Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Computer Methods in Materials Science

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Evolution of charging programs for optimal burden distribution in the blast furnace

Mitra T., Mondal D. N., Pettersson F., Saxen H.

Computer Methods in Materials Science

2013

Vol. 13, No. 1

99--106

The burden distribution in the blast furnace affects the efficiency of the upper part of the process and is, therefore, associated with smoothness of operation, coke rate and productivity. A burden distribution model is applied in this work to evolve charging programs fulfilling a goal given by the designer by evolving (mainly) angles for the rotating chute. The charging program is based on a genetic algorithm. It is demonstrated that the method can make efficient progress in the complex search space, finally designing charging programs that produce distributions of ore and coke which closely fit the target patterns. The technique holds promise for application in the ironmaking industry for evolving novel charging programs.

Rozmieszczenie wsadu w wielkim piecu wpływa na wydajność procesu w górnej części pieca, a tym samym na płynność tego procesu, wskaźnik zużycia koksu oraz wydajność. W niniejszej publikacji opisano model rozmieszczania ładunku, który umożliwi opracowanie programów ładowania wsadu, realizujących konkretny cel postawiony przez projektanta, tj. zmianę kątów położenia obrotowej rynny zsypowej. W programie wykorzystano algorytm genetyczny. Przedstawiona metoda może skutecznie pomóc w procesie przeszukiwania złożonych przestrzeni rozwiązań dla tego zagadnienia i docelowo w opracowaniu programów załadowania wsadu, które doprowadzą do rozmieszczenia rudy oraz koksu zgodnie z przyjętymi założeniami. Technika ta ma szanse wdrożenia w przemyśle stalowniczym przy opracowywaniu nowatorskich programów ładowania wsadu.

Optimization of hopper design by genetic algorithms

Yu Y., Pettersson F., Saxén H.

Computer Methods in Materials Science

2011

Vol. 11, No. 1

28-33

In the handling of particulate matters, hoppers are frequently used as intermediate storages, but during their filling and emptying, particle size segregation may occur. The hopper geometry is known to affect the outflow pattern (mass flow or funnel flow), and possible inserts in the hopper can also affect the patterns and particle segregation. The present work studies the size segregation in hoppers by discrete element modeling. Due to the prohibitive computational effort required by the numerical technique, a factorial plan was applied to design a set of DEM experiments, where the geometry of the system was varied. The results of the DEM simulations form the basis for a black-box modeling, where the outflow patterns were described by a neural network. Using the arising neural model, the geometry was optimized by a genetic algorithm with respect to particle segregation of the outflow. The most promising solutions were finally verified by DEM simulations. Thus, the paper proposes a method by which complex software models can be used in challenging design problems avoiding excessive computational burden.

Zbiorniki różnego typu są często używane jako pośrednie magazyny przy przechowywaniu i transporcie materiałów sypkich. Podczas napełniania i opróżniania zbiorników może wystąpić zjawisko segregacji cząstek. Kształt zsypu ma wpływ na schemat wypływu cząstek ze zbiornika (przepływ masowy lub lejkowaty), a poszczególne elementy zsypu mogą wpływać na sposób segregacji cząstek. W pracy przeprowadzono badania stopnia segregacji w zsypie wykorzystując metodę elementów dyskretnych (ang. discrete element modeling DEM). Ze względu na długie czasy obliczeń w tej metodzie, do prowadzenia obliczeń numerycznych zastosowano plan eksperymentu, w którym zmiennymi parametrami były kształt wstawki w zsypie oraz jej położenie. Uzyskane wyniki stanowią podstawę do opracowania modelu z wykorzystaniem sztucznej sieci neuronowej. Wykorzystując ten model przeprowadzono optymalizację kształtu wstawki metodą algorytmów genetycznych, przyjmując segregację jako funkcję celu. Najlepsze wyniki zostały następnie zweryfikowane metodą elementów dyskretnych. W konsekwencji zaproponowana metoda pozwala na rozwiązanie skomplikowanych problemów projektowania unikając znacznych nakładów obliczeniowych.