【技术实现步骤摘要】
本专利技术属于高炉炼铁，具体涉及一种基于fluent的高炉风口回旋区的预测方法。
技术介绍
1、高炉冶炼是将铁矿石还原成生铁的连续生产过程，铁矿石、焦炭和溶剂等固体原料从高炉的顶部分批送入高炉炉内。热风通过高炉风口送入炉内，与煤粉和焦炭反应的通道。在每个风口前形成一个疏散而近似梨形的空间，通常称它为风口回旋区。风口回旋区作为高炉稳定运行的重要反应区，为整个高炉生产提供热量和能量的补给，风口回旋区的形状和内部复杂的物理、化学反应决定了高炉煤气流的初次分布以及上部炉料的下降状态，同时也反映焦炭的燃烧状态，是炉况顺行的基础，在冶炼过程中起着至关重要的作用。
2、高炉风口回旋区的特征参数的确定通常有两种方法：一种为直接检测法，采用一些特制的探测器、探测针等方式进行直接的测量，但是仪器设备容易受到环境影响导致测量结果波动较大，而且仪器成本较高，同时不能进行实时对风口回旋区的特征参数进行监测；另外一种是间接法即通过数学模型来研究风口回旋区，依据回旋区运动过程中动量、质量和热量的传输建立欧拉数学模型求解，但是采用现有的欧拉模型建模过程复杂，需要的参数较多，计算困难，花费时间较长，难以实现实时监测的目的的反应。可见，现有技术中的高炉风口回旋区形状的计算方法，存在实现复杂，效率低下的技术问题。
技术实现思路
1、本专利技术旨在提供一种基于fluent的高炉风口回旋区的预测方法，用以解决现有技术中高炉风口回旋区形状计算方法的实现复杂、效率低下的技术问题。
2、为实现上述的目的，
3、一种基于fluent的高炉风口回旋区的预测方法，包括以下步骤：
4、收集目标高炉的生产数据，确定高炉的风口的结构参数；
5、高炉回旋区的模拟采用fluent+dem的方法建立单个风口回旋区内流动和燃料燃烧的数学模型，其中，用fluent构建湍流+离散相+组分输运模型模拟热风与煤粉的燃烧以及所生成煤气的运动，用dem模型模拟焦炭在风口前的运动，fluent和dem之间由源相交换曳力和传热数据；
6、通过输入不同的高炉风口参数，由fluent+dem得到相应的风口回旋区的特征参数；计算目标高炉的工况，确定不同情况下的输入和输出特征，并以此作为样本；
7、采用神经网络的方法对样本进行训练，得到高炉风口回旋区的预测模型；
8、利用训练好的高炉风口回旋区的预测模型，提取高炉的实时风口生产数据，对当前的高炉风口回旋区的特征参数进行实时预测。
9、进一步地，所述目标高炉的生产数据包括但不局限于燃料的种类、煤粉喷吹量、高炉富氧率、风量；高炉的风口的结构参数包括风口直径、长度、煤枪的位置。
10、进一步地，所述预测模型采用卷积神经网络。
11、进一步地，高炉回旋区内气体的流动由连续性方程和纳维-斯托克斯方程控制：计算域内的湍流模型是k-ε模型：流体内的气体组分由组分输运方程控制；回旋区内煤粉的运动由离散相模型模拟计算。
12、技术效果：
13、相较于现有技术，本专利技术的高炉风口回旋区的预测方法，可高效地完成高炉风口回旋区形状的计算，且准确度较高。
本文档来自技高网...【技术保护点】
1.一种基于fluent的高炉风口回旋区的预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于fluent的高炉风口回旋区的预测方法，其特征在于：所述目标高炉的生产数据包括但不局限于燃料的种类、煤粉喷吹量、高炉富氧率、风量；高炉的风口的结构参数包括风口直径、长度、煤枪的位置。
3.如权利要求1所述的基于fluent的高炉风口回旋区的预测方法，其特征在于：所述预测模型采用卷积神经网络。
4.如权利要求1所述的基于fluent的高炉风口回旋区的预测方法，其特征在于：高炉回旋区内气体的流动由连续性方程和纳维-斯托克斯方程控制：计算域内的湍流模型是k-ε模型：流体内的气体组分由组分输运方程控制；回旋区内煤粉的运动由离散相模型模拟计算。
【技术特征摘要】
1.一种基于fluent的高炉风口回旋区的预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于fluent的高炉风口回旋区的预测方法，其特征在于：所述目标高炉的生产数据包括但不局限于燃料的种类、煤粉喷吹量、高炉富氧率、风量；高炉的风口的结构参数包括风口直径、长度、煤枪的位置。
3.如权利要求1所述的基于f...
【专利技术属性】
技术研发人员：吴映江，
申请(专利权)人：中冶南方工程技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。