CN1173542A - 一种高炉操作参谋*** - Google Patents
一种高炉操作参谋*** Download PDFInfo
- Publication number
- CN1173542A CN1173542A CN 97112469 CN97112469A CN1173542A CN 1173542 A CN1173542 A CN 1173542A CN 97112469 CN97112469 CN 97112469 CN 97112469 A CN97112469 A CN 97112469A CN 1173542 A CN1173542 A CN 1173542A
- Authority
- CN
- China
- Prior art keywords
- furnace
- module
- working
- cloth
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Manufacture Of Iron (AREA)
Abstract
本发明公开了一种高炉操作参谋***,属于高炉炼生铁领域。该***包括数据库、数据预处理模块、炉况预报模块、显示模块、打印模块、煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块、高炉操作预测模块以及高炉技术操作规程与作业标准查询模块。该***功能全、推断结果准确性高,可用作高炉操作参谋。
Description
本发明涉及一种高炉操作参谋***，属于高炉炼生铁领域。
现代大中型高炉每昼夜生铁产量为2000～10000多吨。在生产过程中难以避免高炉炉况会发生变化，在这种情况下，如果不能及时掌握高炉运行情况、作出相应的调整，会使异常炉况产生恶性循环而趋向恶化，造成生铁产量减少、质量下降，直接影响到整个钢铁企业的经济效益。据统计：2000m3高炉炉况不正常一次，就会减产生铁约1000吨左右。若炉体炉缸砌体异常烧损更会造成停炉检修，经济损失更大；不了解布料实际状态和煤气流分布则很难有效布料等，因此对高炉良好监视、预测故障、预测进程以便于高炉操作咨询、操作指导并及时采取措施是现代高炉生产高产、优质、低耗、高效和长寿的关键。中国专利申请87103633公开了一种《(控制高炉运行的方法)》，它是基于高炉上的传感器提供的数据以及由高炉运行的经验形成的知识库，由小型计算机和计算机中的各种处理单元进行推断。其实质上是一种高炉生铁冶炼专家***，它仅包括炉热预报和异常炉况预报专家***，用以推断高炉是否发生意外事故以及悬料和管道等异常炉况。中国专利CN1043765A公开了一种《(高炉操作管理方法和装置)》，它是一个判别高炉是否异常、异常时指出相应动作的专家***。但这些专家***功能单一，仅能就炉况、炉热进行推断指导，不足以全面多目标指导高炉操作，且由于对某些对变动敏感的参数不能作适应性调节，从而导致推断结果准确性不高。
本发明的目的在于克服上述现有技术中的缺点，提供一种功能全、推断结果准确性高、能使不熟练的操作员借此达到熟练操作员的水平，从而对异常炉况能及时准确地处理，使高炉异常时间降到最低的高炉操作参谋***。
本发明的目的是这样实现的：
一种高炉操作参谋***，包括数据库、数据预处理模块、炉况预报模块、显示模块、打印模块，该***还包括煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块、高炉操作预测模块以及高炉技术操作规程与作业标准查询模块；数据库中的原始数据经数据预处理模块处理后再回送至数据库，炉况预报模块、煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块均分别前与数据库相连，后与显示模块相连，高炉操作预测模块和高炉技术操作规程与作业标准查询模块与显示模块相连，显示模块后接打印模块。
数据库还与一神经元网络阈值自学习与动态管理块相接，数据库中的各阈值经神经元网络自学习后再返回修正数据库中的各阈值设定。
所述的炉况预报模块是采用数学模型和人工智能相结合的方法预报炉况；数据库中经数据预处理模块处理过的数据供炉况判断数学模型进行炉况综合判断，如判断结果为“良好”，则显示、打印结果，然后等待下一周期到来再判定；如判断结果为“注意”或“不良”，则转入异常炉况专家***，由它来判别为何种异常或失常炉况并输出可信度值，然后显示、打印结果，等待下一周期的到来。
上述的异常炉况专家***是基于根据专家经验列出的产生式规则判定各种异常炉况和失常炉况的“不发生”、“有发生趋向”或“即将发生”的可能。
上述的异常炉况为边缘煤气不足、边缘煤气过分发展、中心煤气不足、中心煤气过分发展、偏料、管道、向凉、向热；上述的失常炉况为悬料、崩料、炉凉、炉热。
显示模块除显示当次异常或失常炉况判定结果外，同时还显示过去1～5次判断结果。
所述的煤气流分布与布料建议模块是先从数据库中取出十字测温边缘流中心流、热负荷及煤气利用率复合数据以及炉身探测器数据，这些数据一是经概率法神经元网络识别得出煤气流分布情况，然后显示煤气流分布情况，同时这些数据也经布料专家***判定布料情况，然后提出修正布料模式建议，然后显示，然后操作员修正布料模式。
煤气流分布与布料建议模块还包括一神经元网络，修正后数据及数据库中修正布料后得出的各测量值送神经元网络，经神经元网络自学习后，送到布料专家***以修正布料专家***的阈值设定。
所述的软熔带形状及位置推断模块是基于数学模型的方法，按工艺理论找出软熔带位置；该模型具体步骤为
a)从数据库读取数据；
b)对数据进行预处理；
c)炉料下降速度计算；
d)物料平衡及热平衡计算；
e)炉顶煤气温度及成分计算；
f)判定是否进行炉顶煤气温度修正？如是则进行炉顶煤气温度自修正，然后重新进行步骤e)，如否则进行下一步；
g)判定是否进行炉顶煤气成分修正？如是则进行下料速度自修正，然后重新进行步骤c)、d)、e)、f)，如否则进行下一步；
h)炉料及煤气温度分布计算；
i)显示输出；
j)判定是否结束运行？如是则结束运行，如否则进行下一步；
k)判定是否同步时间已到？如未到则继续判断以等待同步时间结束，如已到则重新依次进行上述步骤。
所述的高炉技术操作规程与作业标准查询模块包括工艺流程及主要设备技术参数、高炉配料及炉料校正、高炉工艺操作、炉前技术操作规程以及高炉车间岗位作业标准。
下面结合附图和实施例对本发明进行进一步描述：
图1：本发明***的构成图。
图2：本发明***炉况预报模块流程图。
图3：本发明***煤气流分布与布料建议模块流程图。
图4：本发明***软熔带形状及位置推断模块流程图。
图5：本发明***炉体及炉缸砌体烧损推断模块定常传热区域Ω示意图。
本发明一种高炉操作参谋***，包括数据库、数据预处理模块、炉况预报模块、显示模块、打印模块，该***还包括煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块、高炉操作预测模块以及高炉技术操作规程与作业标准查询模块；数据库中的原始数据经数据预处理模块处理后再回送至数据库，炉况预报模块、煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块均分别前与数据库相连，后与显示模块相连，高炉操作预测模块和高炉技术操作规程与作业标准查询模块与显示模块相连，显示模块后接打印模块。数据库还与一神经元网络阈值自学习与动态管理模块相接，数据库中的各阈值经神经元网络自学习后再返回修正数据库中的各阈值设定。
数据库存放各种现场传感器原始数据及这些数据经数据预处理模块处理后所形成数据以及各参数阈值。
数据预处理模块实现对现场传感器数据的检验、修正并作特征提取，自动地对高炉传感器的无效或错误信息进行补偿、编辑和平滑处理，使炉况判定的输入数据更加可靠。
所述的炉况预报模块是采用数学模型和人工智能相结合的方法预报炉况，数据库中经数据预处理模块处理过的数据供炉况判断数学模型进行炉况综合判断，判断周期在2～60分钟内可调，也可根据操作人员要求即时判断，本实施例为每半小时判断一次，如判断结果为“良好”，则显示、打印判断结果，然后等待下一周期到来再判定；如判断结果为“注意”或“不良”，则转入异常炉况专家***，由它来判别为何种异常或失常炉况并输出可信度值，然后显示、打印结果，等待下一周期到来再作判别。炉况判断数学模型是以高炉工艺理论和操作经验相结合的方法建立，采用八类参数的水准及四类参数的短期、中期、长期变动值进行综合判断而得出炉况“良好”、 “注意”或“不良”的结论。八类参数为：(1)全炉透气性，它又由总透气性指数、上下部透气性指数组成；(2)局部透气性，它由各层炉身静压力来表征；(3)炉热状态，它由铁水温度、炉热指数、渣中FeO含量来表征；(4)炉顶煤气状况，包括炉顶煤气CO利用率和炉顶煤气温度；(5)炉料下降状况，包括疏密指数、料批间隔指数、崩料指数；(6)炉顶煤气分布状况，包括十字测温状况、边缘温度比重、中心温度比重；(7)炉体温度，包括炉身下部、炉腰的炉墙温度、热负荷；(8)炉缸渣铁状态，包括出渣、出铁间隔时间、出渣系数。四类参数为风压、各层炉身压力、炉热指数和炉顶煤气CO及N2浓度。综合判断的方法是采用打分的方法，八类参数的每一分项与正常值比较，当超过某一阈值时为“注意”，并得1分；若超过更大阈值时为“不良”，并得0分；如为正常值时则为“良好”，并得2分。四类参数也分别为阈值比较，良好时得0分，不良时得-2分。这样八类参数的每一分项和四类参数都分别与阈值比较而得分。由于各参数的重要性并不相同，故得分要乘不同的权系数。本模型规定当八类参数水准判断各分项都为“良好”时应调整各项权系数使总计分GSN1为100分，四类参数变动判别各项都为“良好”时总计分GSN2为0分，都为“不良”时总计分GSN2为-30分，将两个小计分GSN1和GSN2相加得出总分GSN，本实施例模型定为GSN＞70～80分时，炉况为“良好”，60～65＜GSN＜70～80分时为“注意”，GSN＜60～65时，炉况为“不良”。异常炉况专家***基于根据专家经验列出的产式规则，即If(前提)Then(结论)CF(可信度)的方式，判定八种异常炉况和四种失常炉况的“不发生”、“有发生趋向”或“即将发生”的可能。八种异常炉况为：边缘煤气不足、边缘煤气过分发展、中心煤气不足、中心煤气过分发展、偏料、管道、向凉、向热；四种失常炉况为悬料、崩料、炉凉、炉热。专家***的判定结果采用具有颜色和高度两个特征的棒图来表示，“不发生”为绿色、“有发生趋向”为黄色、“即将发生”为红色，可信度值大小以棒高表示，除显示当次判断结果外，还显示过去5次判断结果，从而看出炉况趋势。
