基于主成分分析的高炉用天然块矿性能评价

李新宇，张建良，苏步新，姚朝权，刘兴乐，张超



基于主成分分析的高炉用天然块矿性能评价

李新宇1，张建良1，苏步新2，姚朝权1，刘兴乐1，张超1

(1. 北京科技大学冶金与生态工程学院，北京，100083；2. 冶金工业规划研究院，北京，100711)

针对目前对于天然块矿评价体系存在的不足，提出一种新的基于主成分分析的天然块矿的评价方法。采用不同的实验方法对6种天然块矿的性能进行检测，综合考虑天然块矿的化学成分、还原性，热爆裂性，熔滴性能等18个性能指标，采用主成分分析的方法，提取3个主成分指标作为新的综合特性指标。3个主成分指标分别为综合品位特性指标1，综合高温特性指标2和综合中温特性指标3，同时对3个指标的物理意义进行解释。并依据3个新的综合特性提出天然块矿综合性能评价模型，对6种天然块矿进行综合性能评价排序，评价结果与传统天然块矿评价方法所得结果比较，基本一致；新的综合特性指标不仅减少对天然块矿评价指标的数量，且综合特性指标之间相互独立，避免指标之间的重叠，更加直观。

高炉；块矿；主成分分析；评价指标

我国现行高炉的炉料结构为高碱度烧结矿搭配球团矿和天然块矿。由于国内生产的酸性球团矿质量不是很高，并且天然块矿与酸性球团矿相比，无论是含铁品位还是脉石质量分数，二者相差均不大，故可考虑用天然块矿大量代替酸性球团矿使用。现在高炉所使用的天然块矿均属于低碳酸盐式的高品位块矿，一般碳酸盐分解产生的CO2质量分数均在0.5%以下，故天然块矿的使用不会对高炉冶炼带来明显的负面影响。但天然块矿一般湿度较大，其表面或多或少会黏结一些小颗粒的矿粉，所以，为了避免入炉时粉末过多影响高炉的上部透气性，天然块矿在入炉前需要进行筛分以减少其含粉率。自2014年以来，铁矿石的价格逐渐降低，钢铁厂的利润却不增反降，钢铁企业的生存空间逐步压缩。天然块矿的成本与铁矿粉生产烧结矿和成品球团矿的成本相比还有一定的优势，故相应地提高其在高炉炉料结构中的比例，对于降低铁水生产成本，降低企业的总成本有着重要的作用[1−3]。国外生产高炉的炉料结构中，日本、韩国和澳大利亚的高炉天然块矿质量分数为20%左右，其中2003年日本高炉天然块矿的质量分数达到21.3%，川崎制铁6号高炉入炉的天然块矿的质量分数更是达到42.7%[4]。国内的大型钢铁企业，宝钢的天然块矿配比长期处于15%~20%[5]。首钢的天然块矿的质量分数为16%~ 18%，综合焦炭质量，季节，筛分等质量因素，入炉的天然块矿质量分数也一度达20%[6]，相应地鞍钢高炉的入炉天然块矿质量分数也达到18%以上。但国内的部分小型钢铁企业由于生产中不使用酸性球团矿，高炉的炉料结构为烧结矿配加球团矿，故其高炉的天然块矿配比达到40%以上。吴胜利等[7−8]对于提高高炉天然块矿比例进行了研究，提出了高炉高温区天然块矿、球团矿与烧结矿交互反应性指数的概念。在高炉内天然块矿与高碱度烧结矿之间存在高温交互反应，其结果能够明显改善天然块矿自身的软熔特性，从而可以获得优良的综合炉料熔滴性能。不同种类天然块矿的高温反应性有差异，把握各种天然块矿的高温交互反应性，有利于优化高炉炉料结构，改善综合炉料的熔滴性能[9−12]。许满兴等[13]对宝钢经常使用的20种进口天然块矿质量进行研究，得出天然块矿的质量应由化学成分、物理性能和冶金性能3个方面决定。并依据这3个方面，分别对20种天然块矿进行了质量评价，将20种天然块矿划分了3个质量等级，但是这种评价并没有给出对于天然块矿质量评价的量化指标。目前，国内外对于天然块矿的评价以块矿的冶金价值和经济价值作为评价依据[14]。这种方法通过多种参数的综合计算，最终给出1个量化的评价指标。但是该方法是以天然块矿直接入炉为依据，而实际生产中不可能只有天然块矿这1种炉料，且由于近些年来天然块矿的质量逐渐变差，品位降低，结晶水质量分数升高，使得该种方法在评价天然块矿的过程中难免会出现较大误差。针对天然块矿评价指标存在的不足，本文作者利用实验室设备测定天然块矿的基础性能指标；然后通过主成分分析方法，对原有的天然块矿性能指标进行提取，得到新的块矿综合特性指标1，2和3；并分析综合特性指标代表的物理意义；引入基于天然块矿性能的综合评价法，进行天然块矿性能优劣的总体评定。

