[发明专利]一种预测及优化熔剂性生球性能的方法

说明书

本发明公开一种预测及优化熔剂性生球性能的方法，将原料成分SiO₂含量、碱度R、MgO含量、混合料粒度中小于0.074mm质量分数与生球的成球率、抗压强度、落下强度及爆裂温度四个性能用BP神经网络进行预测，得到基于造球原料成分及造球混合料中小于0.074mm粒度的质量分数对生球性能的预测模型，该方法利用高斯分布数据扩增方法结合BP神经网络训练，利用该预测模型能够有效预测生球性能，且满足实际冶炼工艺要求，对优化生球性能，提高入炉比例具有重要的意义。

技术领域

本发明属于冶金炼铁技术领域，具体涉及一种预测及优化熔剂性生球性能的方法。

背景技术

球团矿造球阶段是球团矿生产的第一道工序，生球质量的优劣在很大程度上影响着成品球团矿的质量。比如，生球的粒度、水分、机械强度、化学组成等的波动，都将严重影响下一步的固结过程。而生球自身的质量除与工艺过程有关外，还取决于原料的物理化学性质。

现有的相关技术中，中国专利申请公布号CN 111041194 A公开了一种提高矿粉球团矿生球质量的制备装置及其使用方法，通过实时拍摄运输皮带上的球团矿颗粒，并对拍摄得到的图片进行分析处理，得到球团矿颗粒的分布情况，据此对圆盘造球机进行调整，从而达到优化生球质量的目的。该工艺的不足之处在于：该方法从工艺出发，利用多种设备仪器实时记录造球过程中的球团矿颗粒的分布，而在生球制造初期并没有考虑化学成分的影响。

中国专利申请公布号CN 113570557 A公开了一种基于图像识别的球团固结程度评价方法，基于球团矿矿相结构图像，采用智能算法来实现球团内部颗粒的分割和识别，对优化球团矿的焙烧工艺参数具有重要的意义。该工艺的不足之处在于：该方法只能在焙烧过程中应用并体现出来，在球团生产过程中，生球质量的好坏决定了球团矿是否能顺利生产，并没有考虑上述决定性因素。

目前，球团矿研究领域大量的生球制造工艺研究数据、生产实践数据和实验室得到的实验数据等没有得到有效整合，更无法得到高效利用，球团矿原料特性没有被深入系统的研究、测试和总结，无法变革现有的传统研发模式，实现球团领域研究的快速发展。因此，本发明，使用数学非线性回归方法进行数据建模，构建了BP神经网络模型，建立SiO₂含量、碱度R、MgO含量、混合料中粒度小于0.074mm的质量分数与生球性能之间的关系，对预测优化生球性能具有重要的意义。

发明内容

本发明的目的在于提供一种预测及优化生球性能的方法，进而得到最优物料配比，节能减排。

为解决上述技术问题，本发明的实施例提供如下方案：一种预测及优化熔剂性生球性能的方法，将四个变量：原料成分中SiO₂含量、碱度R、MgO含量、混合料粒度中小于0.074mm的质量分数，与生球的成球率、抗压强度、落下强度及爆裂温度四个性能用BP神经网络进行预测，得到基于造球原料成分及造球混合料中粒度小于0.074mm的质量分数对生球性能的预测模型，其特征在于，所述BP神经网络预测过程包括以下步骤：

首先进行数据预处理，对不同碱度、SiO₂含量、MgO含量下的每种试验原料的粒度分布及质量分数进行数据处理，应用原料粒度小于0.074mm的数据，通过计算得到混合料的粒度数据，计算公式如下：