煤气流分布与布料建议模块是先从数据库中取出十字测温边缘流中心流、热负荷及煤气利用率复合数据以及炉身探测器数据，这些数据一是经概率法神经元网络识别得出煤气流分布情况，然后由显示模块显示煤气流分布情况，同时这些数据也经布料专家***判定布料情况，然后提出修正布料模式建议，由显示模块显示，然后由操作员修正布料模式，修正后的数据及数据库中修正布料后得出的各测量值送神经元网络，经神经元网络自学习后，送到布料专家***以修正布料专家***的阈值设定。神经元网络自学习将积累3天数据才进行自学习。布料专家***是基于高炉专家的布料操作诀窍写成产生式规则，按上述所取数据给出布料模式建议。
软熔带形状及位置推断模块是基于数学模型的方法，按工艺理论将高炉沿径向划分成一定数量的圆筒，通过建立圆筒的物料平衡和热平衡求解，得出炉料及温度分布，从炉内温度分布曲线就可得出软熔带位置。该模型具体步骤为
a)从数据库读取数据；
b)对数据进行预处理；
c)炉料下降速度计算；
d)物料平衡及热平衡计算；
e)炉顶煤气温度及成分计算；
f)判定是否进行炉顶煤气温度修正？如是则进行炉顶煤气温度自修正，然后重新进行步骤e)，如否则进行下一步；
g)判定是否进行炉顶煤气成分修正？如是则进行下料速度自修正，然后重新进行步骤c)、d)、e)、f)，如否则进行下一步；
h)炉料及煤气温度分布计算；
i)显示输出；
j)判定是否结束运行？如是则结束运行，如否则进行下一步；
k)判定是否同步时间已到？如未到则继续判断以等待同步时间结束，如已到则重新依次进行上述步骤。
炉体及炉缸砌体烧损推断模块是用工艺理论、数学解析方法建立模型来推出炉缸烧损曲线。把炉底看作是有定常传热过程的轴对称区域Ω，其边界是Γ1、炉底侧壁Γ2、底板Γ3、和自由边界Γ4。炉底侧壁Γ2和底板Γ3附近设有冷却水进行冷却，在XOZ平面与Γ2、Γ3的交线上埋设有温度计m个。设实测温度为u＝(u1，u2，…um)，利用这些实测温度信息u来推定侵蚀线即决定自由边界Γ4的位置。由于测温点的温度是由供水温度经凝固层(侵蚀曲线)耐火砖传热过来的，侵蚀深度不同，温度也就不同，故先假定一个侵蚀深度，计算出测温点温度，然后和实测温度比较，如有差别，再假定另一侵蚀深度，再计算，直到计算温度和实测温度差最小为止，这个假定深度就是要求得的侵蚀深度，计算各测温点的温度将得出各侵蚀深度，连起来就是实际的侵蚀曲线。
关键技术计算模块进行四大类技术计算，即a)优化配料计算，除有一个计算例子外，还可更改输入数据进行新的计算；b)炉内数据计算，包括反应量、透气性等；c)生产量计算；d)装入量计算，包括焦比、矿/焦比、生铁生成量等。
高炉操作预测模块是假定浮氏体共存热保存带存在的条件下，计算高炉上下部热平衡和物料平衡，计算改变各个操作因子预测焦比、炉顶煤气成分、温度，以评价改变各种操作的经济性和稳妥性而有利于操作。
高炉技术操作规程与作业标准查询模块包括工艺流程及主要设备技术参数、高炉配料及炉料校正、高炉工艺操作、炉前技术操作规程以及高炉车间岗位作业标准，供炉长及其他工作人员随时查询。
炉长或其他工作人员根据需求，可了解任何一个模块功能所对应的高炉运行情况，根据本***所给出的数值或操作指导，作出相应调整，保证高炉正常运行。
本发明相比于现有技术具有如下优点：(1)功能全，能使操作员了解、掌握各种有关高炉的信息，便于准确判断，作出相应调整，从而使高炉异常时间降到最低；(2)应用人工神经元网络技术，从而对重要参数进行自学***。
Claims (10)
1、一种高炉操作参谋***，包括数据库、数据预处理模块、炉况预报模块、显示模块、打印模块，其特征在于：该***还包括煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块、高炉操作预测模块以及高炉技术操作规程与作业标准查询模块；数据库中的原始数据经数据预处理模块处理后再回送至数据库，炉况预报模块、煤气流分布与布料建议模块、软熔带形状及位置推断模块、炉体及炉缸砌体烧损推断模块、关键技术计算模块均分别前与数据库相连，后与显示模块相连，高炉操作预测模块和高炉技术操作规程与作业标准查询模块与显示模块相连，显示模块后接打印模块。
2、根据权利要求1所述的***，其特征在于：数据库还与一神经元网络阈值自学习与动态管理块相接，数据库中的各阈值经神经元网络自学习后再返回修正数据库中的各阈值设定。