1 天然块矿性能检测

实验中研究的天然块矿均取自国内钢铁厂，共6种块矿，其中L1~L5为进口天然块矿，L6为国产天然块矿。对6种天然块矿的化学成分及相关性能进行检测。表1所示为天然块矿的性能检测结果。

表1 天然块矿性能检测结果

从表1可以看出：6种天然块矿的性能差别较大，且特性指标较多。由于目前各个钢铁企业使用天然块矿的种类和数量不同，以及天然块矿的生产产地及性能存在差异，给天然块矿的综合性能评价带来困难。而且如果用这些指标直接评价天然块矿性能，进而来指导高炉炉料结构中天然块矿的配比数量，将不利于高炉的稳定顺行生产。为此，需通过对天然块矿的性能指标进行处理，以合理地评价块矿的综合性能，从而提高高炉炉料结构中对于天然块矿的使用配比数量，为高炉炉料结构的合理搭配及降低铁水成本提供重要依据。

2 天然块矿综合特性指标提取

利用主成分分析的方法对本文中6种天然块矿的18个性能指标进行降维处理。主成分分析是利用降维的思想，在损失很少信息的前提下将多个指标转化为几个综合指标的多元统计方法[15]。

在统计学中，主成分分析是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关。主成分分析通过使用保留低阶主成分，忽略高阶主成分的方法不仅可以减少数据集的维数，同时也可以保持数据集中对方差贡献最大的特征。这样低阶成分往往能够保留数据的最重要方面。通常数学上的处理就是将原来个指标进行线性组合，作为新的综合指标。这样，在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易揭示事物内部变量之间的规律性，同时使问题简化，提高分析效率。

本次天然块矿特性指标主成分分析采用SPSS 20.0软件。通过软件分析得到块矿18个性能指标之间的相关系数矩阵(见表2)、主成分的提取表3和主成分初始载荷矩阵表4。

表2 天然块矿特性指标相关系数矩阵

表3 天然块矿特性指标主成分的提取

表4 天然块矿综合性能指标提取主成分初始载荷矩阵

从表2可以看出：天然块矿性能指标之间重叠较为严重。例如1和2，3，4，5，7，10，11和15指标之间相关性都大于70%。参考文献[16−17]，将相关系数绝对值在[0, 0.5)之间定义为相关性较差；[0.5, 0.7)之间定义为显著性相关；[0.7, 1.0]之间定义为高度线性相关。

主成分个数提取原则为主成分对应的特征值大于1的前个主成分。特征值可以被看成是表示主成分影响力的指标，特征值小于1，说明该主成分的解释力度不如原变量的解释力度大，因此，将特征值大于1作为保留标准。从表3可以看出：主成分1的特征值为8.931，代表整个数据信息的49.615%；第2主成分的特征值为4.428，其解释量为24.599%，解释量相比第1主成分降低较大，但仍高于第3主成分18.486%的解释量，相应的主成分3的特征值为3.327；第4主成分和第5主成分的特征值分别为0.939和0.375，均小于1.000，即这2个主成分的解释力度不如原变量的解释力度大，解释量仅为5.218%和2.082%。按照18个指标解释量为100%，则原来每个变量的平均解释量为5.556%。

