申请/专利权人：中国钢研科技集团有限公司

申请日：2023-12-22

公开（公告）日：2024-04-26

公开（公告）号：CN117930764A

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种烧结生产过程智能决策方法，属于冶金生产流程的数字孪生领域。基于工业机理模型构建数字孪生模型，并加载到智能应用中。通过历史数据对加载到智能应用中的数字孪生模型进行训练，具体包括通过原料供应条件和成本、原料物化性能以及烧结矿化学成分要求训练优化配矿模型，通过燃料配比、混合料性能、烧结过程状态、烧结矿转鼓强度以及污染物排放对工艺参数预测模型进行训练，通过烧结料层透气性预测、热状态特征点软测量和机尾断面图像分析训练产量质量指标预测模型。最后根据技术经济综合评价结果对配矿方案进行排序，得到符合当前质量产量指标要求前提下的优化配矿方案。本发明提高了设备运行效率，实现了绿色生产的目的。

主权项：1.一种烧结生产过程智能决策方法，其特征在于，具体步骤为：步骤一，基于工业机理模型构建数字孪生模型，将该数字孪生模型加载到智能应用中；数字孪生模型包括优化配矿模型、工艺参数预测模型、产量质量指标预测模型和技术经济综合评价模型；步骤二，通过历史数据对加载到智能应用中的数字孪生模型进行训练；训练过程为：1优化配矿模型；优化配矿模型的输入数据包括原料供应条件和成本、原料物化性能以及烧结矿化学成分要求，其中原料供应条件和成本以及原料物化性能为已知的原料自身性质，烧结矿化学成分要求通过构造烧结矿化学成分预测模型进行预测得到；烧结矿化学成分预测模型的构造过程为：根据灰色理论，在研究烧结矿碱度及相关因素数据的基础上建立烧结矿碱度的GM1,1模型，得到原始序列之间的关联；将GM1,1模型灰色预测的优点和BP神经网络所特有的非线性适应性信息处理能力相结合，得到烧结矿化学成分预测模型；在训练样本少的生产初期或者料种更换期采用灰色GM1,1模型进行烧结矿化学成分预测，在正常生产期则采用BP神经网络模型进行预测；2工艺参数预测模型；工艺参数预测模型为多源线性回归模型，工艺参数包括燃料配比、混合料性能、烧结过程状态、烧结矿转鼓强度以及污染物排放；工艺参数预测模型的输出Y为：Y＝β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε其中，β0是截距项，β1、β2、β3、β4和β5是回归系数，ε是误差项；X1为燃料配比，X2为混合料性能，X3为烧结过程状态，X4为烧结矿转鼓强度，X5为污染物排放；3产量质量指标预测模型；在烧结过程中，进行烧结料层透气性预测、热状态特征点软测量和机尾断面图像分析，分别得到透气性指数Pe，废气温度上升点、废气温度拐点和烧结终点，红层均匀性指数；结合上述参数得到烧结矿产质量指标预测模型，进行烧结矿产质量指标优化，得到最终的优化操作参数，并反馈给烧结过程；步骤三，利用训练好的数字孪生模型进行烧结生产过程智能决策；具体为：首先，将原料供应条件和成本、烧结矿化学成分要求、原料物化性能输入优化配矿模型中，得到初始配矿方案组；然后，将初始配矿方案组同时输入工艺参数预测模型和产量质量指标预测模型中，分别得到工艺参数和产量质量指标预测值；最后，将上述工艺参数和产量质量指标预测值结合产量质量指标要求，共同输入技术经济综合评价模型，根据技术经济综合评价结果对配矿方案进行排序，得到符合当前质量产量指标要求前提下的优化配矿方案。

全文数据：

权利要求：

百度查询： 中国钢研科技集团有限公司 一种烧结生产过程智能决策方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD