文摘

颗粒广泛应用于高炉炼铁。球团质量影响炼铁的影响,现有的grating-rotary窑控制系统主要采用手动控制方式,和球团生产的质量很大程度上取决于经验,疲劳,和责任感的网站运营商。物联网的使用(物联网)技术的集成和企业信息化水平的提高,实现好,智能生产管理,同时,有利于促进钢铁企业降低成本和提高效率,节能减排,转型升级,在新型工业化道路。根据工作原理和技术特点的grate-rotary窑在所有阶段,本文设计的管理系统发射小球基于卷积神经网络(CNN)和物联网技术,从而实现自动识别图像的感知层获取的数据进行智能分析。系统可以分类当前设备的工作条件,以判断grate-rotary窑的生产工艺参数是否符合标准,从而实现控制的目标完成了球团的质量。

1。介绍

目前,钢铁企业生产经营面临困难和瓶颈在转型升级。因此,政府大力推广信息技术自主创新,全面优化产业结构的信息。钢铁企业之间的竞争越来越激烈。经济指标的改善和技术进步的高炉铁冶炼主要取决于改善炉中使用的原材料的属性(1]。球团矿铁品位高的特点,颗粒大小均匀,减少性能好,机械强度高,许多微孔隙。球团矿焙烧是一个重要的粉矿块的方法造球过程中,材料不仅是由于滚成一个球和粒子密度和物理性质变化(密度、孔隙度、形状、尺寸、机械强度,等等),更重要的是,化学和物理化学性质变化(化学成分、还原性、扩张,减少高温下软化,降低低温软化和融化,等等),以改善材料的冶金性能(2- - - - - -5]。从控制的角度来看,球团烧结过程具有非线性的特点,分布参数、时间变化缓慢,和大的时间延迟,这是一个典型的复杂控制对象。大量的不确定信息和多样化数据使传统的控制方法很难有效地控制它。

物联网(物联网)是新一代信息技术的重要组成部分[6]。通过智能感知、识别技术、普适计算和其他沟通感知技术,广泛应用于网络的集成,也称为开发世界信息产业的第三次浪潮之后,电脑和互联网。与RFID(射频识别)技术的发展,传感器网络的普及,对象之间的互连越来越深。物联网技术已逐渐应用到社会生产的各个方面和制造业,加快传统工业生产和制造业的发展。在转换的过程中从传统工业生产智能生产,实实在在的原始数据的采集终端实体和无形的虚拟工业网络通信平台应该建立构建工业网络体系结构,从而实现长期稳定精确的控制,可靠的感觉,值得信赖的服务,实时传输集成服务。物联网技术可以智能分析、集成和处理大量的信息,实现智能控制决策过程的有效处理随机性,复杂性,和工业生产过程的不确定性7- - - - - -9]。

集中式和分布式AI-enabled物联网网络的框架研究了郝歌。关键技术挑战,包括随机存取和频谱共享,为不同的网络架构进行了分析。深入强化学习- (DRL)基于策略和神经网络模式的方法介绍了利用有效地实现DRL策略系统程序如频谱访问和频谱感知。不同类型的神经网络可用于物联网网络进行DRL实验室进行了讨论(10]。Rachad Atat通过提供一个广泛的概述介绍了CPS分类数据收集、存储、访问、处理和分析。这是第一个全景调查CPS的大数据,我们的目标是提供一个全景的总结不同CPS方面。Rachad Atat还提供了一个概述不同的安全解决方案提出了CPS大数据存储、访问和分析(11,12]。劲松吴都集中在调查西班牙之间的相关性和信息通信技术通过全景回顾和讨论,试图在有关问题上提供相关的理解和愿景(13]。在这项研究中,廖et al。14(),深入学习)- DL -基础物理(体育)层认证框架提出了提高工业无线传感器网络的安全(IWSNs)。三个算法,基于深层神经网络——(款)传感器节点的认证方法,卷积神经网络(CNN)基于传感器节点的身份验证方法,和卷积神经网络预处理——(CPNN)为基础的传感器节点的认证方法,被采纳实施IWSNs PHY-layer身份验证。其中,改进CPNN-based算法需要计算资源和非常低的延迟,这使一个轻量级的多节点PHY-layer身份验证。自适应估计时刻(亚当)加速梯度算法和minibatch技能是用来加速神经网络的训练。模拟执行评估每个算法的性能和简要分析讨论了每个算法的应用场景。

