基于工业大数据的智能化高炉炼铁技术研究进展

作     者：石泉 唐珏 储满生 SHI Quan;TANG Jue;CHU Mansheng

作者机构：东北大学冶金学院辽宁沈阳110819 

出 版 物：《钢铁研究学报》 (Journal of Iron and Steel Research)

年 卷 期：2022年第34卷第12期

页      面：1314-1324页

核心收录：

学科分类：080602[工学-钢铁冶金] 08[工学] 0806[工学-冶金工程] 

基　　金：国家自然科学基金资助项目(52274326) 

主　　题：工业大数据 数据治理 机器学习 高炉炼铁 

摘      要：高炉冶炼过程是最典型的“黑箱过程,其复杂性和不确定性为高炉稳定顺行带来了巨大挑战。但高炉炼铁拥有丰富的数据资源,数据科学、智能技术的快速发展,为解决高炉炼铁过程中不确定性问题提供了有效手段。围绕大数据技术在高炉炼铁中的应用,从高炉数据预处理、高炉关键指标预测、高炉炉况评价和高炉指标优化4个方面对现阶段智能化高炉炼铁技术进行总结与分析。在高炉数据预处理方面,应综合考虑数据问题和算法特性,科学选择数据处理方法,才能使高炉数据质量得到有效改善。在高炉关键指标预测方面,需要先消除高炉参数间时滞性的影响,并筛选出有效的输入特征,才能保证预测模型的准确率。在高炉炉况评价方面,需要构建数据信息与工艺机制融合的高炉智慧模型,才能够实现高炉炉况的科学评价。在高炉参数优化控制方面,应该以低风险、低经济、高回报作为优化目标,在追求优化效果的同时还应综合考虑现场操作的可行度和操作成本。要实现高炉智能化生产,还需要研究者们继续探索和完善。