-
题名基于神经网络的特大型焦炉焦炭质量预测研究
被引量：20
- 1
-
-
作者
周洪
闵礼书
邹祥林
-
机构
武汉大学
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第6期1543-1547,1552,共6页
-
文摘
预测焦炭质量是焦化企业面临的重要课题,对焦炭质量进行准确的预测,既保证焦炭质量符合要求,又合理利用煤炭资源。研究某焦化公司特大型焦炉炼焦配煤的工艺流程,采用具有非线性特性和自学习能力的BP神经网络对炼焦过程进行建模,确定焦炭质量预测模型的结构和参数,解决炼焦过程中变量之间复杂的非线性关系问题。使用MATLAB软件对模型进行训练和预测仿真,并对影响模型预测精度的因素进行详细的分析。最后采用MATLAB软件与VC++混合编程的方法来完成焦炭质量预测系统的开发。
-
关键词
配煤
焦炭质量预测
BP
神经网络
模型
-
Keywords
coal blending
prediction of coke quality
BP
neural network
model
-
分类号
TQ5
[化学工程]
-
-
题名影响焦炭质量预测效果的原因分析
被引量：4
- 2
-
-
作者
贾晓宗
陈影
芦建文
-
机构
内蒙古包钢钢联股份有限公司煤焦化工分公司
包头钢铁(集团)有限责任公司信息服务中心
-
出处
《包钢科技》
2020年第2期5-7,24,共4页
-
文摘
焦炭质量预测非常重要但误差较大,文章对影响焦炭质量预测效果的因素进行了探讨,将工艺变量引入预测模型用大数据方法进行研究,对误差原因进行了分析,并提出了改进建议。
-
关键词
焦炭质量预测
工艺变量
大数据分析
-
Keywords
prediction of coke quality
process variables
big data analysis
-
分类号
TF526.1
[冶金工程—钢铁冶金]
-
-
题名炼焦智能配煤系统初步研究
被引量：4
- 3
-
-
作者
王影
赵钰琼
鲁阳
乔星星
张永发
张静
-
机构
太原理工大学煤科学与技术省部共建国家重点实验室培育基地
陕西煤业化工技术研究院有限责任公司
-
出处
《煤质技术》
2017年第A01期7-11,共5页
-
基金
山西省科技重大专项资助项目(MH2016-01)
-
文摘
基于炼焦生产过程的优化控制模型影响焦炭质量、炼焦成本和损耗,针对智能配煤系统中的储运系统、配煤系统和焦炭质量预测系统开展研究,列出了智能炼焦过程的工艺流程,并对路程和成本优化、堆放过程优化、出料质量控制等进行探讨。收集焦炭指标的实际测量值,进行汇总和记录后将焦炭质量按对应的级别进行分类,并将焦炭产品质量与配合煤的参数进行关联后建立预测模型,对模型预测与实际结果的误差进行修正和模型矫正,完成反馈调节及修改相应参数以完善模型。并对粒径分布对配煤过程的影响进行探讨,指出细粒径煤在型煤的配煤过程中对抗压强度和跌落强度的提高均有促进作用。
-
关键词
炼焦
配煤系统
智能化
预测模型
粒径分布
焦炭质量
工艺流程
抗压强度
跌落强度
配煤过程
-
Keywords
coking
coal blending system
intelligentization
prediction model
particle size distribution
coke quality
process flow
compressive strength
shatter strength
coal blending process
-
分类号
TQ520.62
[化学工程—煤化学工程]
-
-
题名微观分析技术在优选炼焦煤中的应用
被引量：2
- 4
-
-
作者
王岩
-
机构
河钢邯钢股份有限公司
-
出处
《山西化工》
2016年第5期70-72,共3页
-
文摘
邯钢焦化厂通过煤岩显微组分分析和焦炭光学组织含量分析的研究和应用,和小焦炉试验有机结合,建立了焦炭热强度和焦炭光学组织、焦炭光学组织和煤岩显微组分之间的模型,能够根据煤的显微组分判断所产焦炭的质量,科学地指导配煤炼焦生产,从而达到准确预测焦炭质量,优选炼焦煤种,最大限度地降低配煤炼焦成本的目标。
-
关键词
显微组分
光学组织
模型
预测焦炭质量
-
Keywords
micro component
optical organization
model
prediction of coke quality
-
分类号
TQ520.61
[化学工程—煤化学工程]
-
-
题名机器学习应用于焦化行业的研究进展
- 5
-
-
作者
张飏
-
机构
煤炭科学技术研究院有限公司煤化工分院
煤炭资源高效开采与洁净利用国家重点实验室
国家能源煤炭高效利用与节能减排技术装备重点实验室
-
出处
《煤质技术》
2016年第A01期25-28,共4页
-
文摘
总结了机器学习在焦炭质量、焦炉煤气产量预测以及炼焦生产协调优化控制系统等方面的研究现状,并从加热燃烧过程控制、集气管压力控制、推焦作业调度优化等方面分别阐述了利用机器学习方法实现自动化控制的研究,认为应加强现有研究成果的应用验证和推广,使其更好更快地服务于生产实际,同时加快应用机器学习构建以产品质量和生产效率为最终目标的全流程大数据系统模型的研究。将机器学习应用于传统的焦化行业,可提升焦化生产科技水平及降低运行风险。
-
关键词
机器学习
焦化
焦炭质量预测
焦炉煤气产量
控制系统
大数据系统模型
-
Keywords
machine learning
coking
prediction of coke quality
coke oven gas production
control system
big data system model
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