按照特征值大于1的原则提取主成分，本研究前3个主成分累计贡献率达92.700%，故提取3个主成分即可完全满足要求。

从表4可以看出：1，2，3，4，5，6，7，8，10，11，13，14和15在第1主成分上有较高载荷，即系数绝对值大于0.600，说明第1主成分基本反映了这些指标的信息；第2主成分基本反映了2，15，17和18指标的信息；第3主成分主要集中代表了8，9，12和16指标。

得到的主成分初始载荷矩阵结合特征解即可求解得到主成分特征向量，与标准化后的天然块矿特性指标数据相乘，从而可以得出主成分表达式：

1=−0.3161,z+0.2512,z+0.2643,z+0.2224,z+

0.3165,z−0.2866,z−0.2637,z+0.2308,z+0.1499,z+

0.31510,z+0.27511,z−0.13612,z−0.27113,z−

0.22914,z−0.21215,z−0.14216,z+0.04817,z+0.07918,z(1)

2=−0.0751,z+0.3072,z+0.2783,z+0.2754,z+

0.1445,z+0.0196,z+0.0957,z−0.0728,z−0.1709,z−

0.12210,z−0.13211,z−0.13312,z+0.27213,z+0.27214,z−

0.30815,z+0.22416,z−0.46517,z−0.35118,z(2)

3=0.0571,z−0.0302,z−0.0183,z−0.0364,z+

0.0645,z−0.1876,z+0.2487,z+0.3398,z+0.4409,z−

0.05310,z−0.01611,z−0.45212,z+0.04213,z+0.24614,z+

0.21915,z+0.42416,z−0.05817,z+0.29218,z(3)

式中：下标z代表SPSS标准化后的数据。

以上得到的3个天然块矿特性指标的主成分1，2和3可以代表原先的18个指标的全部信息，且相互之间是线性无关的。

3 天然块矿综合特性指标分析

针对上述主成分分析得到的天然块矿的综合特性指标1，2和­3进行分析，并尝试解释天然块矿的综合特性指标代表的物理意义。由上述公式计算出天然块矿的综合特性指标，如表5所示。

表5 天然块矿的综合特性指标值

3.1 综合品位特性指标1

天然块矿的品位是评价一种天然块矿价值的最基本指标。企业在进行天然块矿采购时，首先考虑的是该种天然块矿的到厂后价格，含铁品位是天然块矿价格的最主要影响因素，也是天然块矿质量的重要标志，价格往往由含铁量所决定。目前衡量铁矿石的最主要方法，也是最简单的方法就是每1%的铁品位的价值(即用铁矿石价格除以铁矿石的品位)来比较。但是，虽然铁品位的影响最为重要，但铁矿石中的其他元素(无论是有益的还是有害的)也会对高炉冶炼产生影响，进而影响铁矿石的经济冶炼价值。因此，对单一铁品位的评价是不全面的。

主成分指标1中占比重较高的是TFe质量分数1，SiO2质量分数5和烧损值10，从式(1)~(3)可以看出1，5和103个指标的系数绝对值均在0.300以上。在表4提取主成分初始载荷矩阵中同样可以看出：对于主成分1，块矿的性能指标1，5和10的系数绝对值大于0.900，即说明1等3个指标在主成分指标1有很高的载荷，而像熔滴温度区间17，其系数绝对值仅为0.048 0，同样，初始载荷矩阵中该系数绝对值也仅为0.144，故主成分指标1主要代表天然块矿TFe质量分数，SiO2质量分数和烧损值的信息。而17熔滴温度区间在主成分指标1基本没有意义。从表2天然块矿性能指标相关系数矩阵来看，SiO2质量分数5，烧损值10和TFe质量分数1的相关系数绝对值均大于0.800，属于高度线性相关。从物理意义来看，当天然块矿自身SiO2质量分数较低时，对于降低高炉渣比和综合燃料比是有利的，即表现出较高的TFe质量分数；烧损值越低，说明块矿在参加高温反应时，结晶水分解数量少，减少了块矿的热爆裂性能，使高炉透气性变好，从而提高块矿的反应动力学，降低综合燃料比，即间接地提高了天然块矿的TFe质量分数。此外，主成分指标1除1，5和10之外，2(CaO质量分数)，3(MgO质量分数)，4(Al2O3质量分数)，6(P质量分数)，7(S质量分数)等化学成分质量分数指标均有一定的体现，且初始载荷矩阵的系数绝对值均大于0.600。因此，将主成分指标1命名为综合品位特性指标。

