基于断面图像和风箱温度压力的烧结节能降耗系统研究

作     者：曹玉鑫 

作者单位：南开大学 

学位级别：硕士

导师姓名：于宏兵

授予年度：2022年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 

主      题：烧结工序 节能降耗 断面图像 风箱温度压力 

摘      要：钢铁行业是典型的高能耗、高物耗、高污染行业,每年的能源消耗量占到全国能源消耗总量的11%以上,而作为钢铁冶炼第一工序和能源消耗第二大工序的烧结工序却存在着因生产探测不及时、控制手段不到位等原因导致的比较严重的能源浪费现象。为实现烧结工序的节能降耗,降低钢铁冶金企业的生产成本,本文以天钢联合特钢有限公司烧结厂1#230 m烧结机为研究对象,进行了基于烧结机尾断面图像和风箱温度压力信息的烧结节能降耗系统的相关研究,开发了相关的装置和软件系统并在烧结产线进行了应用。本文主要的研究内容如下:（1）针对烧结机尾复杂的生产环境,设计了一种能够减轻粉尘颗粒与环境温度对相机镜头影响的图像采集装置,提出了基于亮度和时间序列的最佳断面图像获取、基于能量分析法的加权平均灰度化处理以及基于加权引导滤波和自适应模糊图像增强处理的全流程技术手段,并建立了相关特征信息的数学提取表达式。（2）针对烧结生产状态以及烧结终点难预测的问题,通过对烧结1a～24a风箱分别安装温度传感器与压力变送器的方式,建立了针对风箱温度和压力变化的实时化监测体系;通过对980 mm处料层温度进行周期性人工探测的方式,准确确定了参与模型训练过程的烧结终点位置,为烧结终点预测模型和烧结矿品位评测模型的精准度提供了保障;同时为解决烧结过程中预测到的过烧或欠烧等异常生产状况,设计了针对20a～24a、20b～24b风箱阀门开启度的预调节机制,以尽可能的减少能源浪费。（3）针对BP神经网络存在的“平台效应问题,提出了基于动态变化参数ξ的改进方案,并分别建立了基于BP神经网络的烧结矿品位评测模型和烧结终点预测模型。经测算和实际验证,烧结矿品位评测模型的判定准确率达到96%,烧结终点预测模型的预测精度达到97.25%。（4）以烧结矿品位评测模型和烧结终点预测模型为主体,建立了基于红火层亮度L、厚度Y、烧结终点BTP、重心位置O、均衡性E以及烧结生产状态为特征信息的烧结节能降耗智能评测系统,并运用Lab VIEW+Matlab模式开发了该系统的应用平台。将系统应用前、后烧结工序的生产能耗数据进行对比后发现:系统应用后烧结工序的吨矿电耗、吨矿固体燃料消耗、吨矿工序能耗三个指标分别同比下降了1.03%、1.09%、0.25%,年节省电量、年节省固体燃料量预计可分别达到280.5万k Wh、3589.9 t,说明该系统在减少能源消耗、实现烧结工序优化控制、促进生产成本降低以及减轻末端烟气处理压力等方面具有积极的作用。