基于DEM与ANN耦合预测二元颗粒初始质量百分数变化对高炉布料串罐中颗粒偏析行为的影响

【作者】 廖哲晗； 孙成烽； 徐扬； 吴慕洋； 杨宜璋； 王朝； 徐健；

【机构】 重庆大学材料科学与工程学院； 重庆大学机械工程学院； 钒钛冶金与新材料重庆市重点实验室；

【摘要】 目前我国高炉加料系统广泛采用的是无料钟式炉顶布料装置,加料后在炉喉部位会发生较为明显的质量与粒径偏析,从而降低高炉操作效率、妨碍高炉顺行。因此,对颗粒偏析行为的理解和预测对于优化工艺和提高生产效率显得至关重要。所以,为了解多元颗粒初始质量比例变化对颗粒质量与粒径偏析的影响以评估和优化加料过程,本文首先采用离散单元法(DEM)来探究布料过程中的颗粒偏析现象,并定量描述其偏析特征。然后,基于DEM模拟数据,提出了人工神经网络(ANN)模型来预测在炉喉径向上的颗粒偏析行为。结果表明,颗粒质量在径向上先增大后减小,对于颗粒质量比的分布而言,小颗粒更容易聚集在中心区域,而大颗粒则集中在边缘区域。并且,所建立的人工神经网络模型能够有效的预测颗粒的偏析行为。更多还原