论文部分内容阅读
高炉冶炼是钢铁生产中的重要环节,高炉炉况能否长期的顺行,直接关系到生铁质量、冶炼成本以及气体的排放等等。而高炉冶炼过程中由于高炉内部反应复杂,特别是存在大滞后的特点,使得对于高炉炉况的判断带来困难。而高炉煤气流具有实时性以及携带丰富的高炉信息等特点,它成为反映高炉炉况的重要信息。因此,本文结合了高炉冶炼中的机理知识和高炉冶炼中的数据以及高炉的专家知识,建立高炉煤气流的预测模型。该模型已在柳钢2#高炉上进行了现场验证。模型能较准确地预测高炉煤气流的变化趋势,进而为高炉炉况分析提供帮助,指导高炉操作,保证了高炉炉况的顺利运行。因此本文的研究不仅具有了一定的理论研究价值,也具有了更高的实际应用价值。本文的主要研究工作如下:首先,从高炉机理方面研究了高炉煤气流的形成过程和煤气流在高炉内部的运动以及煤气流成分的变化,并且分析了煤气流与高炉炉况的关系以及煤气流的几种典型分布包括边缘发展型、中心过吹型和管道行程。其次,分析了高炉煤气流在高炉内部的三次分布得出了模型的输出变量,并且利用相关性分析的方法选出了模型的输入变量。进而从数据驱动的角度出发,利用聚类的方法对高炉的输入数据进行聚类,把高炉冶炼过程分为不同的炉况。改进后的稀疏子空间聚类的方法,在目标函数后加入适当的正则化项,进一步处理了高炉数据中的噪音点和异常点,使得预测模型的精度更加准确。进一步,在对高炉数据进行聚类以后,利用支持向量回归的方法对模型的输出变量进行预测。支持向量回归可以有效地避免过拟合,比其他智能算法更适用于工业复杂系统建模。最后,提出了对模型输出变量的调控方法,并且将模型应用于柳钢2#高炉上进行调试和验证。验证结果表明,模型能较准确地预测高炉煤气流的变化趋势,从而为高炉炉况分析提供一定的的指导和帮助,保证了高炉炉况的顺利运行。