一种高炉综合状态预测方法及系统

    公开(公告)号:CN112418270A

    公开(公告)日:2021-02-26

    申请号:CN202011161469.5

    申请日:2020-10-27

    IPC分类号: G06K9/62 C21B5/00

    摘要: 本发明涉及一种高炉综合状态预测方法及系统,涉及复杂高炉炼铁过程中不可测关键参数量化与预测领域。本发明对样本数据进行适用性检测;利用因子分析法确定符合适用性预设标准的样本数据中的公因子;根据公因子确定样本高炉综合状态指标;根据样本高炉综合状态指标利用相关分析法和AdaBoost算法建立高炉综合状态指标预测模型;将待预测的高炉生产实时数据输入高炉综合状态指标预测模型得到预测的高炉综合状态指标;根据预测的高炉综合状态指标,通过高炉综合状态分类标准得到高炉综合状态,避免根据现场技术人员的生产经验判断高炉综合状态出现的主观偏差。

    一种烧结配料优化方法
    5.
    发明公开

    公开(公告)号:CN114358424A

    公开(公告)日:2022-04-15

    申请号:CN202210007141.0

    申请日:2022-01-05

    摘要: 本发明提供一种烧结配料优化方法,包括步骤:基于工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量,采用机器学习算法构建混合料性能预报模型;以含铁原料配料成本最低为目标函数,结合工厂原料条件与库存情况,构建烧结原料的一配配比计算模型与二配配比计算模型;根据混合料性能预报模型预测得到的混合料性能,采用智能优化算法对一配配比计算模型与二配配比计算模型进行求解,获得满足要求的烧结实时原料配比。本发明所述烧结配料优化方法具有实时性强、参数融合性高、能在线动态调整原料配比、成本低、烧结矿配料质量高等特点,可广泛应用于配料领域。

    一种SiC晶须的制备方法
    6.
    发明授权

    公开(公告)号:CN109652857B

    公开(公告)日:2020-08-04

    申请号:CN201910115067.2

    申请日:2019-02-14

    IPC分类号: C30B29/36 C30B29/62 C30B1/10

    摘要: 本发明公开了一种SiC晶须的制备方法,属于SiC制备技术领域,该方法取聚硅氧烷置于容器中;向盛有聚硅氧烷的容器中滴入适量氯铂酸酒精溶液;用磁力搅拌器搅拌;将混合后的溶液放在鼓风干燥箱中180℃交联;将交联后的聚硅氧烷制成粉体;分别筛分出粒径为280um‑450um,154um‑180um,150um‑154um的不同粉末;用所制得的不同粒径交联粉末包埋不同的石墨基体,用管式气氛炉进行1500℃高温烧结。该方法以不同厚度石墨基体为生长平台,通过改变基体形态和粉体粒度,控制包埋深度,制备不同形态晶须。本发明的制备SiC晶须方法,生产过程简单,操作性强,生产成本低,可生长不同形态的高品质SiC晶须,拓展其增强体和吸波材料领域的应用。

    一种SiC晶须的制备方法
    8.
    发明公开

    公开(公告)号:CN109652857A

    公开(公告)日:2019-04-19

    申请号:CN201910115067.2

    申请日:2019-02-14

    IPC分类号: C30B29/36 C30B29/62 C30B1/10

    CPC分类号: C30B29/36 C30B1/10 C30B29/62

    摘要: 本发明公开了一种SiC晶须的制备方法,属于SiC制备技术领域,该方法取聚硅氧烷置于容器中;向盛有聚硅氧烷的容器中滴入适量氯铂酸酒精溶液;用磁力搅拌器搅拌;将混合后的溶液放在鼓风干燥箱中180℃交联;将交联后的聚硅氧烷制成粉体;分别筛分出粒径为280um-450um,154um-180um,150um-154um的不同粉末;用所制得的不同粒径交联粉末包埋不同的石墨基体,用管式气氛炉进行1500℃高温烧结。该方法以不同厚度石墨基体为生长平台,通过改变基体形态和粉体粒度,控制包埋深度,制备不同形态晶须。本发明的制备SiC晶须方法,生产过程简单,操作性强,生产成本低,可生长不同形态的高品质SiC晶须,拓展其增强体和吸波材料领域的应用。

    基于大数据和深度学习的烧结矿成分预报模型

    公开(公告)号:CN112070408A

    公开(公告)日:2020-12-11

    申请号:CN202010956793.X

    申请日:2020-09-14

    摘要: 本发明公开了一种基于大数据和深度学习的烧结矿成分预报方法,属于烧结工艺过程控制领域。该方法需要以烧结生产中与烧结矿成分变化相关的参数和海量历史数据为基础;采用箱型图法和孤立森林算法对异常数据进行检测,使用滑动窗口的方法对异常值进行替换;将皮尔逊相关系数法和关键特征选择法相结合得到模型的输入参数;建立基于DNN的在线成分预测模型,利用此模型根据烧结机的在线检测数据实时监测和预报烧结矿的TFe、FeO、V2O5和CaO/SiO2等成分;该模型预测结果与现场实际检测值拟合度较好,能够辅助现场操作人员及时、准确的判断烧结矿的成分及其变化趋势。

    一种汽车用含Nb高强高韧性低密钢及其制备方法

    公开(公告)号:CN110607480A

    公开(公告)日:2019-12-24

    申请号:CN201910714760.1

    申请日:2019-08-02

    摘要: 本发明公开了一种汽车用含Nb高强高韧性低密钢及其制备方法,涉及金属材料领域。所述钢的化学成分质量百分比为C 0.9%-1.1%,Al 9.4%-9.7%,Mn 26.9-28.1%,Nb 0.08%-0.50%,Si<0.5%,S<0.004%,P<0.003%,其余为Fe及其他不可避免的杂质元素。本发明通过向传统Fe-Mn-Al-C低密度钢中添加Nb元素析出细小弥散的NbC相,同κ-碳化物共同产生析出强化作用,获得密度介于6.4g/cm3-6.7g/cm3,抗拉强度在980MPa-1200MPa之间且断后伸长率介于20%-50%的高强高韧性且腐蚀电位大于-0.462V的耐蚀性优良的低密度钢,适用于汽车用钢需求,可实现汽车轻量化,符合节能减排发展理念。