论文部分内容阅读
维持合理的炉温水平是高炉生产稳定顺行的关键之一。高炉铁水硅含量可以间接反映炉温变化。针对目前铁水硅含量预测方法尚不能满足高炉过程控制需要的现状,根据所提出的高炉铁水硅含量自组织经验进化预测模型原理,用软件工程方法学设计和开发了相应软件原型,并从理论和实践角度对这种新的智能预测模型进行了研究。高炉铁水硅含量自组织经验进化预测系统主要由动态数据特征提取、动态模式自组织分类量化以及预测经验的记忆、存储、积累和进化三部分组成。根据高炉生产的需求以及软件工程理论,系统分析了预测软件的性能要求与模块组成,以系统数据流程图逐层分析了信息流在软件系统中的流动、变换和处理情况。使用面向对象设计方法开发的系统软件结构设计合理、界面友好,具有在线联机帮助功能,可以方便地移植于高炉炉况智能监测系统——高炉卫士中。采用天津铁厂1#高炉的[Si]含量、铁间料批数、热风压力、实际喷煤量、冷风流量、热风温度、净焦加入量、焦炭负荷等8个影响因素作为预测模型的主要输入变量。以可预测率、预测命中率、趋势预测命中率及平均误差平方和为评价标准,确定了各影响因素的警戒参数Ru和滤波参数Sita的优化值范围。对净焦加入量(或次数)对铁水含硅量的作用时间进行的统计分析结果表明:加入净焦6小时以后,60.24%炉次会出现炉温升高现象。在参数优化的基础上,利用两组模式量化方案进行了高炉铁水硅含量的离线预测。结果表明:以可预测率、预测命中率、趋势预测命中率为评价标准,无论有经验期或无经验期,单变量及多变量系统预测效果均优于同期人工预测;而以平均误差平方和为评价标准,在无经验期3变量和4变量系统预测效果优于同期人工预测。多变量预测循环测试结果表明:4变量组合的预测效果较好,可预测率平均水平可以达到77.4%,即使在人工预测信息占优的条件下,系统预测(趋势预测)命中率要高于同期人工预测15%左右。最后,作者还讨论了进一步完善预测模型、提高模型预测效果所需要解决的问题。