今年冶金行业发展迅速,企业必须加强其应对风险的意识。此外,整合现有资源,利用物联网技术,加强管理,降低管理成本,和控制风险。物联网技术可以集成数据和资源现有的工业控制系统、生产系统、物流系统、采购系统和销售系统的钢铁企业,形成一个完整的信息管理系统,实现多级管理,减少管理成本和风险(15]。钢铁企业物联网技术的智能识别,位置、跟踪、监控和管理实现信息共享和连接,从而不仅可以有效地提高传统的钢铁工业,改善企业管理的综合能力,而且还可以节省相应的冶炼成本,减少污染,保护环境,给企业带来良好的社会效益。

首先,本文介绍了球团生产过程和原则。然后,物联网技术的结构体系和工业物联网的关键技术进行了分析。最后,基于CNN工作原理的深入了解,球团焙烧管理系统基于CNN和物联网技术,建立了以实现智能控制的目标完成了颗粒通过使用这个系统。系统的实际运行结果表明,该控制方法是有效的,和炉篦窑的厚度自动控制的实现。摘要CNN和物联网技术应用到球团焙烧管理系统首次实现智能优化的目标球的质量和实现提供了理论和技术依据颗粒生产的智能控制。

2。球团生产技术和原则

球团烧结的任务是使用高温加热粉状材料(矿物粉和集中)形成块没有完全融化。高炉炼铁的主要原料,烧结过程的控制是一项复杂的任务。质量控制是烧结产品质量和生产效益的关键,它直接影响到下游产品的产量和质量。细磨精矿颗粒的方法,是可以满足要求的块材料的冶炼过程:预备所有微粒化所需的原材料,根据预先确定的比例混合均匀的原材料的实验计划。把原料均匀混合进制粒机造球实验。把准备好的球进炉烘烤。在烘焙过程中,化学反应发生在巩固丸丸,以及由此产生的产品称为小球。颗粒的制备过程中,材料不仅是由于粒子密度物理性质(密度、孔隙度、形状、尺寸、机械强度,等等)也在改变,但是化学和物理性质(化学成分,降低软化属性,肿胀,降低高温,性能下降,等等);冶金性能改善的变化,因此,从控制的观点和材料烧结过程可以被视为一种原材料参数和操作参数对设备。焙烧过程模型图如图1。

有三个主要的球团生产过程:竖炉球团,颗粒的带式焙烧机,链依靠丸。这三个产业的比较结果如表所示1。

本文主要研究grate-rotary窑丸,其工艺流程如图2:颗粒的烧结过程包括几个连续的过程,主要包括链条炉排、回转窑、环冷系统。球第一次干,在链条炉篦预热,然后在回转窑烧结。颗粒在环冷却器冷却,然后颗粒进入成品系统。

3所示。物联网技术

3.1。物联网的体系结构

物联网是一个网络系统的智能化识别、定位、跟踪、监控和管理通过射频识别装置、红外感应器、全球定位系统(GPS),激光扫射,和其他信息传感设备,物品连接到互联网,按照约定的协议信息交换和通信。

物联网的特征是全面感知、可靠的传输,智能处理。全面感知是指使用RFID, GPS,摄像头,传感器,传感器网络,和其他传感、捕获、测量技术手段,随时随地的对象信息采集和收购。物联网体系结构由感知层、网络层和应用层;其结构如图3:感知层、网络层的主要工作是收集信息包括移动通信网络、计算机网络、无线传感器网络、和其他私人网络;应用程序层,它包括云计算,应用程序集成、分析服务,物联网的应用程序和web服务,一样的子层。

3.2。工业物联网的关键技术

工业物联网共性技术参与包括五个关键技术问题:传感器技术、通讯技术、网络技术、信息处理技术和安全技术。图4工业物联网的关键技术。目前,物联网的应用程序中的关键技术在钢铁企业包括钢铁生产信息采集与集成技术在物联网的基础上,基于物联网嵌入式智能检测设备技术,multipollution和大规模网络网络技术强大的屏蔽环境下(16,17]。

和传统的互联网相比,物联网有其鲜明的特点。首先,它是各种感知技术。有很多不同类型的传感器部署在物联网。每个传感器都是一个信息源,不同类型的传感器所捕获的信息内容和格式是不同的。由传感器获得的数据是实时的,定期收集环境信息在特定的频率不断更新数据。其次,它是一个无所不在的网络建立在互联网。物联网技术的重要基础和核心仍旧是互联网,通过各种有线和无线网络与互联网集成传输对象实时和准确的信息。在物联网上的传感器收集的信息需要定期通过网络传播。由于大量的信息,它形成一个巨大的数量的信息。在传输过程中,为了确保数据的准确性和及时性,必须适应各种异构网络和协议。 In addition, the IoT not only provides the connection of sensors but also has the ability of intelligent processing and intelligent control over objects. The IoT combines sensors with intelligent processing to expand its application field by using various intelligent technologies such as cloud computing and pattern recognition. IoT can analyze, process, and process meaningful data from the vast amount of information obtained by sensors, and then adapt it to the different needs of different users and discover new application fields and patterns.

