论文部分内容阅读
钢铁工业是国民经济的支柱产业,在我国工业化、城镇化进程中发挥着重要作用。炼铁工艺是钢铁工业的上游工序,对整个钢铁生产过程的产量、质量起着重要的作用。同时,炼铁工艺的能耗占整个钢铁生产过程总能耗的2/3,因此,炼铁工序是做好钢铁工业节能减排工作的关键环节。高炉冶炼过程是一个高度复杂的过程,其运行机制往往具有非线性、大时滞、大噪声、分布参数等特征。有效的预测控制高炉炉温是保证高炉冶炼过程顺利进行的必要条件,而在高炉炼铁的过程中通常用铁水中硅的质量分数[Si]来表征高炉炉温。因此对铁水硅的质量分数[Si]的预测研究一直备受人们的关注。随着模糊数学理论的完善和发展,基于模糊数学理论的高炉炉温预测模型也随之建立起来。本文主要利用模糊数学的方法建立高炉炉温预测模型,使用“包钢2500m3高炉智能控制专家系统”对包钢6#高炉在线采集的1000炉数据进行分析、检验、建模和预测。本文首先对高炉炉温预测模型的现状进行概述,其次介绍了关于模糊数学的基础知识,作为本文建模的主要理论依据。然后进入文章的主题部分,对在线采集的数据进行统计分析,找出各个参数的分布规律,并通过进一步对各个参数和因变量做相关性分析来确定模型的自变量。最后建立高炉铁水[Si]的预测模型,考虑到高炉冶炼过程的复杂性,用简单的时间序列回归模型无法对高炉炉温进行准确的预报,本文先给出了多元模糊时间序列模型。在预测时改变了以往简单的区间划分单一属于某个模糊集合的情况,为了更充分的利用模糊信息,本文提出的多元模糊时间序列模型预测时用隶属度计算权重系数进行预测。本文提出的模糊回归预测模型是在经典的回归模型的启发下对模糊集合编号和实际[Si]做回归,得到回归公式对当前炉温进行预测。在模糊回归预测模型中,本文将重点放在确定模糊集合上,采用进化算法和进化策略通过计算机智能搜索来寻找最优结果。这两个模型都考虑了其他影响因素且利用了高炉数据的模糊性,取得了较好的预测效果,分别得到86%和84%的命中率。