一种烧结混合料粒度预测方法及系统技术方案

本申请涉及冶金烧结领域，提供一种烧结混合料粒度预测方法及系统，通过获取混合料各物料的配比和制粒机的制粒参数，将所述混合料各物料的配比和所述制粒机的制粒参数输入进预先建立的ANN神经网络模型，生成混合料各粒径分布占比的初步预测值，计算所述初步预测值对应的均方误差，如果均方误差在预设值区间内，则输出混合料各粒径占比的预测值。本申请实现了，在获取制粒机参数、原料条件及配料工序的配比的条件下，对制粒粒度分布效果的精确预测。测。测。

【技术实现步骤摘要】
一种烧结混合料粒度预测方法及系统


[0001]本申请涉及冶金烧结领域，尤其涉及一种烧结混合料粒度预测方法及系统。

技术介绍

[0002]烧结是钢铁工业的基础环节，为炼铁提供优质的原料。烧结工艺是将含铁原料经配料、混合、制粒后在烧结机上经抽风作用后高温(≤1400℃)焙烧，使物料发生一系列物理化学变化，破碎后生成具有一定强度的多孔块状的烧结成品矿的过程。其中混合料经制粒机后可形成具有一定颗粒及形状的非粉状物料，不但能保证其在烧结机上焙烧时，透气性好、节能，而且有利于提升烧结矿的产量与质量。
[0003]如图1所示为现有技术烧结过程中，从配料工序到制粒工序生产工艺设备连接关系图，其中混合仓01、高返仓02、返矿仓03、燃料仓04、溶剂仓05、混合机06和制粒机07依次连接，物料经过配料工序、强力混合工序、一次混合工序、制粒工序、梭式布料等，最后达到烧结混合料仓，其中混合机06和制粒机07均具有一定的混合与制粒作用，尤其制粒机07起重要作用。配料工序包括各类型物料矿仓，物料矿仓内加有混匀矿、燃料、石灰石、轻烧白云石、生石灰、冷返矿等，而给料设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烧结混合料粒度预测方法，其特征在于，包括：获取混合料各物料的配比和制粒机的制粒参数，所述物料的配比包括：铁混匀矿、燃料、石灰石、轻烧白云石、生石灰和冷返矿，所述制粒参数包括：制粒机的进料量、转速、倾角、实时加水量、入筒混合料水分率以及添加蒸汽量；将所述混合料各物料的配比和所述制粒机的制粒参数输入进预先建立的ANN神经网络模型，生成混合料各粒径占比的初步预测值，所述ANN神经网络模型包含混合料各物料的配比和制粒机的制粒参数与混合料各粒径占比的初步预测值的映射关系；计算所述初步预测值对应的均方误差，如果均方误差在预设区间内，则输出混合料各粒径占比的预测值；所述ANN神经网络模型，通过以下方法得到：获取多组历史样本数据，所述历史样本数据包括：混合料各物料的配比、制粒机的制粒参数以及对应的混合料各粒径占比的历史值；对所述多组历史样本数据进行预处理，所述预处理步骤包括：平滑处理和归一化处理；将混合料各物料的配比历史值、制粒机的制粒参数历史值作为初步模型的输入，将混合料各粒径占比的历史值作为初步模型的输出，对初步模型进行训练；对训练后的模型进行检验，生成ANN神经网络模型。2.根据权利要求1所述的一种烧结混合料粒度预测方法，其特征在于，对初步模型进行训练的步骤包括以下步骤：初始化或更新模型的网络参数，所述参数包括：第i个输入和第j个隐藏之间的链接的权重神经元，输入神经元的数量，第j个隐藏神经元和输出神经元之间的连接权重，隐藏神经元激活函数，输出神经元激活函数，第j个的偏置隐藏神经元，输出神经元的偏置，输出神经元中的隐藏神经元的数量；输入层输入混合料各物料的配比历史值、制粒机的制粒参数历史值，并且，隐藏层输入各变量之间的权重；判断输入的变量总数是否与数据点的数量相同，如果相同，则计算均方误差函数MSE；如果不同，则输出提示警告信息，并重新输入训练样本；判断MSE是否小于预设值，如果MSE大于预设值，则通过自动校正方法计算输入层、隐藏层中的参数误差项；计算隐藏神经元激活函数和输出神经元激活函数的偏置项；根据参数误差项、偏置项计算得到待调整的模型网络参数；所述待调整的网络参数用于更新模型的网络参数，如果MSE小于预设值，则模型训练结束。3.根据权利要求1所述的一种烧结混合料粒度预测方法，其特征在于，对多组历史样本数据进行归一化处理步骤中，具体需要对制粒机的进料量、转速、倾角、实时加水量和添加蒸汽量进行归一化处理。4.根据权利要求3所述的一种烧结混合料粒度预测方法，其特征在于，在进...

【专利技术属性】
技术研发人员：邱立运，牛琦，
申请(专利权)人：中冶长天国际工程有限责任公司，
类型：发明
国别省市：