Методика анализа порций шихты для выбора оптимальных режимов предварительного подогрева перед электроплавкой

Abstract

Представлены результаты исследований, направленных на повышение энергоэффективности электроплавильных печей за счет оптимизации подготовки шихты. Показано, что перспективным направлением является совершенствование управления процессом подогрева шихты с применением экспресс-методов волновой диагностики ее слоя. Предложено использование нейросетевых методов моделирования для прогнозирования влияния различных параметров шихты на эффективность подогрева и, как следствие, на энергоэффективность и качество конечного продукта электроплавки. Описаны этапы анализа шихты, выбор и обучение нейронной сети, а также применение разработанной модели для выбора оптимальных режимов предварительного подогрева. Отмечено, что данный подход обеспечивает создание экономичных и точных систем управления теплофизическими параметрами подготовки материалов перед электроплавкой. Выделено, что реализация предложенных решений способствует снижению энергопотребления при сохранении высокого качества конечного продукта.

The article presents the results of research aimed at increasing the energy efficiency of electric melting furnaces by optimizing charge preparation. A promising direction for improving charge preheating process control using express-methods of wave diagnostics of the charge layer is shown. The use of neural network modeling methods is proposed to predict the impact of various charge parameters on preheating efficiency and, consequently, on the energy efficiency and quality of the final electric melting product. The article describes the stages of charge analysis, neural network selection and training as well as the application of the developed model to selecting optimal preheating modes. This approach enables the creation of cost-effective and precise systems for controlling the thermophysical parameters of material preparation prior to electric melting. Implementation of the proposed solutions helps reduce energy consumption while maintaining high end-product quality.