烧结智能控制系统

烧结智能控制系统（ISSC)是一个具有大量专业知识与经验的控制系统，它利用人工智能技术，根据烧结领域众多人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，通过智能优化算法及数据挖掘技术解决那些需要专家决定的问题。

智能加水模型：在烧结过程中，水分含量控制的精确性将直接影响混合料的制粒效果、透气性，进而影响烧结矿的质量和成品率。智能加水模型通过采集原始物料水分信息，并基于混合料水分偏差、水分波动幅度，对照相关规则自动计算加水量，并按实际反馈信息自学调整目标水分。

 BTP控制模型：1、透气性计算模型：引入透气性概念，透气性为影响烧结过程优劣的核心指标。2、动态跟踪模型 ：将整个烧结区域成块，实时跟踪显示每块区域的温度、透气性、层厚、BTP位置等。3、BTP计算模型：通过动态跟踪模型，获取各位置温度，采用归元法进行二次曲线拟合，取最高点为BTP位置。4、BTP预测模型：根据对BTP位置有实际影响的指标的历史数据进行智能分析，并通过自学习的方式找出其内在的影响规律，与实时生产情况进行分析对比，预测BTP位置。5、BTP控制模型：通过BTP计算模型与BTP预测模型的分析对比，选择采用前馈或前馈+反馈的控制方式来控制BTP位置。

三级速度联调模型：三机速度联调模型负责调整圆辊给料机、烧结机和环冷机的速度。本模型根据对历史数据的分析和自学习，不断的寻找三机速度更好的比例，根据烧结机的速度自动调整圆辊给料机和环冷机的速度，实现三机速度联调的智能控制。从而稳定生产，并提高产量。

点火节能控制模型： 点火模型通过综合考虑点火目标温度、烧结机速度、煤气热值等因素，结合历史数据，采用模糊控制的方法，不断的寻找更好的空煤比，合理的控制空气和煤气的流量。提高燃烧质量，调节过剩系数，实现点火过程的智能控制，并达到节能减排的目的。

智能数据挖掘：智能数据挖掘主要针对质量、成本、BTP等目标的进行操作寻优，分析出生产的最优操作区间。对该指标大量的历史数据进行深层次的挖掘与研究，得到可以使该指标落入理想区间的最优工艺参数区间，然后，利用所得最优工艺参数区间来控制烧结生产，达到提高质量、产量等目的。