基于统计过程控制的大型高炉铁水质量控制

《基于统计过程控制的大型高炉铁水质量控制》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□在年解密后适用本授权书。本学位论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日万方数据上海交通大学工程硕士学位论文摘要基于统计过程控制的大型高炉铁水质量控制摘要高炉炼铁是炼钢的前道工序，它为后工序提供主产品铁水

2、。高炉铁水质量决定着整体钢铁工序的质量，并且可以有效的影响钢铁企业工序能耗。高质量的铁水也是降低钢铁企业总体成本的先决条件。高炉铁水质量水平主要由铁水含硅量和含硫量的水平所决定，并且这两项指标主要由炼钢需求所决定。太钢高炉铁水含硫量一般控制0.03%以下，完全满足炼钢对硫含量的要求。但是，太钢铁水含硅量却始终在0.5%以上，且标准偏差较大，不能完全满足炼钢的需求。因此，有必要对铁水含硅量进行分析，寻找影响高炉铁水含硅量的关键因素。本文主要研究的内容包括：（1）找出在实际生产中影响高炉铁水含硅量的相关因素，运用灰色关联分析和主成分分析法对16个因素进行验证，得到5个主

3、成分对高炉铁水含硅量有80%以上的贡献率，在此基础上探寻出6个因素对高炉铁水含硅量有关键作用，分别是风量、湿度、热负荷、K值、FR和硅负荷。（2）通过对6个关键因素的多变量T2统计图进行监控，且与相应铁水含硅量进行对比分析，可说明多变量T2统计有效反应铁水含硅量的变化趋势。（3）使用控制图对关键因素进行分析和监控，建立控制标准和管理方法，同时形成适合太钢高炉铁水质量管控模式。关键词：铁水含硅量，MSPC，PCA，控制图I万方数据上海交通大学工程硕士学位论文ABSTRACTSTUDYANDAPPLICATIONOFHOTMETALQUALITYMANAGEMENTIN

4、LARGEBLASTFURNACEBASEDONSTATISTICPROCESSCONTROLABSTRACTBlastfurnaceironmakingistheprecedingworkingprocedureofsteelmaking.,itistoprovidethemainproductofmoltenironforsequenceprocess.Blastfurnacehotmetalqualitydecidesthequalityoftheoverallprocessofironandsteel,andcaneffectivelytheinfluenc

5、eofprocessenergyconsumptionofironandsteelenterprises.Highqualityofmoltenironisprerequisitesofdecreasewholesupplychainoverallcostofsteel.Blastfurnacehotmetalqualitylevelisdeterminedbythelevelofhotmetalsiliconcontentandthesulfurcontent,andthetwoindicatorsmainlydeterminedbythesteeldemand.

6、TSCOblastfurnacehotmetalsulfurcontentisgeneralcontrolbelow0.03%,fullymeettherequirementsofsteelmaking.However,hotmetalsiliconcontenthasbeenover0.5%,andthestandarddeviationislarger,can'tfullymeettherequirementsofsteelmaking.Therefore,itisnecessaryforhotmetalsiliconcontentwasanalyzed,and

7、thesearchthekeyfactorsforaffectingblastfurnacehotmetalsiliconcontentisalsoverymeaningful.Thisarticlemainresearchcontentincludes:(1)Intheactualproductiontofindouttherelevantfactorsaffectingblastfurnacehotmetalsiliconcontent,andusingthegreycorrelationanalysisandprincipalcomponentanalys