3、根据权利要求1所述的***，其特征在于：所述的炉况预报模块是采用数学模型和人工智能相结合的方法预报炉况；数据库中经数据预处理模块处理过的数据供炉况判断数学模型进行炉况综合判断，如判断结果为“良好”，则显示、打印结果，然后等待下一周期到来再判定；如判断结果为“注意”或“不良”，则转入异常炉况专家***，由它来判别为何种异常或失常炉况并输出可信度值，然后显示、打印结果，等待下一周期的到来。
4、根据权利要求3所述的***，其特征在于：所述的异常炉况专家***是基于根据专家经验列出的产生式规则判定各种异常炉况和失常炉况的“不发生”、“有发生趋向”或“即将发生”的可能。
5、根据权利要求3或4所述的***，其特征在于：所述异常炉况为边缘煤气不足、边缘煤气过分发展、中心煤气不足、中心煤气过分发展、偏料、管道、向凉、向热；所述失常炉况为悬料、崩料、炉凉、炉热。
6、根据权利要求3、4、5任何一项所述的***，其特征在于：显示模块除显示当次异常或失常炉况判定结果外，同时还显示过去1～5次判断结果。
7、根据权利要求1所述的***，其特征在于：所述的煤气流分布与布料建议模块是先从数据库中取出十字测温边缘流中心流、热负荷及煤气利用率复合数据以及炉身探测器数据，这些数据一是经概率法神经元网络识别得出煤气流分布情况，然后显示煤气流分布情况，同时这些数据也经布料专家***判定布料情况，然后提出修正布料模式建议，然后显示，然后操作员修正布料模式。
8、根据权利要求7所述的***，其特征在于：煤气流分布与布料建议模块还包括一神经元网络，修正后数据及数据库中修正布料后得出的各测量值送神经元网络，经神经元网络自学习后，送到布料专家***以修正布料专家***的阈值设定。
9、根据权利要求1所述的***，其特征在于：所述的软熔带形状及位置推断模块是基于数学模型的方法，按工艺理论找出软熔带位置；该模型具体步骤为
a)从数据库读取数据；
b)对数据进行预处理；
c)炉料下降速度计算；
d)物料平衡及热平衡计算；
e)炉顶煤气温度及成分计算；
f)判定是否进行炉顶煤气温度修正？如是则进行炉顶煤气温度自修正，然后重新进行步骤e)，如否则进行下一步；
g)判定是否进行炉顶煤气成分修正？如是则进行下料速度自修正，然后重新进行步骤c)、d)、e)、f)，如否则进行下一步；
h)炉料及煤气温度分布计算；
i)显示输出；
j)判定是否结束运行？如是则结束运行，如否则进行下一步；
k)判定是否同步时间已到？如未到则继续判断以等待同步时间结束，如已到则重新依次进行上述步骤。
10、根据权利要求1所述的***，其特征在于：所述的高炉技术操作规程与作业标准查询模块包括工艺流程及主要设备技术参数、高炉配料及炉料校正、高炉工艺操作、炉前技术操作规程以及高炉车间岗位作业标准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN97112469A CN1052758C (zh) | 1997-06-13 | 1997-06-13 | 一种高炉操作参谋*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN97112469A CN1052758C (zh) | 1997-06-13 | 1997-06-13 | 一种高炉操作参谋*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1173542A true CN1173542A (zh) | 1998-02-18 |
| CN1052758C CN1052758C (zh) | 2000-05-24 |
Family
ID=5172283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN97112469A Expired - Fee Related CN1052758C (zh) | 1997-06-13 | 1997-06-13 | 一种高炉操作参谋*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1052758C (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101792836A (zh) * | 2010-03-25 | 2010-08-04 | 济南领航机械设备有限公司 | 高炉无料钟炉顶故障诊断预报*** |
| CN102002545A (zh) * | 2010-12-09 | 2011-04-06 | 山西太钢不锈钢股份有限公司 | 高炉软熔带根部位置的确定方法 |
| CN102758032A (zh) * | 2011-04-28 | 2012-10-31 | 宝山钢铁股份有限公司 | 一种实时预测高炉发生管道概率的方法 |
| CN103361454A (zh) * | 2012-03-30 | 2013-10-23 | 鞍钢股份有限公司 | 基于数据过滤的高炉悬料判断方法 |