由表1中数据，6种天然块矿测定的TFe质量分数1从大至小对应的天然矿块分别为L5，L4，L3，L2，L1和L6。根据综合品位特性指标1从大至小对应的天然矿块分别为L6，L1，L2，L4，L3和L5。从1和1的排序结果比较可以看出，2种排序结果基本是相反的。这与要求SiO2质量分数5和烧损值102个指标越低越好是有关的，由于二者在综合品位特性指标1表达式中的载荷矩阵系数为正，而TFe质量分数1的载荷矩阵系数为负，使得TFe质量分数越低，SiO2质量分数和烧损值越高的天然块矿其综合品位特性指标1越大。故就天然块矿的综合品位特性来说，要求综合品位特性指标1越小越好。

综合品位特性指标1占块矿性能指标总信息的解释量为49.615%，基本上占了一半。因此，综合品位特性指标1在天然块矿总体性能评价中占有十分重要的地位。

3.2 综合高温特性指标2

主成分指标2中占比重较高的是CaO质量分数2，滴落温度15，熔滴温度区间17和最大压差18。从式(1)~(3)可以看出：2，15，17和184个指标的系数绝对值均在0.300以上，同样在表4提取主成分初始载荷矩阵中可以看出对于主成分2，天然块矿的性能指标2，15，17和18的系数绝对值大于0.600，即说明2等4个指标在主成分指标2有较高的载荷。故主成分指标2主要代表块矿的CaO质量分数、滴落温度、熔滴温度区间和最大压差的信息。CaO质量分数2和滴落温度15的相关数绝对值为0.908，说明在一般情况下，CaO质量分数越高，块矿的滴落温度越高。主成分指标2中滴落温度15越低，相应的熔滴温度区间17则变窄，相应的软熔带宽度变小，从而最大压差18也变小，越有利于高炉下部的反应过程，使得高炉透气性变好，有利于块矿的熔融滴落反应过程的进行。因此，将主成分指标2定义为综合高温特性指标。

由表5可以看出：研究的6种天然块矿综合高温特性指标2的差异不是很大。按综合高温特性指标由大到小排序对应的矿块分别为L6，L5，L3，L2，L4和L1，其中综合高温特性指标2的最大值为2.63，对应的块矿为L6；最小值为−1.97，对应的块矿为L1。故从单种天然块矿的高温特性来说，由于熔滴温度区间17和最大压差18在2表达式中的载荷矩阵系数绝对值较大，故天然块矿的熔滴温度区间17和最大压差18的特性值越低，其高温特性较好，所以，块矿L6，L5和L3的高温特性较好。故就天然块矿综合高温特性来说，要求综合高温特性指标2越大越好。

综合高温特性指标2占总信息的解释量为24.599%，虽然相比于综合品位特性指标1的解释量49.615%较低。但相比于原来块矿含铁品位等18个特性指标，每个指标的解释量为6.00%左右来说，综合高温特性指标2具有很好的解释力度。

3.3 综合中温特性指标3

主成分指标3中占比重较高的为K2O质量分数8，Na2O质量分数9，热爆裂性指数12和软化温度区间16。从式(1)~(3)中可以看出8，9，12和164个指标的系数绝对值均在0.300以上，同样在表4提取主成分初始载荷矩阵中可以看出对于主成分3，天然块矿的性能指标8，9，12和16的系数绝对值大于0.600，即说明8等4个指标在主成分指标3有较高的载荷。故主成分指标3主要代表块矿的K2O质量分数、Na2O质量分数、热爆裂性指数和软化温度区间的信息。热爆裂指数12和K2O质量分数8及Na2O质量分数9的相关数绝对值分别为0.665和0.710，说明K2O和Na2O质量分数越低，天然块矿的热爆裂指数越低。主成分指标3中热爆裂指数­12越低，天然块矿在高炉中上部膨胀产生的粉末数量越少，相应的天然块矿软化温度区间16增大。主成分指标3中比重较高的为热爆裂指数12和软化温度区间16，从表4块矿性能指标提取主成分初始载荷矩阵中可以看出第3主成分指标3主要由热爆裂指数12组成。由于天然块矿的热爆裂温度区间一般为600~800℃的高炉中温区间，故将第3主成分指标3定义为综合中温特性指标。综合中温特性指标3从大至小对应的矿块为L1，L5，L6，L4，L2(L3)。热爆裂性指数12较低的天然块矿，综合中温特性指标3排名靠前，故要求综合中温特性指标3越高越好。综合中温特性指标3占总信息的解释量为18.486%，稍低于综合高温特性指标2的解释量。

