论文部分内容阅读
高炉炉温主要包含炉喉(十字测温点)温度、炉墙温度和炉内铁水温度三个方面，其中十字测温点温度能够反映高炉内煤气的分布情况，对高炉高产顺行有显著影响。针对目前没有准确的十字测温点温度机理模型的问题，本文采用基于最小二乘支持向量机(LS-SVM)的数据驱动方法来建立十字测温点温度模型。建模的步骤：1)通过对数据的相关性分析，选择与十字测温相关的输入和测量变量；2)用改进的智能优化算法(粒子群算法)来优化LS-SVM的参数，从而提高获得模型的精度；3)得到十字测温点温度的LS-SVM预测模型。实验结果表明，基于相关性分析的输入量选取能够在保证建模精度的情况下降低计算复杂度；与常用的网格法相比，本文方法所建立的十字测温数据驱动模型精度提高3％，能够满足生产需要。