作者：李宏扬1李欣1刘小杰1卜象平2李红玮1吕庆1

作者单位：1. 华北理工大学冶金与能源学院2. 杭州排列科技有限公司

刊名：钢铁

ISSN：0449-749X

出版年：2023-06-27

卷：58

期：12

起页：41-53

止页：

分类号：TF549

语种：中文

关键词：高炉;深度神经网络;有限元计算;炉缸侵蚀边界;模型;

内容简介

现阶段，国内高炉的自动化程度已基本覆盖正常生产需求，对于高炉炉缸部位的监测手段大多采用热电偶温度监测技术实现，而由于高炉生产工艺的复杂性和生产环境的恶劣性，高炉炉缸内部直接监测手段几乎无法实现，因此采用智能模型对炉缸侵蚀状态进行监测成为高炉炼铁发展的新趋势。简述了高炉炉缸砌筑的结构，结合高炉生产特点确定炉缸区域的传热模型及求解条件。利用正交试验法实现高炉炉缸不同侵蚀状态的划分和组合，得到共59组炉缸侵蚀形状样本且边界形貌基本覆盖训练全域。将1 150℃等温线作为炉缸侵蚀线，利用有限元算法完成不同炉缸侵蚀状态下温度场的可视化并构建炉缸侵蚀样本数据库实现炉缸炉底侵蚀样本的采集。通过深度神经网络模型建立热电偶数据和炉缸侵蚀边界的对应关系，拟合优度R2达到0.802,相较于随机森林算法、BP神经网络算法、单独线性回归组合算法拟合优度分别提高56.64%、26.50%和84.37%,达到指导生产的精度要求。对比利用停炉前实际数据监测侵蚀形貌结果和停炉后的实际侵蚀状态，得出侵蚀监测结果符合实际炉缸侵蚀状态形貌的结论，验证了炉缸侵蚀状态监测模型的可靠性。利用高炉炼铁工业互联网平台的真实生产热电偶数据实现炉缸侵蚀边界的精确可视化，助力炼铁工业由生产制造向智能制造的转型升级。