4所示。CNN模型结构

CNN是一个前馈神经网络的人工神经元可以应对周围的单位在一个覆盖范围的一部分,有优秀的大型图像处理的性能。它包括卷积层和池层是一个模式识别方法,结合人工神经网络和深入学习理论,已成为一个研究热点领域的图像分类18]。与传统的图像分类方法不同,CNN不需要从图像中提取特定的手动功能的特定任务。相反,它模拟人类视觉系统和执行层次抽象处理生成分类结果的原始图像。CNN是最流行的算法之一,图像和视频深度学习。像其他神经网络,CNN是由一个输入层、输出层,和多个隐藏层在中间;其结构如图5(19,20.]。

特征检测层:这些层执行三种类型的操作数据,即线性卷积,池、或修改单元(ReLU)。卷积将卷积过滤器的输入图像为一组,每个激活某些功能的形象。池简化输出通过减少参数的数量可以学到通过执行非线性将采样。修改线性单元(ReLU)可以更快更有效的培训通过映射负值为零和积极的价值观。这三个操作重复数十或数百层,每个学习检测不同的特性。

计算表达式的功能图像卷积层的大小

在这个公式,图像大小是卷积层输出特性,是卷积层输入特征图像大小,是功能映射填充层,是卷积层卷积核大小和卷积步长。

卷积层包含一个激活函数来帮助表达复杂的特性,可以实现更好的拟合的目标函数的目的。本研究使用ReLU函数作为激活函数,表达式如下:

在卷积层特征提取后,传递给汇聚层的地图输出特性是特征选择和信息过滤。特征图像后池的计算表达式如下:

在这个公式,是输出特性图像大小的池层,是池层输入特征图像大小,是池层卷积核大小和是池一步。

分类层:特征检测后,CNN架构是转移到分类。倒数第二层完整的连接层,输出的向量K维度,K类的数量,可以预测网络。这个向量包含了每个类的概率的图像分类。CNN的最后一层体系结构使用将softmax函数提供分类输出;表达式如下:

在这个公式,预测概率吗kth样本属于nth类,分类类别的数量,的组件吗k和th示例输出n在向量th型产品,的组件吗k和th示例输出j在向量th型产品。

CNN的训练阶段主要包括两个阶段,及其过程流程图如图6。

在正向传播过程中,方误差代价函数,表达式如下: 在哪里c类别的数量,N训练样本的数量,代表了kth维度对应的标签nth样本,代表了kth网络输出对应的输出nth样本。

使用l代表当前层,和当前层的输出

通常是一个激活函数,乙状结肠函数和双曲正切函数。

错误backpropagated可以被视为敏感的每个神经元的基础上,定义为

层l灵敏度计算公式如下:

“◦”公式意味着每个元素相乘。输出层的神经元灵敏度如下:

第一层,每个的重量误差的导数的积层的输入层,层的敏感性。然后,偏导数乘以一个消极的学习速率获得更新后的神经元在这一层的重量: 在哪里学习速率的重量。

5。球团管理系统基于CNN和物联网技术

5.1。微粒化管理体系建立

中国钢铁企业具有多年在工业化和信息化建设的经验和成就,为物联网的应用有很好的基础。通过物联网技术、钢铁企业可以进行智能化识别、定位、跟踪、监控和管理,实现信息共享和互联,以便有效地转换和升级传统的钢铁行业和集成和提高企业管理能力。高炉冶炼逐渐倾向于大型和聪明,高炉冶炼的负担结构的要求越来越严格,和负担的理性结构成为保证冶炼质量的关键。

grate-rotary窑是由一组设备的结球团生产系统中,包含了链篦机、回转窑、环冷机、及相关下属单位,球团焙烧过程分为三个阶段,干燥和预热、焙烧、冷却,这三个阶段完成三个设备;因此,许多链接将直接或间接影响球团生产的产量和品质。在现阶段,大部分依靠系统仍处于手动控制;也就是说,工人们依靠经验来控制颗粒的生产和质量完全取决于工人的状态。此外,每个原材料的成分不稳定,所以原材料的质量球层的厚度大大改变,这让许多问题依靠独创的自动控制系统。

