The heating furnace is a sizeable energy-consuming device in iron and steel industry. In compact strip production (CSP), the size of the heating furnace is large, and the working conditions are complicated. Furthermore, the large fluctuation of furnace temperature leads to large loss of billet combustion and energy consumption. This article deals with the design of hybrid intelligent control based on condition identification for the combustion process of the CSP heating furnace. By analyzing the process of the heating furnace and existing problems, the structure of a hybrid intelligent control system is proposed, and the working conditions are divided into two categories: stable and fluctuating. A fuzzy controller is designed to improve the control accuracy of furnace temperature under the stable working condition, and an expert controller is used to adjust the temperature rapidly under the fluctuating working condition. Besides, calorific value compensation is introduced to reduce the influence of calorific value of gas fluctuation on temperature. After verifying the effectiveness, the proposed method has been used in a steel plant and achieved a good control result. The intelligent control system improves the control precision of the furnace temperature and reduces energy consumption compared with the traditional control system.

The iron ore sintering process is an important step in preparing raw material for ironmaking. How to reduce carbon consumption while ensuring the stable running of the sintering process is an urgent problem to be solved. In this brief, an intelligent integrated control strategy for the burn-through point (BTP) to carbon efficiency optimization in the sintering process is presented. The comprehensive coke ratio (CCR) is employed as a measure of carbon efficiency, and the BTP is a measure of the stability of the sintering process. First, a short time scale model is established to predict the CCR, and the carbon efficiency is optimized by using the particle swarm optimization algorithm. This yields an optimal carbon efficiency and one control quantity of strand velocity. Another control quantity of strand velocity is obtained by a BTP expert-fuzzy controller. Both control quantities are integrated by a well-designed intelligent integrated controller, so that the optimal strand velocity, as the final control input, is determined. An experiment is carried out to verify the effectiveness of the proposed strategy. The experimental results show that the proposed strategy improves the carbon efficiency while ensuring the stable running of the sintering process, which has a good application prospect in the industrial site.

To reduce energy consumption and harmful emission, it is of great significance to improve carbon efficiency in sintering process, which is able to be achieved if the carbon efficiency can be accurately predicted. In this article, the ratio of CO and CO 2 (CO/CO 2 ) is taken as a measurement of the carbon efficiency. As CO/CO 2 is hard to measure, and there exist multiple working conditions, multiple variables, and nonlinearity, a hybrid CO/CO 2 prediction model is devised based on the aforementioned characteristics. First, the sintering process is analyzed, and the key characteristics to predict the CO/CO 2 are extracted. Next, the configuration of the prediction model is given based on the analysis. The model consists by two submodels, one is to predict the state variables by an improved just-in-time learning model, combining three neural network (NN) models. The other is to predict CO/CO 2 with semisupervised algorithm, based on deep belief network with a combination of the three NN regression methods. Then, the configurations of the two submodels are introduced in detail. The test results based on actual running data exhibit the good performance of the model.

Sintering is a process that involves complex physical and chemical reactions. An intelligent coordinating control strategy is proposed for the strong coupling between the burn-through point (BTP) and the mixture bunker level (MBL). First, an intelligent integrated controller is established for the BTP by fusing the neural network, expert rules, and fuzzy logic. Moreover, an expert controller is designed for the MBL based on expert rules using the analysis of the main factors that affect the MBL. Furthermore, by employing the soft switching control algorithm, an intelligent coordinating controller for the BTP and the MBL is designed. The optimal operation parameters are obtained from the algorithm, which realize the multi-objective control of the sintering process. Finally, a simulation and an experiment of the intelligent coordinating control between the BTP and the MBL are carried out, where the models of the BTP and the MBL are the Takagi-Sugeno (T-S) fuzzy model and the linear model, respectively. And the results show that the proposed approach is feasible and effective.

Sinter ore is the raw material of the iron and steel production. A sintering production process is with high energy consumption and large CO 2 emissions. It is important to achieve the green manufacturing of the sinter ore. In this paper, an optimization and control system for the carbon efficiency (OCSCE) in the green manufacturing of the sinter ore is designed from the point of view of the maximum utilization of the carbon and the best protection of environment in the sintering process. The OCSCE has three parts: the optimization for the carbon efficiency, the coordinated optimization and control for the production phases and the comprehensive performance evaluation for the carbon efficiency. The optimization for the carbon efficiency is used to optimize the state parameters. The coordinated optimization and control for the production phases is applied to optimize and control the operation parameters. The comprehensive performance evaluation for the carbon efficiency assesses whether the carbon efficiency of the whole sintering process is consistent with green manufacturing. Finally, an implementation scheme of the OCSCE is put forward for the industrial site. The results of preliminary tests show that the OCSCE is in line with the needs of the industrial site, and it will have a significant performance after the OCSCE is put into the industrial site.

Landslide hazards are a common occurrence on the Loess Plateau of China, and the use of time-series interferometric synthetic aperture radar (InSAR) can effectively identify potential landslides and monitor their deformation, thus allowing to mitigate the risks associated with such hazards. In this study, we used Sentinel-1A ascending and descending orbit images to identify 74 significantly deformed areas in Xining city, of which 35 were confirmed as active landslides, using two time-series InSAR algorithms: small baseline subset (SBAS) and permanent scatterer (PS). Compared to PS, SBAS yielded a higher point density and more continuous deformation rate results in space. Our correlation analysis indicated a high correlation between the deformation rate results obtained from SBAS and PS algorithms, demonstrating their high consistency. Furthermore, by comparing the monitoring results of SBAS and PS algorithms with the GNSS monitoring data, we observed that the cumulative landslide deformation detected by PS algorithms was more consistent with the GNSS monitoring data. Finally, we analyzed the relationship between landslide deformation and the main influencing factors, which showed that the combined effect of precipitation, fault, slope, and engineered rock formations was the primary cause of landslide activity in the region during the study period. In conclusion, time-series InSAR algorithm is a valuable tool for identifying and monitoring loess landslides, and provides a scientific basis for regional disaster prevention and control.

Total pressure gain is an important parameter in RDC engineering applications. Many factors affect the total pressure gain, such as the area ratio of the outlet to the inlet (A8/A3.1) and type of fuel. In this study, convergent–divergent slot and Tesla valve inlet configurations were adopted. Three convergent nozzles were used, and the ratios of the outlet area to the combustor cross-sectional area (A8/A3.2) were 0.65, 0.5, and 0.25, respectively. The experiments were conducted at mass flow rate of 1.5 kg/s, 1.3 kg/s, and 1.0 kg/s. The combustion efficiency and total pressure gain were calculated using the temperature increase and Mach-corrected static pressure (MCSP). When A8/A3.2 is 0.25, most of the propagation modes are longitudinal pulsed detonations (LPD). The combustion efficiency increased with the equivalence ratio within the range of the detonation boundary. A model was developed to describe the relationship between combustion efficiency and total pressure gain. Once the configuration of the RDC is fixed, a proportional relationship exists between the combustion efficiency and total pressure gain. Improving combustion efficiency enhances the total pressure gain.