点此下载——高FeO渣系黏度的试验研究及预报模型 摘要：针对高炉初渣、中间渣组分多变特别是FeO含量高等问题，系统研究了CaO-SiO2-Al2O3-FeO-MgO五元渣系的黏度及组分对黏度的影响规律，并建立了基于WEB的神经网络-遗传算法(ANN-GA)系统的高炉渣黏度预报模型。结果表明，该模型对高FeO渣系的黏度预报值与试验结果吻合较好，误差在20％以内。通过模型预报获得的各因素对渣黏度影响的规律与文献及试验结果一致。 关键词：高炉；初渣；中间渣；黏度预报；神经网络 高炉渣的黏度直接影响料柱的透气性、炉料顺行、渣铁分离以及炉渣的脱硫能力等[1]，对高炉冶炼具有极其重要的作用。近年来，由于进口矿(如高铝矿)的大量使用，国内部分高炉入炉矿石成分波动较大，为适应冶炼条件的变化，需不断调整高炉渣系，否则会导致料柱透气性变差、炉墙结瘤等严重问题。 高炉渣系中，终渣成分组成波动较小，且便于取样测量，国内外学者已进行深入研究。沈峰满[2]指出，在大量使用高铝矿时，提高炉渣中MgO的含量，将有助于降低炉渣黏度和提高炉渣脱硫能力。马丽等[3]通过理论研究与生产实践分析，对炉渣中氧化铝不同含量下的氧化镁含量及二元碱度控制进行了研究，提出了炉渣的合理控制..