Título

USO DE REDES NEURAIS ARTIFICIAIS PARA ANÁLISE DA RESISTÊNCIA À COMPRESSÃO DE PELOTAS QUEIMADAS DE MINÉRIO DE FERRO

USE OF ARTIFICIAL NEURAL NETWORKS TO ANALYSE COMPRESSIVE STRENGTH OF FIRED IRON ORE PELLETS

Autoria

Nunes, Lumena Glória de Souza; Rodrigues, Camila Cristina Nascimento; Rocha, Renan Carreiro; David, Sayd Farage; David, Felipe Farage; Machado, Marcelo Lucas Pereira

DOI

10.5151/2594-357X-30550

Downloads

Baixar Artigo 459 Downloads

Resumo

No tocante a qualidade da pelota de minério de ferro, a resistência à compressão é uma das propriedades mais importantes. Utilizando redes neurais artificiais este trabalho teve como principal objetivo a análise da influência de variáveis de processo na resistência à compressão da pelota queimada de minério de ferro. Para isso, foi analisado um banco de dados de 90 dias de produção de pelotas para alto forno de uma usina de pelotização do estado do Espírito Santo. Então desenvolveu-se um modelo matemático por rede neural artificial para predizer a resistência à compressão das pelotas de minério, que avaliou a influência de variáveis metalúrgicas, de ajustes de processo e operacionais. A rede neural mostrou-se capaz de prever a resistência a compressão de maneira satisfatória com um R² de 0,91. Por fim, constatou-se que o percentual de carbono fixo é a variável que possuí maior influência sobre a resistência à compressão, seguida pela velocidade de grelha e a basicidade binária.

 

As regards the quality of the iron ore pellet, the compressive strength is one of the most important properties. Using artificial neural networks this work aimed to analyze the influence of process variables on the compressive strength of the fired iron ore pellet. For this, a 90 days database of pellets production for blast furnace of a pelletizing plant in Espírito Santo state was analyzed. Then a mathematical model was developed using artificial neural network to predict the compressive strength of the iron ore pellets. The model evaluated the influence of metallurgical, operational and process adjustments variables. The neural network showed to be able to predict the pellets compressive strength satisfactorily with an R² of 0.91. Finally, when analyzing the influence of process variables, it was found that the fixed carbon percentage is the variable that possess greater influence on the compressive strength, followed by the grate speed and the binary basicity.

Palavras-chave

Redes neurais artificiais, Resistência à compressão, Pelotas de minério de ferro

Artificial neural networks, Compressive strength, Iron ore pellets