史 数据为基 础进行 了试验 ，
但斌斌 陈奎生 张 华 李具 中 王雪冬 邓品团
（ 武汉科技大学机械 自动化学 院 湖北 武汉 ４０ ８ ） ３０ １
（ 武汉钢铁 （ 集团） 司 湖北 武汉 ４０８ ） 公 ３０ １
摘 要
将 神 经 网 络理 论 应 用 于 铁 水 脱 硫 过 程 ， 究 工 艺 参 数 与 其 影 响 因子 之 间 的 关 系 ， 立 预 报 模 型 ， 生 产 过 程 中工 艺 参 数 研 建 为
取 得 了较 好 的效 果 。
１ 背 景 介 绍
１ １ ＫＲ 脱硫 工艺 过程简 介 ．
Ｋ Ｒ脱硫工艺是 以一个外 衬耐火 材料 的搅拌器 浸入铁水 罐 内， 进行 旋 转 搅 动 铁 水 ， 铁 水 产 生 旋 涡 ， 时 加 入 脱 硫 剂 使 同 （ ａ 使其卷入铁水 内部进行 充分反 应 ， 而达 到铁 水脱硫 的 Ｃ Ｏ） 从 目的。其反应式 为 ： （ａ Ｃ Ｏ）＋［ ］＝（ ａ ）＋［ ］ Ｓ ＣＳ Ｏ
（ 搅拌时 间、 搅拌次数和加入剂量 ） 的设定选择提供准确 的预报。研 究分析表 明， 该预报模型可 以应用于实 际生产， 高铁 水 的脱硫 提
成 功 的命 中 率 ， 降低 铁 水 的脱 硫 成 本 。 关 键 词 神 经 网络 Ｋ Ｒ脱 硫 预 报 模 型
ＰＲＥＤＩ ＣＴＩ ｏＮ ｏＤＥＬ Ｍ ｏＦ ｏＬＴＥＮ ＲｏＮ ’ Ｍ Ｉ Ｓ ＫＲ ＤＥＳＵＬＰＨＵＲＩ ＺＡＴＩ ｏＮ ＢＡＳ ＥＤ ｏＮ ＢＰ ＮＥＵＲＡＬ ＮＥＴＷ ｏＲＫ