论文部分内容阅读
高炉炼铁作为最主要的炼铁方法,其炼铁工艺的改进和炼铁原理的研究受国内外专家学者重视,其建模和控制一直是当今冶金与自动化领域的研究热点。但是由于高炉内部物理化学反应复杂,各参数耦合严重,非线性成分较强,高温粉尘等恶劣环境导致测量设备失效等原因,高炉炼铁过程的建模非常困难。此外,铁水温度、Si含量、S含量、P含量等多个铁水质量参数难以直接在线检测,其离线化验分析过程具有很大的滞后,质量信息不能及时反馈,也影响高炉系统自动控制的实现。因此实现铁水质量参数优化控制,必须建立有效的多元铁水质量参数软测量模型。针对上述问题,本文依托国家自然科学基金重大项目“大型高炉高性能运行控制的基础理论与关键技术研究”,采用数据建模技术,利用多输出支持向量回归算法建立多元铁水质量参数的软测量模型,优化模型结构参数,设计开发软测量系统,实现铁水质量参数的在线连续估计。主要工作如下:(1)分析铁水质量参数检测的现状,针对机理建模难以准确估计铁水质量参数的问题,采用统计学习的方法进行软测量建模。依据高炉炼铁过程的工艺机理,分析高炉参数之间的动态耦合关系。(2)进行数据预处理,构造训练样本,建立铁水质量参数的多维支持向量回归机(M-SVR)模型。与常规单输出SVR或者SVM不同,M-SVR可一次训练多个分类超平面,能同时进行多个输出变量的回归建模。进行仿真实验,并与BP神经网络对比,M-SVR在模型估计和减少数据样本时效果更优。(3)针对M-SVR结构参数经验选取的问题,提出多输出模型综合评价标准,建立基于多输出模型综合评价与遗传参数优化的铁水质量参数多维支持向量回归机(M-SVR)模型:多输出模型综合评价标准从相关系数、均方根误差、误差概率密度函数的期望和方差等4个方面全方位评价模型性能。基于多输出模型综合评价指标,采用遗传算法对M-SVR伸缩向量和惩罚因子进行全局范围内的寻优,可获得最优结构参数。仿真实验表明,建模精度综合评价标准能全面表征模型的精度,对遗传优化过程有很好的指导作用;参数优化后的M-SVR模型精度有所提高。(4)以柳钢2#炼铁高炉为应用研究对象,基于.NET平台,设计并开发多元铁水质量参数在线软测量软件系统。开发的软测量系统能直接运行在工控机上,模型输入数据从数据库中自动载入并进行预处理;输出数据可实时显示和存储;需要校正时导入训练数据即可重新训练,操作简单;界面简洁,运行稳定,为高炉操作人员提供了良好的参考。