Title

MODELAGEM DE PROPRIEDADES FíSICAS DE ESCóRIA DE SIDERURGIA POR MEIO DE REDES NEURAIS PARTE 1: TEMPERATURA LIQUIDUS

MODELING PHYSICAL PROPERTIES OF STEEL SLAG BASED ON NEURAL NETWORKS PART 1: LIQUIDUS TEMPERATURE

Authorship

ANJOS, PATRICK QUEIROZ DOS; GRILLO, FELIPE FARDIN; MACHADO, MARCELO LUCAS PEREIRA; QUARESMA, LUCAS DE ALMEIDA

ANJOS, PATRICK QUEIROZ DOS

I am this author

GRILLO, FELIPE FARDIN

I am this author

MACHADO, MARCELO LUCAS PEREIRA

I am this author

QUARESMA, LUCAS DE ALMEIDA

I am this author

DOI

10.5151/2594-357X-40943

Downloads

Abstract

A TEMPERATURA LIQUIDUS é UM DOS PARâMETROS FíSICOS MAIS IMPORTANTES EM RELAçãO AO COMPORTAMENTO CRISTALINO DOS MATERIAIS E EM UM ALTO-FORNO A TEMPERATURA LIQUIDUS DA ESCóRIA é CONSIDERADA UM DOS PARâMETROS MAIS IMPORTANTES COM FAIXA ADEQUADA PARA OPERAçãO ESTáVEL EM UM ALTO-FORNO. PORTANTO, A TEMPERATURA LIQUIDUS é UM PARâMETRO IMPORTANTE EM ESCóRIAS DE ACIARIA. O BANCO DE DADOS SCIGLASS FOI USADO PARA FORNECER DADOS DE ESCóRIA DE AçO COM ESCóRIAS BASEADAS EM SIO2-CAO-AL2O3-MGO-FEO-NA2O-K2O-LI2O-B2O3 E TEMPERATURA LIQUIDUS. OS DADOS DE COMPOSIçãO QUíMICA FORAM CONVERTIDOS EM PARâMETROS DO GRAU DE DESPOLIMERIZAçãO E POSTERIORMENTE RELACIONADOS A CADA TEMPERATURA LIQUIDUS. A MODELAGEM FOI REALIZADA UTILIZANDO REDES NEURAIS VARIANDO LARGURA E PROFUNDIDADE UTILIZANDO UMA COMBINAçãO LINEAR ENTRE DIFERENTES MOMENTOS CENTRAIS COMO REFERêNCIA DE EFICIêNCIA. A MELHOR REDE NEURAL OBTEVE LARGURA DE 19 E PROFUNDIDADE DE 10 (19-10). ANáLISE DE SENSIBILIDADE FOI REALIZADA DEMONSTRANDO CONSISTêNCIA COM A LITERATURA E AVALIAçõES ESTATíSTICAS FORAM REALIZADAS PARA DEMONSTRAR A EFICIêNCIA DA REDE NEURAL 19-10 QUE DEMONSTROU MELHORES AVALIAçõES EM RELAçãO àS DIFERENTES EQUAçõES DA LITERATURA.

THE LIQUIDUS TEMPERATURE IS ONE OF THE MOST IMPORTANT PHYSICAL PARAMETERS IN RELATION TO THE CRYSTALLINE BEHAVIOR OF MATERIALS AND IN A BLAST FURNACE THE LIQUIDUS TEMPERATURE OF THE SLAG IS CONSIDERED ONE OF THE MOST IMPORTANT PARAMETERS WITH AN APPROPRIATE RANGE FOR STABLE OPERATION IN A BLAST FURNACE. THEREFORE, LIQUIDUS TEMPERATURE IS AN IMPORTANT PARAMETER IN STEEL SLAGS. THE SCIGLASS DATABASE WAS USED TO PROVIDE STEEL SLAG DATA WITH THE SIO2-CAO-AL2O3-MGO-FEO-NA2O-K2O-LI2O-B2O3-BASED SLAGS AND LIQUIDUS TEMPERATURE SYSTEM. THE CHEMICAL COMPOSITION DATA WERE CONVERTED INTO THE DEGREE OF DEPOLYMERIZATION PARAMETERS AND SUBSEQUENTLY RELATED TO EACH LIQUIDUS TEMPERATURE. THE MODELING WAS CARRIED OUT USING NEURAL NETWORKS BY VARYING WIDTH AND DEPTH USING A LINEAR COMBINATION BETWEEN DIFFERENT CENTRAL MOMENTS AS A REFERENCE OF EFFICIENCY. THE BEST NEURAL NETWORK HAD A WIDTH OF 19 AND A DEPTH OF 10 (19-10). SENSITIVITY ANALYSIS WAS PERFORMED DEMONSTRATING CONSISTENCY WITH THE LITERATURE AND STATISTICAL EVALUATIONS WERE PERFORMED TO DEMONSTRATE THE EFFICIENCY OF THE NEURAL NETWORK 19-10 WHICH DEMONSTRATED BETTER EVALUATIONS IN RELATION TO DIFFERENT LITERATURE EQUATIONS.

Keywords

temperatura liquidus; escórias de siderurgia; redes neurais; propriedades físicas

Liquidus temperature; Steel slag; Neural networks; Physical properties.