论文部分内容阅读
高炉生产过程控制是现代钢铁冶金中一个重要的研究课题。由于高炉生产过程的复杂性和参数的多样性,建立比较合适和实用的控制模型是非常困难的。高炉生产过程综合自动化系统研发不仅是控制理论与控制工程学科科技的前沿,同时也是钢铁冶金产业科技进步的前沿课题。高炉冶炼过程是一个极其庞大、复杂的冶炼过程,其运行过程往往具有非线性、时间滞后大、空间变量维数高、影响噪声大、各种状态参数多重相关等特性,这些导致很难建立起精确、有效的高炉炉温硅含量预测模型。偏最小二乘方法(Partial Least Squares简写PLS)是随着社会实际发展和需要而产生的一个有广泛适用性、新型的多元统计回归分析方法。它较好地解决了许多以往用普通多元线性回归难以解决的问题——变量之间的多重相关性。而正是这一点,它非常适合高炉生产的特点,它涵盖了多元线性回归、主成分分析和典型相关分析方法的基本功能为一体,综合运用了这几种数据分析方法实现建立模型的准确度。本文选取包钢6#高炉(2500m3)在线采集的数据,首先对影响炉温的各影响因素与铁水含硅量[Si]进行相关性进分析,证明了各影响因素与铁水含硅量[Si]序列之间存在较强的多重相关性。然后通过它们之间相关系数的计算和时间序列趋势图观测,综合分析了并得出了所选取的高炉生产过程中的各个状态参数和控制参数与高炉铁水含硅量[Si]之间的相关系数及它们的大致滞后时间。本课题将偏最小二乘回归建模方法运用到高炉炼铁过程中铁水硅含量炉温预报,运用主成分分析提取高炉硅含量预报模型输入参数的主成分用于后续建模。本论文主要作了以下几个方面的工作:分析高炉冶炼特点,熟悉高炉冶炼过程并得出运用偏最小二乘回归来建立预测模型的有效性。计算了高炉硅含量和炉温的各影响因素的相关系数,并给出了由主要影响因子作为自变量、铁水硅含量为因变量的预报模型,在此基础上采用直接预报[Si],通过[Si]与炉温的关系直接预报炉温。该模型通过对料速(LS)、风温(FW)、风量(FQ)、风压(FY)、透气性指数(FF)、喷煤(PM)、铁量差、综合指数等因素进行综合考虑,;利用他们作为自变量来建立铁水硅含量预测模型,进而预报炉温。