Степанов Евгений Николаевич, старший менеджер по КХП группы АКДП, кандидат технических наук
455002 г. Магнитогорск, ул. Кирова, 93
Stepanov, Evgeny N., senior account manager on CCP, ACDP group, Cand.Sci. (Eng.)
455002 г. Магнитогорск, ул. Кирова, 93
Смирнов Андрей Николаевич, заведующий кафедрой «Физическая химия и химическая технология», доктор физико-математических наук, доцент
455036 г. Магнитогорск, пр. Ленина, 38
Smirnov, Andrey N., head of the Physical Chemistry and Chemical Technology Department, Dr.Sci. (Phys.-Math.), associate professor
455036, Magnitogorsk, pr. Lenina, 38
Алексеев Данил Игоревич, ассистент кафедры «Физическая химия и химическая технология»,
455036 г. Магнитогорск, пр. Ленина, 38
Alekseev, Danil I., teaching assistant of the Physical Chemistry and Chemical Technology Department
455036, Magnitogorsk, pr. Lenina, 38
Introduction. Mathematical models are developed to predict M25 and M10 coke quality. The calculations are carried out specifically for each of the coke batteries of the coke-chemical production (CCP) of Magnitogorsk Iron & Steel Works (MMK). The simulation is based on the charge factors: sum of inert components OK, %; vitrinite reflectance R0, %. These models are required to control the product quality and the optimization aimed at cost saving. The study objective is to construct adequate mathematical models for predicting М25 and М10 coke quality indices under the conditions of MMK CCP. Thus, it is assumed that MMK will obtain its own models that are highly competitive in forecast precision with the analogues used by other coke-chemical enterprises ofRussia.
Materials and Methods. Neural networks are used as a universal approximation for constructing mathematical models. When selecting their architecture, the authors emanated from the minimum number of neurons and the network layers. In addition, the minimization of the predictive error on a new sample was taken into account which was not used in training and testing.
Research Results. The development is based on the petrographic charge factors: sum of inert components OK (according to GOST 12112); vitrinite reflectance R0, (GOST 12113). With the help of artificial neural networks, one-dimensional mathematical models are constructed to predict impact coke strength indices of М25 and abrasion capacity of М10 (GOST 5953). The developed models are presented in a graphical form. Their predictive force is estimated.
Discussion and Conclusions. In the models developed within the framework of this study, only petrographic charge factors are used. The aggregate data on technical and plastometric analysis are not taken into account. This is the basic difference of the approach presented in this paper from the models implemented for other CCP, for example, at Nizhny Tagil Iron & Steel Works (NTMK), Novokuznetsk Iron & Steel Works (NKMK), and West-Siberian Iron & Steel Works (ZSMK). Even so, the adequacy of the obtained dependences is proved. It is proposed to use them to optimize the petrographic charge factors by various optimality criteria of the coke quality indices.
Введение. Разработаны математические модели для прогнозирования показателей качества кокса М25 и М10. Расчеты выполнены индивидуально для каждой из коксовых батарей коксохимического производства (КХП) Магнитогорского металлургического комбината (ММК). В основе моделирования — параметры шихты: сумма отощающих компонентов ОК, %; отражательная способность витринита R0, %. Такие модели необходимы при управлении качеством продукции и оптимизации, направленной на снижение производственных затрат. Цель исследования — построение адекватных математических моделей для прогнозирования показателей качества кокса М25 и М10 в условиях КХП ММК. Таким образом, предполагается, что ММК получит собственные модели, не уступающие по точности прогнозирования аналогам, используемым другими коксохимическими предприятиями России.
Материалы и методы. В качестве универсального аппроксиматора для построения математических моделей использовались нейронные сети. При выборе их архитектуры исходили из минимального количества нейронов и слоев сети. Кроме того, учитывалась минимизация ошибки прогнозирования на новой выборке, которая не использовалась при обучении и тестировании.
Результаты исследования. Разработка основана на петрографических параметрах шихты: суммы отощающих компонентов OK (по ГОСТ 12112); показатель отражения витринита в шихте R0 (ГОСТ 12113). С помощью искусственных нейронных сетей построены одномерные математические модели для прогнозирования показателей качества кокса на дробимость М25 и истираемость М10 (ГОСТ 5953). Созданные модели представлены в графическом виде. Оценены их прогнозирующие способности.
Обсуждение и заключения. В моделях, разработанных в рамках данного исследования, использованы только петрографические параметры шихты. Не учитывались совокупные данные по техническому и пластометрическому анализам. Этим подход, представленный в данной статье, отличается от моделей, реализованных для других КХП, — например, на Нижнетагильском металлургическом комбинате (НТМК), Новокузнецком металлургическом комбинате (НКМК), Западно-Сибирском металлургическом комбинат (ЗСМК). Несмотря на это, доказана адекватность полученных зависимостей. Предполагается использовать их для оптимизации петрографических параметров шихты по различным критериям оптимальности показателей качества кокса.
The authors declare that there are no conflicts of interest present.