论文部分内容阅读
减少污染排放量,实现绿色制造,是目前钢铁工业发展的主旋律。碳是钢铁生产过程的主要能源,因此如何优化碳的利用率,有效控制生产过程中碳的转换和排放,这是提高钢铁工业能源利用率,减少污染排放量,实现绿色制造的关键问题。烧结过程是钢铁冶金生产中的重要工序,其含碳燃料的消耗在钢铁生产过程中占到8%-10%,烧结过程碳素气体排放中CO/CO2的值能反应烧结过程中固体碳的燃烧利用率,以及碳素消耗情况。因此,研究烧结过程CO/CO2计算的建模,对实现钢铁工业的碳效优化具有重要意义。烧结过程是一个复杂的工业过程,具有非线性强、部分参数难以检测、干扰因素多等特点。本文在充分研究烧结过程物理化学反应和碳素流机理基础上,通过对烧结过程生产数据与碳素气体排放含量检测数据的分析,提出一种融合了数学机理与神经网络两种建模思想的烧结过程CO/CO2计算建模方法,实现对烧结过程CO/CO2的计算。首先,根据碳流平衡原理以及碳燃烧反应机理和石灰石分解机理,得出影响烧结过程中碳素气体排放中CO/CO2的主要过程参数,并建立主要影响参数与CO/CO2之间的机理模型；其次,针对简单的机理模型难以准确描述碳素气体排放的问题,结合过程生产数据和碳素气体检测数据,建立基于数学机理的输入加权式前向神经网络CO/CO2计算模型,通过机理模型的指导,强化神经网络非线性映射的逼近能力,并以风箱平均温度、碳配比等6个主要影响因素为模型输入,CO/CO2为模型的输出,实现了对烧结过程CO/CO2的计算。根据实际生产数据和检测到的碳素气体排放值,通过仿真实验验证了本文所提建模方法的有效性,能为烧结过程进一步的碳效优化和控制提供理论基础。