4 天然块矿综合评价

主成分分析法得到了天然块矿综合品位特性指标1、综合高温特性指标2和综合中温特性指标33个核心指标参数，但对可供选择的多种天然块矿而言，1，2和3参数的优劣不一，因而无法确定最合适炉料结构的天然块矿。因此，进一步引入块矿性能综合评价法，进行总体评定。

以每个综合特性指标所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算天然块矿综合性能评价模型：

=−0.5351+0.2652+0.1993(4)

注：根据天然块矿对各综合基础特性指标的要求特点，1取负数，2和3取正数。

根据天然块矿主成分综合模型即可计算天然块矿综合特性值，并对其按综合主成分值进行排序，即可对各天然块矿进行综合评价比较，结果见表6。由表6可以看出：天然块矿综合基础特性指标差异较大，最高为2.78，最小为−1.89。从综合基础特性指标来看，研究的6种天然块矿的综合性能优劣排序为：L5，L3，L4，L2，L1和L6。该排序与综合品位特性评价指标1的逆序一致，这主要是由于综合高温特性指标1占铁矿粉性能指标总信息的解释量高达49.615%，故天然块矿综合品位特性评价值1越低，其综合特性指标也相应较高。

表6 天然块矿综合评价指标F值

根据参考文献[13]中对天然块矿质量评价的化学成分、物理性能和冶金性能3个标准，对6种天然块矿进行相应评价。第1个标准为化学成分，主要考察的指标要求天然块矿：1) 含铁品位高，SiO2质量分数低；2) Al2O3质量分数低；3) S，P及K，Na等有害元素质量分数低；4) 结晶水质量分数低。4个化学成分指标的影响程度依次降低，这里主要考虑1)和4)对应的2个指标。通过分析6种天然块矿的化学成分可以看出：L5和L3的含铁品位均超过61%，且SiO2质量分数均低于2%，结晶水质量分数均低于5%，属于较好的天然块矿。L4的含铁品位较高，为63%，SiO2和结晶水质量分数较L5及L3的略高，质量较L5和L3的略差。L2，L1和L6品位均低于60%，SiO2质量分数均高于2.9%，结晶水质量分数均高于9.3%，较其他3种天然块矿各项化学成分指标均有较大下降，故性能不好。故从化学成分来看，可以将6种天然块矿分为3个等级，最好的为L5和L3，较好的为L4，较差的为L2，L1和L6。对于物理性能，主要考察的指标为热爆裂性指数。热爆裂指数越低的天然块矿，其质量性能越好。6种天然块矿性能根据热爆裂指数进行优劣排序为：L1，L6，L5，L4，L2和L3。对于冶金性能，主要考察还原性能。6种天然块矿的还原性均高于62%，还原性均较好，通过冶金性能不易对6种天然块矿质量性能进行评价。

单独考虑化学成分指标，6种天然块矿的质量评价结果与综合品位特性指标1的评价结果一致。单独考虑物理性能，6种天然块矿的质量评价结果与综合中温特性指标3的评价结果一致。可以看出：以每个综合特性指标所对应的特征值占所提取主成分总的特征值之和的比例作为权重计算块矿综合性能评价模型，可以作为评价天然块矿的标准，可对于不同天然块矿的性能进行综合评价。

使用综合评价模型对参考文献[13]中的3种天然块矿进行评价，结果见表7。

表7 各种评价方法计算结果比较排序

通过使用综合评价模型所得3种天然块矿的评价结果与文献[13]中结果一致，表明综合评价模型对于天然块矿的评价较准确，可作为评价天然块矿性能时的重要参考。在使用该模型时，需要注意把涉及的变量进行标准化处理，并且尽量保证为同一次实验数据，这样可以提高模型使用时的准确性与可靠性。