根据工作原理和工艺特点grate-rotary窑生产过程的每个阶段,本文设计了一套基于CNN的微粒化管理系统和物联网技术。系统工作流程如下图所示。系统有助于减少工业生产过程中的环境污染,节约能源和减少能源消耗,促进可持续发展,改善烧结球团矿的产量和质量,并改善流程的控制能力,这将促进行业的技术进步。

球团的基于物联网管理系统采用三层体系结构,如图7。底层是传感层,基于传感器网络节点感知相关参数的值实时在造球领域,自己和这些节点组成一个网络,形成节点之间的信息传输和预处理机制。第二层是网络访问和传输层,主要用于传输现场传感和预处理数据监控中心通过网络。在这一层,在冶金行业现有的工业以太网或无线局域网可以采纳。第三层是应用层,即造球过程管理、控制和服务层。这一层的主要任务包括数据分析和存储,过程工程响应和控制和异常报警和控制做出实时响应,控制和决定冶金过程基于字段数据。

本文作者研究系统的引入物联网过程中颗粒生产工艺,使用历史数据训练网络CNN模型,实现感知层图像数据的自动识别,并进行智能分析,分类工作条件在当前设备好或坏。根据目前球团焙烧设备的工作条件,这是机密,格栅机、回转窑的工艺参数准确地调整和设置来实现精确控制颗粒的质量的目的。

5.2。实例仿真分析

grate-rotary窑系统的控制难点主要包括格栅层厚度控制,依靠温度控制,原料水分控制。以炉篦厚度控制为例,它是必要的,以确保稳定的炉篦的厚度和格栅的厚度的改变为了保持透气性和球团温度控制的稳定性。炉篦机必须确保颗粒的厚度是均匀的。如果厚度不均匀,大量的高温气体将通过颗粒的厚度很薄的地方,和气体阻力很小。这将严重损害格栅机的热效率,导致更大的变化在烘焙后球团的强度,不稳定的力量,这将影响球团矿的质量。

CNN使用历史数据训练网络模型,并将其应用于烘焙管理系统基于物联网技术的天然气机材料厚度检测与智能控制;结果表明,与传统控制方法相比,本文设计的算法可以提高天然气机的链材料层厚度控制精度,同时确保链气体机材料层渗透率的前提下有效地提高球团矿的生产,并有效改善球团生产。生产数据曲线的自动厚度调整链条炉排图所示8。

从图可以看出8层的厚度的波动被自动识别和控制系统设计摘要明显减少,有效地克服了波动的原材料的数量,并确保顺利改变层的厚度。同时,格栅层的控制精度提高,这对优化奠定了基础链条炉排的温度场。

空气磁导率的操作曲线如图9。采样点的时间间隔10分钟。

球团烧结透气性波动的链条是3.7%,而手动控制是9.5%。可以看出,链条炉排的厚度和速度自动控制由CNN和物联网技术可以有效地减少透气性的波动,如图10和11,它将发挥重要的作用在提高产量和成品球团矿的质量。

通过使用该系统,成品颗粒的物理性质的波动,如滚筒和筛选指标,大大减少,从而提高成品球团的一级品率,提高球团生产过程的连续性和稳定性。

6。结论

grate-rotary窑氧化物颗粒生产技术优势如下:生产技术先进,生产稳定性相对较高,颗粒的质量高,硬度强,颗粒结构合理,现有grate-rotary窑控制系统控制方式主要采用手动控制方式,和球团生产质量很大程度上取决于该网站运营商经验,疲劳,和责任感。球团焙烧管理系统基于CNN和物联网技术可以自动识别图像数据通过感知层,可以同时进行智能分析。在此基础上,分类根据设备的工作环境,和工艺流程是回转窑审判。确保生产过程中的参数设置是准确的,并达到控制小球的质量的目的。系统的效果表明,该控制方法是有效的,和格栅的厚度自动控制。最后,它奠定了坚实的基础的自动控制温度场的链条炉篦,回转窑,环冷却器。

数据可用性

论文中的数据都是真实可靠的,和使用的数据表的纸可以从作者获得。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持部分由中国国家自然科学基金资助51674121,部分由河北省自然科学基金杰出青年学者。E2020209082、杰出青年基金项目的部分华北科技大学格兰特JQ201705之下。