← 返回实验室

AI烧结矿碱度预测定制:配比数据融合与滞后对齐

钢铁烧结工序中,碱度(CaO/SiO2)波动直接影响高炉顺行。现场配料秤、皮带秤、混合料水分、点火温度等十余路信号采样周期不一(1s~30s),且从配料到成品烧结矿存在约 25~40 分钟的工艺滞后。按时间戳直接对齐后建模,验证集 R² 长期停留在 0.5 附近。

我们在一条 360m² 烧结机上做了两阶段实验:先用互相关与动态时间规整(DTW)逐路估计滞后量,再做统一重采样与缺失段插补;随后用轻量梯度提升模型预测 30 分钟后的碱度,并与目标带比对输出配料调整建议。

进展与数据:
· 滞后对齐后,验证集 MAE 由 0.052 降至 0.031,落入 ±0.05 目标带的比例从 61% 提升到 82%;
· 模型输出仅作为调整参考,操作工保留最终确认权,暂不接入闭环。

下一步计划:纳入焦粉配比与返矿比例,验证原料切换工况下的稳定性,并补齐数据漂移的在线监测。

评论

更多研究动态

查看全部实验室 →