| CN104388613A (zh) * | 2014-11-13 | 2015-03-04 | 北京首钢股份有限公司 | 一种高炉炉缸活跃性定量评价的方法 |
| CN105382216A (zh) * | 2015-10-23 | 2016-03-09 | 莱芜钢铁集团泰东实业有限公司 | 一种连铸中间包在线红外测温预警***以及预警方法 |
| CN109966996A (zh) * | 2019-02-26 | 2019-07-05 | 武汉恒力华振科技有限公司 | 一种利用大数据分析预测热熔胶生产过程中的熔解状态的*** |
| CN110765629A (zh) * | 2019-10-31 | 2020-02-07 | 中冶赛迪重庆信息技术有限公司 | 一种软熔带计算方法、***及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62270712A (ja) * | 1986-05-20 | 1987-11-25 | Nippon Kokan Kk <Nkk> | 高炉状況検出方法 |
| JPS62270708A (ja) * | 1986-05-20 | 1987-11-25 | Nippon Kokan Kk <Nkk> | 高炉炉熱制御方法 |
| EP0542717B1 (en) * | 1988-12-20 | 1997-02-12 | Nippon Steel Corporation | Blast furnace operation management method and apparatus |
| CN1038146C (zh) * | 1993-07-21 | 1998-04-22 | 首钢总公司 | 利用人工智能专家***控制高炉冶炼的方法 |
-
1997
- 1997-06-13 CN CN97112469A patent/CN1052758C/zh not_active Expired - Fee Related
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101792836A (zh) * | 2010-03-25 | 2010-08-04 | 济南领航机械设备有限公司 | 高炉无料钟炉顶故障诊断预报*** |
| CN102002545A (zh) * | 2010-12-09 | 2011-04-06 | 山西太钢不锈钢股份有限公司 | 高炉软熔带根部位置的确定方法 |
| CN102758032A (zh) * | 2011-04-28 | 2012-10-31 | 宝山钢铁股份有限公司 | 一种实时预测高炉发生管道概率的方法 |
| CN102758032B (zh) * | 2011-04-28 | 2013-09-25 | 宝山钢铁股份有限公司 | 一种实时预测高炉发生管道概率的方法 |
| CN103361454A (zh) * | 2012-03-30 | 2013-10-23 | 鞍钢股份有限公司 | 基于数据过滤的高炉悬料判断方法 |
| CN103361454B (zh) * | 2012-03-30 | 2015-03-11 | 鞍钢股份有限公司 | 基于数据过滤的高炉悬料判断方法 |
| CN104388613A (zh) * | 2014-11-13 | 2015-03-04 | 北京首钢股份有限公司 | 一种高炉炉缸活跃性定量评价的方法 |
| CN105382216A (zh) * | 2015-10-23 | 2016-03-09 | 莱芜钢铁集团泰东实业有限公司 | 一种连铸中间包在线红外测温预警***以及预警方法 |
| CN109966996A (zh) * | 2019-02-26 | 2019-07-05 | 武汉恒力华振科技有限公司 | 一种利用大数据分析预测热熔胶生产过程中的熔解状态的*** |
| CN110765629A (zh) * | 2019-10-31 | 2020-02-07 | 中冶赛迪重庆信息技术有限公司 | 一种软熔带计算方法、***及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1052758C (zh) | 2000-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103439999B (zh) | 根据冷却壁温度变化进行高炉异常炉温控制的方法 | |
| CN1052758C (zh) | 一种高炉操作参谋*** | |
| CN1038146C (zh) | 利用人工智能专家***控制高炉冶炼的方法 | |
| CN103544273A (zh) | 利用模式识别技术对炉况整体状态进行评估的方法 | |
| KR20230019154A (ko) | 조업 가이던스 방법, 고로의 조업 방법, 용선의 제조 방법, 조업 가이던스 장치 | |
