T_CISA304-2023铁矿球团生产作业智能化技术要求.docx

《T_CISA304-2023铁矿球团生产作业智能化技术要求.docx》由会员分享，可在线阅读，更多相关《T_CISA304-2023铁矿球团生产作业智能化技术要求.docx（3页珍藏版）》请在优知文库上搜索。

1、T/CISA3042023球团矿质量分析r1排球温度1w!受料斗料位IL反脾1h入口温度、中间温度、环冷机频率-智能冷却r机速冷风机频率（或风门开度）智能分析I最佳焙烧参数更/代威廉掘三回转窑状态分析、热工分析f料层透气性分析、料层厚度原料质量分析V智能焙烧.回转窑喷煤量助燃风机频率烧嘴内外风烧嘴煤气量带式焙烧机工艺风机频率1（或风门开度）智能布料.摆动皮带加速度、机速J（链篦机/带焙烧机）:s：造球操作模W智能造球加水量二圆速智能生产作业智能混合转速-加水量节奏匹,配模型漏斗料位机器学习原料质量分析=反馈/前馈智能和压缓冲仓圆盘转速.辐压机转速平域后I优化迭代物料水分I前娄/反馈1.原料质量

2、分析=煤气阀开度鼓风机频率（或风门开度）非线性最小小球团矿质量规划算法，A!反馈二原料质量分析二智能配矿配比及下料量;图2球团曾能生产作业与智能分析间逻辑架构图10.3 智能干燥10.3.1 应建立铁精矿干燥控制模型，对煤气量和鼓风量进行实时优化控制。10.3.2 应通过机器学习算法建立干燥后物料水分与煤气量、鼓风量等控制参数的关联关系，实现模型的优化迭代。10.3.3 模型应考虑设备安全和生产安全，包括但不限于对炉膛温度和压力的范围限制。10.3.4 3.4干燥后的物料水分限定范围应支持人工设定和修改。10.3.5 干燥工序的控制参数应直接下发给生产系统执行。10.3.6 3.6智能干燥模型

3、的控制准确率宜不低于85%。10.4 智能短压10.4.1 应采用数据挖掘和机器学习算法，建立缓冲仓下料量、串昆压机上方漏斗料位、辑压机出料量之间的智能匹配模型。通过模型计算实时调整缓冲仓圆盘转速、辘压机转速等控制参数，保障辑压机上方漏斗料位合理。10.4.2 辐压机上方漏斗料位的目标控制范围应根据漏斗的总高度确定，一般在总高度的1/3至1/2之间。漏斗料位控制范围应支持人工设定和修改。10.4.3 模型应考虑缓冲仓的安全料重范围，保证不冒料、不空料。10.4.4 轻压工序的控制参数宜直接下发给生产系统执行。10.4.5 智能匹配模型的控制准确率宜不低于85%o10.5 智能混合10.5.1

4、1应建立混合料入机量与混合机转速、混匀时间的关系模型。根据混合料入机量的变化自动调整混合机控制参数，保障混匀效果。10.5.2 若在混合工序配置了加水操作，应能根据干燥后物料水分值和造球水分要求值，实时计算混合工序的加水量。10.5.3 当混匀料水分出现异常时，应能及时报警。异常水分值宜自动关联到干燥、造球工序的相应智能模型。10. 5.4混合工序的控制参数宜直接下发给生产系统执行。10.6智能造球10.6.1 应采用智能算法，根据生球图像进行实时粒度分析。10.6.2 应结合成球机理和现场操作经验，建立生球粒度实时控制模型。通过模型判断是否应进行造球操作调整，调整内容包括但不限于对加水量和圆

5、盘转速的调整。10.6.3自动调节加水量时，应合理分配滴水量和雾水量。10.6.4 若出现混合料水分过大或过小等极端异常情况应能及时发出报警，宜自动关联到干燥、混合工序的相应智能模型。10.6.5 造球工序的控制参数宜直接下发给生产系统执行。10.7智能布料10.7.1 应建立布料厚度调整模型。根据生球入机量、球团矿产量要求、台车参数及机速，实时计算合理的布料厚度范围。10.7.2 当实际布料厚度超出合理范围时，应及时调整布料控制参数。布料控制参数包括但不限于：机速、摆动皮带加速度等。10.7.3 3布料厚度值宜采用台车长度方向上3个或3个以上平均分布的料层厚度监测值平均值。10.7.4布料控

6、制参数宜直接下发给生产系统执行。10.7.5对布料厚度进行优化后，厚度误差控制（实际布料料厚与目标厚度的绝对误差小于50mm）的准确率宜不低于80%o10.8智能焙烧10.8.1带式焙烧机10.8.1.1应建立焙烧参数优化控制模型。结合热工分析、数据挖掘和机器学习算法，根据不同原料种类和配比、生球质量、入机量、布料状态、球团矿质量要求，给出不同工况的最佳焙烧操作参数范围。操作参数包括但不限于：预热段升温梯度、焙烧段最高温度、冷却段的温降梯度、工艺风机风量等。10.8,1.2模型应随着工况样本的增加自动完成更新迭代。10.8.1.3应将当前焙烧参数值和最佳操作范围进行实时对比。当焙烧参数出现偏离

7、时应及时报警，并提供相应操作建议。10.8.2回转窑1.1 8.2.1应建立喷配量优化模型。根据窑头实时温度分布、窑尾温度的变化对喷煤量进行优化调整，保障球团固结焙烧效果。10.8 .2.2应建立智能倒风模型。结合人工操作经验，根据834的计算结果，对烧嘴内外风量的分配、助燃风机频率进行优化调整。10.9 .2.3回转窑控制参数宜直接下发给生产系统执行。10.10 能冷却10.10.1 建立环冷机受料斗料位与环冷机机速智能匹配模型。通过数据挖掘和机器学习算法，实现受料斗料位和机速调节的联动，保障环冷机布料平整。10.10.2 建立不同产量下的链篦机、回转窑及环冷机生产节奏关系数据库，以及相应的机速连锁控制模型。当环冷机机速变化时，应根据模型计算结果给出链篦机和回转窑的机速调节值，并下达给生产系统执行。10.10.3 建立环冷机机速、物料入口温度、中间温度、冷风机频率（或风门开度）与排球温度的关系数据库，对环冷排球温度进行预测。根据预测值与目标值的偏离程度，对冷风机频率（或风门开度）进行调整。10.10.4 却控制参数宜直接下发给生产系统执行。