文献类型：期刊文章

作　　者：张伟阳[1] 郝良元[2] 钟文达[3] 邓勇[4,5] 程相文[1] 吕庆[5]

ZHANG Wei-yang;HAO Liang-yuan;ZHONG Wen-da;DENG Yong;CHENG Xiang-wen;LüQing(College of Mechanical Engineering,North China University of Science and Technology,Tangshan 063210,Hebei,China;Steel Research Institute,HBIS Group Co.,Ltd.,Shijiazhuang 050023,Hebei,China;Chengde Branch,Hebei Iron and Steel Co.,Ltd.,Chengde 067000,Hebei,China;Institute for Metallurgical Engineering and Technology,North China University of Science and Technology,Tangshan 063210,Hebei,China;College of Metallurgy and Energy,Ministry of Education Key Laboratory of Modern Metallurgy Technology,North China University of Science and Technology,Tangshan 063210,Hebei,China)

机构地区：[1]华北理工大学机械工程学院,河北唐山063210 [2]河钢集团有限公司钢研总院,河北石家庄050023 [3]河北钢铁有限公司承德分公司,河北承德067000 [4]华北理工大学冶金工程研究院,河北唐山063210 [5]华北理工大学冶金与能源学院现代冶金技术教育部重点实验室,河北唐山063210

出　　处：《钢铁》

基　　金：河北省自然科学基金资助项目(E2020209069);唐山市科学技术研究与发展计划资助项目(19150244E);华北理工大学教育教学改革研究与实践资助项目(L1991)。

年　　份：2020

卷　　号：55

期　　号：8

起止页码：160-168

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对高炉炉缸侵蚀的问题,介绍了高炉炉缸智能技术研究进展,分析了实现炉缸内衬可视化的技术。基于炉缸侵蚀模型的比较及大数据预测模型的发展,提出了融合大数据技术的炉缸侵蚀模型技术思想。模型基于决策树和遗传算法优化的BP神经网络,将铁水成分及温度、冷却参数、操作参数作为输入参数,采用融合大数据技术的方法,构建了炉缸侵蚀预测模型。大数据技术为钢铁行业的发展提供了新思路,进一步推动了高炉智能化炼铁。

关 键 词：高炉 炉缸 侵蚀模型  大数据技术  预测模型  

分 类 号：TF57] TP311.13]