| CN110427715B (zh) | 基于时间序列和高炉多维度的炉缸热状态趋势预测的方法 | |
| CN101644924A (zh) | 高炉称量上料的过程跟踪管理方法 | |
| CN106435070B (zh) | 一种高炉炉身温度管理方法 | |
| CN115522012B (zh) | 一种大型转炉控制tsc阶段吹氧量的方法 | |
| CN102758032B (zh) | 一种实时预测高炉发生管道概率的方法 | |
| CN101760578A (zh) | 转炉冶炼操作决策支持*** | |
| CN107765550B (zh) | 一种基于钢包自动定位的稳定出钢温度的方法 | |
| CN113961865A (zh) | 一种大型转炉精确控制tsc阶段调温剂加入量的方法 | |
| CN110238172A (zh) | 利用高炉消纳处理含锌固废资源的方法 | |
| CN110358888A (zh) | 基于参考炉次分组的转炉冶炼控制装置及控制方法 | |
| CN107502698A (zh) | 一种适用于少渣冶炼的自动化炼钢方法 | |
| CN110059940A (zh) | 一种炼钢-连铸界面衔接节能方法及*** | |
| CN112861276B (zh) | 基于数据与知识双驱动的高炉料面优化方法 | |
| Klinger et al. | Expert systems controlling the iron making process in closed loop operation | |
| Warren et al. | Development and implementation of a generic blast-furnace expert system | |
| CN117806169B (zh) | 基于神经网络的炉温预警优化方法、***、终端和介质 | |
| CN105242545A (zh) | 一种基于工艺批次模型的转炉用氧流量的预测方法 | |
| CN112410486B (zh) | 一种高炉炉缸护炉效果的评判方法 | |
| Welgama et al. | Evaluating options to increase production of a copper smelter aisle: A simulation approach | |
| CN115896369A (zh) | 一种高炉复风后的出铁方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: BEIJING ARTIME INTELLIGENT CONTROL CO., LTD. Free format text: FORMER OWNER: METALLURGICAL AUTOMATION RESEARCH INSTITUTE Owner name: METALLURGICAL AUTOMATION RESEARCH INSTITUTE Free format text: FORMER OWNER: AUTOMATION RESEARCH INST., MINISTRY OF METALLURGICAL INDUSTRY Effective date: 20010619 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| REPR | New representative |
Owner name: XU YUXIA Effective date: 20010619 |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20010619 Patentee after: Beijing Aritime Intelligent Control Co.,Ltd. Representative person after: Xu Yuxia Patentee before: Institute of metallurgical automation Effective date of registration: 20010619 Address after: No. 84, Fengtai Road, Beijing Patentee after: Institute of metallurgical automation Address before: No. 84, Peking University, Beijing, Fengtai District Patentee before: AUTOMATION INST MINISTRY OF ME |
|
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20000524 Termination date: 20120613 |