Katalog : Details
| Lijia WuOptimization of Hot Metal Temperature Prediction by Applying Continous Hot Metal Temperature Measurement in Blast Furnace Thermal Control | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ISBN: | 978-3-8440-9291-2 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Reihe: | Institut für Eisenhüttenkunde Herausgeber: Prof. Dr.-Ing. W. Bleck, Prof. Dr.-Ing. U. Krupp, Prof. Dr.-Ing. S. Münstermann und Prof. Dr.-Ing. D. Senk Aachen | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Band: | 2023,3 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Schlagwörter: | Blast furnace; Thermal control; Hot metal temperature prediction; Hot metal temperature measurement | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Publikationsart: | Dissertation | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Sprache: | Englisch | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Seiten: | 184 Seiten | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abbildungen: | 92 Abbildungen | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Gewicht: | 272 g | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Format: | 21 x 14,8 cm | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Bindung: | Paperback | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Preis: | 58,80 € / 73,60 SFr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Erscheinungsdatum: | November 2023 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kaufen: | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Download: | Verfügbare Online-Dokumente zu diesem Titel: Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien. Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Benutzereinstellungen für registrierte Online-Kunden Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Weiterempfehlung: | Sie möchten diesen Titel weiterempfehlen? | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Rezensionsexemplar: | Hier können Sie ein Rezensionsexemplar bestellen. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Verlinken: | Sie möchten diese Seite verlinken? Hier klicken. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Export Zitat: |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Zusammenfassung: | The ironmaking industry is nowadays facing the great challenge of process optimization and transformation. Since the blast furnace is still the main facility for metallic iron production, a stable blast furnace operation aiming at lowering reducing agent consumption remains the main target in the daily business. Thus, a well-controlled blast furnace thermal state should base on a reliable thermal state prediction. This work aims to improve the performance of existing thermal state prediction models by increasing the frequency of hot metal temperature measurement. A multi-wavelength pyrometer was installed at each taphole of one blast furnace to continuously measure the hot metal temperature at the taphole. Three contrast tests were carried out using continuous immersion thermocouple lances in the skimmer to validate the pyrometer measurements. The results of the final contrast test showed an excellent correlation between the trustable pyrometer measurements and the continuous thermocouple measurements. The trustable measurements were applied to the existing hot metal temperature prediction model based on mass and energy balance calculations. An offline calculation with the dynamic gradient showed an improvement in prediction accuracy. To enhance the accuracy of the hot metal temperature prediction, two GRU-based (Gated Recurrent Unit) deep learning neural networks were established and trained on the same input dataset, with the exception of the hot metal temperatures. Both models demonstrated similar MAEs (Mean Absolute Error), although their performances differed slightly. The potential for further improvement of hot metal temperature prediction models is discussed later in this work. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