5 结论

1) 通过主成分分析，能够从天然块矿18个性能指标中得到3个综合特性指标，这3个综合特性指标代表全部信息的92.700%。综合特性指标之间线性无关，可以代表原来复杂的数据进行块矿综合性能分析，较为方便和科学。

2) 基于主成分分析得到的天然块矿综合特性指标进行分析，本文研究的6种天然块矿要求天然块矿综合品位特性指标1越小越好，综合高温特性指标2和综合中温特性指标3越大越好。

3) 6种高炉使用的天然块矿，从天然块矿综合特性评价指标来看，综合性能从优至劣的块矿分别为L5，L3，L4，L2，L1和L6。

[1] 刘占魁, 王烨. 我国铁矿石资源可持续发展战略的探讨[J]. 中国矿业, 2010, 19(1): 43−46. LIU Zhankui, WANG Ye. The discussion about iron ore resources development strategy of China[J]. China Mining Magazine, 2010, 19(1): 43−46.

[2] 王维兴. 中国高炉炼铁技术进展[J]. 钢铁, 2005, 40(10): 8−12.WANG Weixing. Technical progress of BF ironmaking in China[J]. Iron and Steel, 2005, 40(10): 8−12.

[3] 吴胜利, 许海法, 汪国俊, 等. 现代高炉合理使用天然块矿的基础研究[J]. 北京科技大学学报, 2007, 29(3): 320−324. WU Shengli, XU Haifa, WANG Guojun, et al. Basic study of modern blast furnace using natural lump ores rationally[J]. Journal of University of Science and Technology Beijing, 2007, 29(3): 320−324.

[4] 唐先觉. 日本高炉炉料结构的新进展[J]. 中国冶金, 2005, 15(3): 7−10. TANG Xianjue. New evolution on blast furnace burden structure in Japan[J]. China Metallurgy, 2005, 15(3): 7−10.

[5] 赵改革, 范晓慧, 陈许玲, 等. 含铁炉料在高炉各区的冶炼特性[J]. 中南大学学报(自然科学版), 2010, 41(12): 2053−2059. ZHAO Gaige, FAN Xiaohui, CHEN Xuling, et al. Metallurgical properties of ferrous burdens in blast furnace[J]. Journal of Central South University (Science and Technology), 2010, 41(12): 2053−2059.

[6] 马泽军, 王颖生, 张卫东. 首钢高炉使用澳块矿的生产实践[J]. 炼铁, 2003, 22(5): 44−46. MA Zejun, WANG Yingsheng, ZHANG Weidong. Production practices of Shougang blast furnace by using Australia Lump Ores[J]. Ironmaking, 2003, 22(5): 44−46.

[7] 吴胜利, 汪国俊, 姜伟忠, 等. 高炉内天然块矿与烧结矿高温交互反应研究[J]. 钢铁, 2007, 42(3): 10−13. WU Shengli, WANG Guojun, JIANG Weizhong, et al. Interaction between lump ore and sinter in BF[J]. Iron and Steel, 2007, 42(3): 10−13.

[8] 吴胜利, 韩宏亮, 陶卫忠, 等. 高炉提高天然块矿使用比例的研究[J]. 钢铁, 2009, 44(11): 12−16. WU Shengli, HAN Hongliang, TAO Wei zhong, et al. Increasing proportion of natural lump ores in blast furnace[J]. Iron and Steel, 2009, 44(11): 12−16.

[9] WU Shengli, XU Haifa, TIAN Yunqing. Evaluation of lump ores for use in modern blast furnaces as part of mixed burden practice[J]. Ironmaking & Steelmaking, 2009, 36(1): 19−23.

[10] WU Shengli, HAN Hongliang, XU Haifa, et al. Increasing lump ores proportion in blast furnace based on the high-temperature interactivity of iron bearing materials[J]. ISIJ international, 2010, 50(5): 686−694.

[11] WU Shengli, HAN Hongliang, LIU Xinliang, et al. Highly effective use of Australian Pilbara blend lump ore in a blast furnace[J]. Revue de Métallurgie, 2010, 107(5): 187−193.

