首页期刊导航|冶金自动化
期刊信息/Journal information
冶金自动化
冶金自动化

沈黎颖

双月刊

1000-7059

mia@yjzdh.com

010-63815269 63848128

100071

北京西四环南路72号

冶金自动化/Journal Metallurgical Industry Automation北大核心CSTPCD
正式出版
收录年代

    基于周期配准和趋势分解的多关联高炉炉温预测

    张亚娴张森杨永亮肖文栋...
    74-83页
    查看更多>>摘要：高炉煤气流可表征高炉炉况运行状态,而十字测温温度反映了高炉煤气流的分布状态.本文提出了一种基于周期配准与季节性趋势分解(seasonal and trend decomposition using loess,STL)的多变量关联高炉十字测温温度动态建模方法,以提高煤气流的准确估计.首先,通过滑动窗口方法划分周期窗口,并进行多变量间的周期配准,匹配精准的多变量关联关系;其次,引入稳健型季节性趋势分解(RobustSTL)方法,保留关键参数信息,提取全局变化趋势,提高在线估计模型的准确度;再次,使用门控循环单元(gated recurrent unit,GRU)建立十字测温多变量关联的多步预测模型;最后,利用十字测温数据集进行实验验证,结果表明,本文提出的预测模型取得了较好的性能提升.

    高炉十字测温周期划分周期配准稳健型季节性趋势分解多关联时序预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于长短期记忆网络的富氧鼓风条件下高炉全压差预测建模方法

    秦梓杰贺东风冯凯王广伟...
    84-93页
    查看更多>>摘要：高炉冶炼过程中,受到工况动态变化及生产现场复杂因素的影响,压差的波动存在一定的时滞性,要实现基于实时在线数据精准提前预报压差还存在一定困难.针对该问题,基于高炉实际冶炼过程中,其具有多元变量的、时间上前后依赖的时序数据特点,分别采用了能够有效反映生产过程参数波动程度的波动率分析和决策树特征重要性分析方法,选取了不同的模型输入特征子集,从而分别建立了基于长短期记忆网络(long short-term memory,LSTM)的时序性压差预测模型.两种方法对比结果表明,基于波动率分析确定输入特征的LSTM预测模型在预测误差范围[-5,+5]kPa以内,命中率提高了0.761％.基于生产参数的波动率分析的特征选择方法,能够有效提升LSTM模型的预测精度,验证了在高炉富氧鼓风条件下,时序性压差预测模型输入特征选取方法的有效性.

    高炉压差预测模型特征提取长短期记忆网络算法波动率分析决策树特征重要性分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    工信部公布2023年工业互联网试点示范名单信息产业公司一项目榜上有名

    鞍山钢铁集团有限公司微信公众号
    93页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于泊松算法和多尺度特征编码网络的三维料面重构及修复

    谭福容孙绍伦张森陈先中...
    94-102页
    查看更多>>摘要：高炉冶炼在完全密闭高压的环境下进行,无法直接观测高炉内部运行状况和料面形状,难以准确判断炉况,料面数据资源利用率不高,影响操作人员对炉顶布料制度的调整.为提高数据利用率,提升点云数据的质量和精度,本文提出双边滤波器对原始高炉料面三维点云数据进行预处理.通过泊松重建算法对滤波后的点云数据进行三维重构,搭建多尺度特征编码网络,对缺失的三维点云料面进行修复.泊松表面重构能够保留料面细节特征并平滑表面,为快速判断料面类型提供重要依据.通过提取不同尺度的点云特征信息,实现了三维点云特征增强和多层级表达,实验表明所提方法点云缺失预测误差小、点云补全形状完整,为处理含有缺失料面的点云数据提供了一种快速、高效且实用的解决方案.

    高炉料面点云去噪泊松重构神经网络多尺度

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    引领"钢铁+AI"!宝钢股份—东北大学流程工业数字化与智能化联合实验室揭牌

    中国宝武微信公众号
    102页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于KPCA-CNN-LSTM模型的高炉透气性指数预测

    刘小杰李天顺李欣李宏扬...
    103-113页
    查看更多>>摘要：高炉透气性指数是一个可以快速、直观、综合反映高炉炉况的重要参数.对高炉透气性指数准确预测,可以尽早(约提前10 min)发现和避免高炉的管道、悬料、崩料、煤气流失等炉况失常现象的发生.本文提出了一种结合核主成分分析(kernel principal component analysis,KPCA)、卷积神经网络(convolutional neural net-work,CNN)和长短期记忆神经网络(long short-term memory,LSTM)的高炉透气性指数预测模型.首先,运用KPCA对原始高维输入变量进行降维,再用CNN捕捉数据的特征,最后利用LSTM对高炉透气性指数进行预测.结果表明,所构建的KPCA-CNN-LSTM高炉透气性指数预测模型较降维之前预测误差大幅减小,预测准确度大幅升高.这有利于高炉操作人员尽快掌握炉况的瞬时变化并采取有效措施恢复高炉顺行.

    高炉透气性指数核主成分分析卷积神经网络长短期记忆神经网络预测模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    宝信软件获评"上海市大数据中心优秀服务商"

    中国宝武微信公众号
    113页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多时间尺度的高炉透气性指数多步预测模型

    郑键李炜俊安剑奇
    114-124页
    查看更多>>摘要：高炉透气性指数是反映炉料间接还原程度以及炉况状态的重要指标,受高炉各操作在不同时间尺度下影响,目前对透气性指数发展趋势的分析、建模和预测多数是基于同一时间尺度且预测步长较短,预测结果难以指导现场判断.因此,本文提出一种基于多时间尺度的高炉透气性指数多步预测模型.首先通过机理和数据分析计算高炉各操作对透气性指数多时间尺度影响的时域特性,并结合频域特性多维度论证透气性指数受各操作在不同时间尺度影响;然后根据高炉操作在不同时间尺度影响透气性指数发展的特性,建立基于支持向量机的单步预测模型;最后在单步预测模型的基础上建立基于递归策略的透气性指数多步预测模型.实验结果表明,该方法能有效预测透气性指数未来发展趋势,便于现场决策.

    多时间尺度透气性指数多步预测高炉操作

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    工程技术研究院智能制造团队获建龙科技合作奖

    北科工研传媒微信公众号
    124页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    唐钢新区转炉智能出钢系统的研究与应用

    张弛李晓刚李毅挺王燕伟...
    125-130页
    查看更多>>摘要：随着钢铁行业的发展,钢铁制造模式逐渐由人工生产转向无人化、智能化生产.目前转炉出钢过程工作强度大,设备操作繁琐,炉后工作环境较恶劣.以一键出钢、安全出钢为目标,对转炉出钢系统进行改造优化,建立了转炉智能出钢系统.对自动化系统改造,首先增加出钢曲线设定,完善合金溜槽功能设计;然后,增加安全连锁程序、钢车检测装置、转炉倾动检测装置,确保出钢过程安全.同时,利用机器视觉辅助系统、二级模型对出钢进行监控和校正计算,保证钢水、钢渣不外溢.通过在河钢集团唐钢公司两座200t转炉的实际应用,验证该系统促进了转炉炼钢标准化生产,减轻了工人劳动强度,保证了出钢过程安全稳定.

    转炉智能出钢机器视觉倾动检测装置合金溜槽

      原文链接:
    • NETL
    • NSTL
    • 万方数据