Título

DESENVOLVIMENTO DE MODELO DE PREVISIBILIDADE DA QUALIDADE DO COQUE INDUSTRIAL UTILIZANDO REDES NEURAIS ARTIFICIAIS

DEVELOPMENT OF A PREDICTABILITY MODEL OF INDUSTRIAL COKE QUALITY USING ARTIFICIAL NEURAL NETWORK

Autoria

Nascimento, Lorena da Costa; Reis, Henriquison Magela Bottrel; Sabadini, Marcello Barros; Resende, Bruno Alves

DOI

10.5151/2594-357X-15747

Downloads

Baixar Artigo 37 Downloads

Resumo

Uma alternativa adotada pelas siderúrgicas, visando diminuir o custo de produção de gusa, é a injeção de carvão pelas ventaneiras de altos-fornos. Essa prática, por reduzir o coke-rate, requer um coque de melhor qualidade e com consistência em suas propriedades. Com o intuito de prever a qualidade de coque que atenda às especificações dos altos-fornos foi desenvolvido um modelo, utilizando Redes Neurais Artificiais (RNAs), baseado nas características dos carvões das misturas e nos parâmetros do processo de coqueificação. As correlações entre os valores de DI15-150 (índice de resistência à frio do coque), CRI (índice de reatividade do coque) e CSR (índice de resistência do coque após reação com dióxido de carbono) medidos e calculados pelo novo modelo foram melhores do que as obtidas com os modelos de regressão linear múltipla, atualmente utilizados. Baseado neste modelo foi desenvolvido e disponibilizado um programa em linguagem Visual Basic para a predição off line dos parâmetros de qualidade do coque.

 

To reduce the production costs of hot metal the ironmaking plants have adopted the alternative of coal injection through the blast furnace ́s tuyeres. As this method reduces the coke-rate, it requires a coke with better quality and consistent properties. In order to predict the coke quality that meets the blast furnace ́s specifications, a model using Artificial Neural Network was developed. It takes into account the characteristics of the coal used in the mixtures and the cokemaking process parameters. The correlations between measured and calculated values of DI15-150 (Drum Index), CRI (Coke Reactivity Index) and CSR (Coke Strength After Reaction With Carbon Dioxide) were better than those obtained with multiple linear regression models that are currently adopted. Based on the new model, a program using Visual Basic language was developed and to make off-line predictions of the coke quality parameters.

Palavras-chave

Qualidade de coque; Redes neurais artificiais; Parâmetros do processo de coqueria.

Coke quality; Artificial neural network; parameters of the coke oven.