烧结是高炉炼铁的关键前工序，其工艺复杂、参数众多，直接影响产品质量和能源消耗。传统的烧结过程控制方式存在精度不足和响应滞后的问题，而大数据与人工智能技术的兴起为烧结系统的智能化升级提供了新的契机。
最近，唐山学院的刘颂博士及其团队对烧结工艺中的大数据与智能计算应用进行了系统研究。从烧结数据预处理、烧结关键参数预测、烧结关键参数评估与优化3 个方面对智能化烧结技术进行了总结与分析。
相关研究成果以“大数据与智能计算在烧结系统中的应用研究”为题目发表于《烧结球团》2023年第48卷第6期。论文作者为：刘然, 金焕, 赵亚迪, 刘颂*, 刘小杰, 李可斌, 吕庆。
该论文的主要研究结果与结论如下：
数据预处理：开发了优化的数据清洗、标准化和特征提取方法，提高了数据质量；数据处理后的模型预测精度显著提升。
关键参数预测：基于深度学习的关键参数预测模型，精度超过90%；模型在不同工况下的鲁棒性和泛化能力得到验证。
系统优化：构建的多目标优化模型显著提升了烧结矿质量，能耗降低了约10%；协同优化策略平衡了产量、质量和能耗。
综合评价：本研究为烧结工艺智能化控制提供了新思路，验证了大数据技术在复杂工业系统中的应用潜力。
论文中的主要图片和表格如下：
图1 烧结配矿方法
图2 烧结关键参数评估与优化的技术架构
表1. 不同烧结过程关键参数的预测精度
表2. 不同数据预处理方法的对比结果
表3. 烧结系统评估指标与优化效果
如果您需要论文原文，请在本页最下方留言“2411”。您想看哪方面的文献资料，也请给小编留言。
欢迎“点赞、在看”！
点击下方“#烧结球团”，然后“订阅”该合集，系统将更精准地向您推荐相关资讯。
