基于成分相关性的烧结矿低温还原粉化指数回归分析方法与流程

本发明属于钢铁冶炼，涉及一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法。

背景技术：

1、随着高炉冶炼技术的不断提高，对入炉原料质量的要求也越来越高，不仅要求其具有良好的理化性能，而且要有良好的冶金性能。目前，我国入炉含铁原料结构大多是70％左右的烧结矿外加少量的块矿、球团矿。烧结矿质量对高炉的顺行起到了至关重要的作用。

2、烧结矿的低温还原粉化主要是在高炉还原气氛下发生晶型转变而破碎，主要发生在炉温为400～600℃区间。磁铁矿晶体为立方体型，而赤铁矿晶体为六方晶系的菱形，在高炉还原气氛下，烧结矿中的赤铁矿还原为磁铁矿，晶粒体积增加大约10％，体积膨胀，产生内应力，同时煤气中的co还会发生析碳反应，加剧了烧结矿的粉碎。烧结矿中骸骨状赤铁矿粉化最为严重，使高炉的顺行受到了破坏。

3、根据铁矿石低温还原检测国家标准而言，现在的检测周期较长和检测成本较高，检测结果及时性较差，不利于指导生产。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，通过利用ssps软件对烧结矿低温还原指数与其他成分进行相关性分析，建立烧结矿低温还原粉化指数的预测模型，从而对烧结矿低温还原粉化指数进行预测，从而指导生产，保证烧结工作顺利进行。

2、为达到上述目的，本发明提供如下技术方案：

3、一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，其包括：首先采集n组烧结矿的相关数据，包括烧结矿的组分类型及组分含量、烧结矿在烧结过程中的低温还原粉化指数；对数据进行整理，包括将若干组数据中的组分类型进行编号，记n组烧结矿中的组分类型共有t种，每种组分表示为ct，每种组分含量表示为pt，t∈[1,t]，将第n组数据对应的低温还原粉化指数记为rdin，n∈[1,n]；采用spss分析n组编号完成的烧结矿相关数据，从而得到每种组分ct与低温还原粉化指数rdi的相关系数at，进而得到低温还原粉化指数预测模型：

4、

5、其中，b为相关常量。

6、进一步，烧结矿中与低温还原粉化指数相关的组分至少包括氧化铁feo、氧化钙cao，二氧化硅sio2、tfe，氧化铝al2o3、二氧化钛tio2、硫s、磷p。

7、进一步，记氧化铁feo为c1，其百分比含量为p1；记氧化钙cao为c2，其百分比含量为p2；记二氧化硅sio2为c3，其百分比含量为p3；记tfe为c4，其百分比含量为p4；记氧化铝al2o3为c5，其百分比含量为p5；记二氧化钛tio2为c6，其百分比含量为p6；记硫s为c7，其百分比含量为p7；记磷p为c8，其百分比含量为p8；

8、得到每种组分对应的相关系数，即氧化铁feo对应的系数为a1，氧化钙cao对应的系数为a2，二氧化硅sio2对应的系数为a3，tfe对应的系数为a4，氧化铝al2o3对应的系数为a5，二氧化钛tio2对应的系数为a6，硫s对应的系数为a7，磷p对应的系数为a8，则最终得到的预测模型的形式简化为：

9、rdi＝a1*p1+a2*p2+a3*p3+a4*p4+a5*p5+a6*p6+a7*p7+a8*p8+b。

10、进一步，采用spss分析软件对其进行回归分析，利用spss软件回归分析得出feo％、cao％、sio2％、tfe％、al2o3％、tio2％、s％、p％与rdi具有相关性，建立的烧结矿低温还原粉化指数rdi预测模型：

11、rdi＝1.19*feo％+0.97*cao％+2.075*sio2％-1.937*tfe％

12、+4.555*al2o3％-19.232*tio2％-69.193*s％-18.866*p％+140.332

13、即，a1＝1.19，a2＝0.97，a3＝2.075，a4＝-1.937，a5＝4.555，a6＝-19.232，a7＝-69.193，a8＝-18.866。

14、本发明的有益效果在于：

15、本发明的预测值与实际值标准偏差2.741％小于国标对rdi平行样间允许差为±7.5％，通过烧结矿化学成分，使用模型自动计算烧结矿低温还原粉化指数rdi，快速指导烧结、高炉工序生产。

16、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

技术特征：

1.一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，其特征在于：其包括：首先采集n组烧结矿的相关数据，包括烧结矿的组分类型及组分含量、烧结矿在烧结过程中的低温还原粉化指数；对数据进行整理，包括将若干组数据中的组分类型进行编号，记n组烧结矿中的组分类型共有t种，每种组分表示为ct，每种组分含量表示为pt，t∈[1,t]，将第n组数据对应的低温还原粉化指数记为rdin，n∈[1,n]；采用spss分析n组编号完成的烧结矿相关数据，从而得到每种组分ct与低温还原粉化指数rdi的相关系数at，进而得到低温还原粉化指数预测模型：

2.根据权利要求1所述的一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，其特征在于：所述烧结矿中与低温还原粉化指数相关的组分至少包括氧化铁feo、氧化钙cao，二氧化硅sio2、tfe，氧化铝al2o3、二氧化钛tio2、硫s、磷p。

3.根据权利要求2所述的一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，其特征在于：记氧化铁feo为c1，其百分比含量为p1；记氧化钙cao为c2，其百分比含量为p2；记二氧化硅sio2为c3，其百分比含量为p3；记tfe为c4，其百分比含量为p4；记氧化铝al2o3为c5，其百分比含量为p5；记二氧化钛tio2为c6，其百分比含量为p6；记硫s为c7，其百分比含量为p7；记磷p为c8，其百分比含量为p8；

4.根据权利要求3所述的一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，其特征在于：采用spss分析软件对其进行回归分析，利用spss软件回归分析得出feo％、cao％、sio2％、tfe％、al2o3％、tio2％、s％、p％与rdi具有相关性，建立的烧结矿低温还原粉化指数rdi预测模型：

技术总结本发明涉及一种基于成分相关性的烧结矿低温还原粉化指数回归分析方法，属于钢铁冶炼技术领域。该方法首先采集N组烧结矿的相关数据，包括烧结矿的组分类型及组分含量、烧结矿在烧结过程中的低温还原粉化指数；对数据进行整理，包括将若干组数据中的组分类型进行编号，记N组烧结矿中的组分类型共有T种，每种组分表示为C<subgt;t</subgt;，每种组分含量表示为P<subgt;t</subgt;，t∈[1,T]，将第n组数据对应的低温还原粉化指数记为RDI<subgt;n</subgt;，n∈[1,N]；采用SPSS分析N组编号完成的烧结矿相关数据，从而得到每种组分C<subgt;t</subgt;与低温还原粉化指数RDI的相关系数a<subgt;t</subgt;，进而得到低温还原粉化指数预测模型。通过本发明能够根据烧结矿组分自动计算烧结矿低温还原粉化指数RDI，快速指导烧结、高炉工序生产。技术研发人员：罗发富,蒲雪芬,刘丹丹,黄正春,鲍飞,杨丽莎,谢函,陈杰,祖光曼,王洪受保护的技术使用者：重庆钢铁股份有限公司技术研发日：技术公布日：2024/9/2