基于機尾斷面形態(tài)及過程參數(shù)多參量分析的燒結(jié)礦質(zhì)量在線判定系統(tǒng)的研發(fā).pdf

1、燒結(jié)是傳統(tǒng)高爐煉鐵的一個重要步驟，其燒結(jié)礦質(zhì)量直接決定了后續(xù)高爐煉鐵的好壞。近年來，隨著富鐵礦石的資源逐漸短缺，人們開始了對自然界儲量豐富的貧鐵礦石的開采使用，在對其燒結(jié)處理后形成品質(zhì)較高的燒結(jié)礦，再作為煉鐵原料。燒結(jié)作為一個高時滯性、高耦合性的非線性復(fù)雜反應(yīng)過程，可以根據(jù)當前燒結(jié)礦質(zhì)量的好壞調(diào)整燒結(jié)工藝進而提高后續(xù)的燒結(jié)礦質(zhì)量。化學檢測是判斷燒結(jié)礦質(zhì)量好壞最準確的方法，但從取樣到得出化驗結(jié)果需要二至三個小時，實時性太差，對當前的燒結(jié)生

2、產(chǎn)參考指導意義不大?；谏a(chǎn)參數(shù)的模糊控制法，雖然可以通過燒結(jié)初始參數(shù)預(yù)測出燒結(jié)質(zhì)量等級的高低，但是其使用的生產(chǎn)參數(shù)并不是某一斷面在整個燒結(jié)過程的跟蹤數(shù)據(jù)，導致預(yù)測結(jié)果準確性差。機尾斷面觀察法，有著高度的實時性，有經(jīng)驗的看火工根據(jù)觀察結(jié)尾燒結(jié)斷面的特征可以快速判斷出燒結(jié)礦質(zhì)量的好壞，但通過斷面圖像判斷燒結(jié)礦質(zhì)量有一定的主觀性，且長時間觀察機尾斷面會視覺疲勞可能導致判斷出錯。本文將機尾斷面圖像及過程參數(shù)相結(jié)合，進行多參量的提取、分析，使用

3、加權(quán)支持向量機(W-SVM)回歸估計得出系統(tǒng)對燒結(jié)礦質(zhì)量的判定結(jié)果。此外，本文還建立了數(shù)據(jù)庫存儲數(shù)據(jù)，并編寫客戶端程序?qū)崿F(xiàn)遠程訪問。經(jīng)過在馬鞍山鋼鐵股份有限公司二鐵廠燒結(jié)生產(chǎn)線長時間的實際運行驗證，此系統(tǒng)不僅效率高、直觀性強、實時性好，而且還提高了燒結(jié)礦質(zhì)量判定的準確性，具有很高的實際應(yīng)用價值。
　　本研究主要內(nèi)容包括：⑴將機尾斷面可見光圖像與紅外熱圖像相結(jié)合，提取紅火層溫度、厚度、連續(xù)程度等數(shù)據(jù)，并通過區(qū)域灰度比值篩選算法實現(xiàn)最

4、佳斷面圖像的自動識別；⑵編寫OPC程序連接工廠內(nèi)網(wǎng)，獲取風箱溫度、煙道溫度、帶冷溫度、燒結(jié)機機速等燒結(jié)過程參量，通過反演得出最佳斷面圖像的燒結(jié)歷史數(shù)據(jù)；⑶收集化驗樣本和人工樣本，作為判定結(jié)果對比和機器學習數(shù)據(jù)；⑷編寫燒結(jié)礦質(zhì)量在線判定系統(tǒng)主程序；⑸將以上收集的數(shù)據(jù)作為訓練樣本集，對加權(quán)支持向量機(W-SVM)進行訓練，得出用于回歸估計的預(yù)測模型，最終用于FeO含量與轉(zhuǎn)鼓指數(shù)的實時預(yù)測，并通過質(zhì)量判別模型對燒結(jié)質(zhì)量等級進行判定；⑹建立數(shù)據(jù)