文献类型：期刊文章

作　　者：吕庆[1,2] 刘颂[1,2] 刘小杰[1,2] 毕中心[3] 李建鹏[1,2]

LU Qing;LIU Song;LIU Xiao-jie;BI Zhong-xin;LI Jian-peng(College of Metallurgy and Energy,North China University of Science and Technology,Tangshan 063009,Hebei,ina;Key Laboratory for Advanced Metallurgy Technology,Ministry of Education,Tangshan 063009,Hebei,China;Technical Centre,Chengde Iron and Steel Group Co.,Ltd.,Chengde 067000,Hebei,China)

机构地区：[1]华北理工大学冶金与能源学院,河北唐山063009 [2]教育部现代冶金技术重点实验室,河北唐山063009 [3]承德钢铁集团有限公司技术中心,河北承德067000

出　　处：《钢铁》

基　　金：河北省研究生创新资助项目(2017B03)

年　　份：2018

卷　　号：53

期　　号：7

起止页码：1-9

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：通过部署大数据采集平台,运用高效的分布式信息传输技术,完成海量烧结生产数据的采集和汇总,建立烧结全产线数据仓库;通过融合工艺知识和大数据挖掘技术,提取原料性能、配矿理论、过程工艺参数、产质量指标、生产成本等参数间的潜在规律;以数理统计和机器学习算法为核心,深入研究基于大数据技术的烧结全产线质量智能控制系统;通过决策树和最优化等方法,建立完善的决策体系。基于梯度提升树算法初步建立了烧结终点预报模型,模型预测命中率达99%以上,与以往建立的烧结终点预报模型相比,模型预报命中率和稳定性进一步提升。研究成果将促进烧结生产的创新、自动化和智能化发展,稳定控制烧结矿的产质量指标,降低生产成本,具有广泛的应用价值。

关 键 词：铁矿粉烧结 大数据技术  机器学习  全产线  烧结终点预报  

分 类 号：TF325.1]