基于大数据分析的炼铁系统原燃料采购决策与配料优化模型应用基础研究

Abstract: Reducing ironmaking cost by purchase decision-making and blending optimization of the raw and fuel materials is the main core mission for the workers. There has been many research on the optimization for the hot metal cost, and gotten many research achievement in some aspects, but there still exists some problems which limit the promotion of the result of the optimization model. This project is just forcing on the research of the application foundation of raw and fuel materials’ purchase decision-making and blending optimization basing on the analysis of big data in blast furnace ironmaking basing on the analysis of the existing problems and research foundation. The support of all the research is the analysis of the big data gotten from all the ironmaking system, and the mainly research method contains image processing, PCA ( principal component analysis ), and deep learning neural network. The project combines the handling means of information technology with traditional metallurgical processing and theory. The main research contents include the digital characterization of the basic parameters, the data fusion of the basic performance index and the analysis of the multi - parameter directional quantitative relationship by deep learning neural network. The research result will improve the calculation efficiency of the complete calculation model, enhance the calculation efficiency and the adaptability of the blast furnaces.

通过采购决策和配料优化降低铁水成本是钢铁企业炼铁工作者最核心的任务之一，国内外许多炼铁工作者长期从事炼铁系统成本优化的研究，并在相关方面已取得了很多的研究成果，但是一些问题依然制约着优化模型效果的提升；本课题针对这些问题，基于当前炼铁系统原燃料采购决策与配料优化的研究成果，以整个炼铁系统大数据分析为着力点，采用图像处理、主成分分析以及深度学习神经网络的方法，将信息技术的处理手段同传统冶金工艺及理论相结合，系统研究了原燃料指标评价及配料优化模型应用基础的模型参数的数字化表征、基础性能指标的数据融合、（单种物料与混合物料、产物间物性参数之间）多参数指向性定量关系挖掘分析等三个方面内容，从而进一步提升炼铁系统原燃料采购决策与配料优化模型的计算效果。

为实现炼铁原料采购过程中的合理评价及实现配料优化，本项目从大数据角度出发，将非数字化的参数进行数字化表征并通过智能算法建立整个炼铁系统的原料优化系统。.首先，通过对铁矿粉微观照片进行计算机图像处理研究，可以得到铁矿粉粗糙度量化等级，效果最好，完全符合人的量化特征。通过图像处理方法对烧结矿相微观形态和矿物组成进行研究，通过对比度增强图和纹理特征，并利用知识库规则进行分类计算。通过该方法求解得出烧结矿的矿物组成经验证是可信的，有较高的识别精度。.其次，利用主成分分析对铁矿粉的进行总体评价。该方法综合考虑了化学成分、粒度、微观特性、同化性、液相流动性等性能指标，采用主成分分析方法，提取了铁矿粉烧结特性指标。新的综合特性指标不仅减少评价指标的数量，且综合特性指标之间相互独立，避免指标之间的重叠。.第三，提出一种基于模糊数学算法的混合铁矿粉高温性能预测方法，在对铁矿粉高温特性进行实验分析的基础上，基于模糊数学方法，构建铁矿粉高温性能模糊域及相应的隶属度函数，对相应的铁矿粉的高温性能进行评价以及混合铁矿粉高温性能的模糊域进行判定，并进一步基于模糊域质心原理，计算得到可用于数学计算的约束条件。.最后，基于系统优化、综合分析的思路，将从矿粉到烧结，再到高炉，最终到炉渣的整个过程进行仿真建模，同时综合考虑炼焦配煤、喷吹煤合理搭配等环节，基于粒子群优化算法进行计算，以铁水成本最低为目标，实现了对整个高炉炼铁流程中含铁原料的综合优化。