中国炼铁网移动版

1诊断时间

周期性对炉前操作和炉缸状态进行诊断，在大量诊断数据中，发现变化或潜在规律，为操作人员预测和决策提供更可靠的依据。

2诊断规则

通过程序和规则的结合，可实现自动化诊断，减轻人工负担，同时避免因人为因素导致的诊断差异，提高诊断结果的可靠性。

3诊断描述

将专家知识和经验转化为可执行的指导意见，实现知识的积累和传承，同时降低炉前操作对专业知识的依赖。

3 智能诊断

武钢5号高炉炉前出铁状态智能诊断模型界面见图9。界面分为三个部分:1诊断时间,周期性对炉前操作和炉缸状态进行诊断,从大量诊断数据中，发现变化或潜在的规律，为高炉操作人员预测及决策提供更可靠的依据;2诊断规则,通过程序与规则的结合，实现自动诊断，减轻人工负担,同时避免人为因素导致的诊断差异，提高诊断结果的可靠性;3诊断描述,将专家知识和经验转化为可执行的指导意见,实现知识的积累和传承,同时降低人工操作对专业知识的依赖。

4 结语

(1)武钢炉前视觉智能感知及智能诊断技术，可实现炉前出铁数据的数字化表征，有效解决了炉前出铁状态无法量化的问题。

(2)武钢炉前视觉智能感知及智能诊断技术，可实现炉前出铁的标准化管理,有效解决了高炉炉前操作人员信息采集时面对的作业环境恶劣、作业风险高、测量误差大、数据收集不及时等问题。

(3)基于感知模型数据的智能诊断模型,提高了炉前出铁状态的智能化分析水平，为渣铁排放的及时性及铁口状态维护的有效性提供了有力支撑，对于稳定炉况、最大限度地提升铁口运行质量具有重要意义。

5

[1]Hongyang L, Xin L, Xiaojie L, et al. Industrial internetplatforms: applications in BF ironmaking[J]. Ironmaking& Steelmaking,2022,49(9):905-916.[2]王春梅，周东东，徐科,等.综述钢铁行业智能制造的相关技术[J].中国冶金,2018,28(7):1-7.[3]李江昀,杨志方,郑俊锋,等.深度学习技术在钢铁工业中的应用[J].钢铁,2021,56(9):43-49.[4]Quan S, Jue T, Mansheng C. Key issues and progress ofindustrial big data -based intelligent blast furnace iron-naking technology [J]. International Joural of Minerals,Metallurgy and Materials,2023,30(9):1651-1666.

陈胜香,王永磊,肖军,等.武钢高炉炉前操作技术的改进[J].炼铁,2023,42(6):1-4.刘小杰,张玉洁,刘然,等.高炉炼铁智能化发展的研究现状与展望[J].钢铁研究学报,2024,36(5):545-559.

[5]

[6]

[7]

[8]

张强,王迎光,赵颖,等.浅谈安钢高炉炉前出铁操作的若干问题[J].炼铁,2019,38(4):56-58.

Youcheng Z, Shaowei H, Debo Q, et al. Iron-TappingState Recognition of Blast Furmnace Based on Bi - GRUComposite Model and Post - Processing Classifier J].IEEESENSORSJOURNAL,2023,23(18):22006-22018.