[12] LOO C E, MATTHEWS L T, O’DEA D P. Lump ore and sinter behaviour during softening and melting[J]. ISIJ International, 2011, 51(6): 930−938.

[13] 许满兴, 冯根生. 二十种进口铁块矿的质量及分析[C]// 2006年度全国烧结球团技术交流年会论文集. 长沙, 2006: 10−13. XU Manxing, FENG Gensheng. The quality and analysis of twenty kinds iron ore of import[C]// The 2006 Annual National Sintering and Pelletizing Technology Exchange Annual Meeting Proceedings. Changsha, 2006: 10−13.

[14] 刘正平. 铁矿石经济价值合理评价方法的探讨[J]. 烧结球团, 2005, 29(5): 1−5. LIU Zhengping. The study on rational evaluating methods of economic value of iron ores[J]. Sintering and Pelletizing, 2004, 29(5): 1−5.

[15] 刘炳胜, 王雪青, 李冰, 等. 基于主成分分析与DEA-DA组合的中国区域建筑产业竞争优势系统评价[J]. 土木工程学报, 2011, 44(2): 143−150. LIU Bingsheng, WANG Xueqing, LI Bing, et al. Systematic evaluation of the competitive advantage of Chinese regional construction industry based on principal component and DEA-DA[J]. China Civil Engineering Journal, 2011, 44(2): 143−150.

[16] 苏步新, 张建良, 车晓梅, 等. 基于主成分分析的高炉喷吹煤性能评价[J]. 煤炭学报, 2013, 38(12): 2234−2240. SU Buxin, ZHANG Jianliang, CHE Xiaomei, et al. Performance evaluation of pulverized coal injection of blast furnace based on principle component analysis[J]. Journal Of China Coal Society, 2013, 38(12): 2234−2240.

[17] 苏步新, 张建良, 国宏伟, 等. 基于主成分分析的高炉喷吹煤优化配煤模型[J]. 重庆大学学报, 2013, 36(11): 51−57. SU Buxin, ZHANG Jianliang, GUO Hongwei, et al. A mathematical model on the pulverized coal blending optimization for blast furnace injection based on principal component analysis[J]. Journal of Chongqing University, 2013, 36(11): 51−57.

Performance evaluation of lump ores for blast furnace based on principle component analysis

LI Xinyu1, ZHANG Jiangliang1, SU Buxin2, YAO Chaoqun1, LIU Xingle1, ZHANG Chao1

(1. School of Metallurgical and Ecological Engineering, University of Science and Technology Beijing, Beijing 100083, China; 2. China Metallurgical Industrial Planning and Research Institute, Beijing 100711, China)

A novel method was proposed based on the principle component analysis (PCA) to evaluate the performance of lump ores charged into blast furnace due to the deficient of the evaluation of the lump ores at present. The characteristic properties of the 6 different lump ores were detected with different experimental methods. Then three principal component indexes were picked up as the new comprehensive index with PCA method considering the properties of chemical composition, reduction, decrepitation and the like. The 3 principle component indexes were defined as comprehensive grade characteristic index1, comprehensive high temperature characteristic index2and comprehensive middle temperature characteristic index3respectively and the explanation of the physical meaning of them were also given. Therefore, the comprehensive evaluation model was proposed based on the 3 new comprehensive indexes for the lump ores. The 6 different lump ores were ranked by the comprehensive evaluation model and the results are the same as the traditional evaluation method of the lump ores. The new comprehensive indexes were not only decrease the number of evaluation index but also are independent from each other, which avoids the overlaps of the indexes.

blast furnace; lump ore; principle component analysis

10.11817/j.issn.1672-7207.2016.09.006

TF521

A

1672−7207(2016)09−2943−08

2015−10−15；

2015−12−27

高等学校学科创新引智计划资助项目(B13004)；国家自然科学基金资助项目(51504216) (Project(B13004) supported by the 111 Project; Project(51504216) supported by the National Natural Science Foundation of China)

张建良，教授，博士生导师，从事炼铁新技术研究；E-mail: Zhang.jianliang@hotmail.com

(编辑 陈爱华)