本论文课题选自联峰钢铁公司横向项目─《永钢生产运行综合管理系统》,针对张家港联峰钢铁公司7座350-580m3无料钟炉顶高炉目前存在的炼铁自动化程度不高、炉温控制完全靠人工经验操作等问题进行研究。在分析现场冶炼工艺、冶炼流程以及大量生产数据的基础上,采用现代智能算法建立高炉炉温预测控制模型,指导高炉工长操作,提高铁水质量和产量。论文在阅读大量国内外文献的基础上,介绍了国内高炉炉温预测控制模型的现状和发展趋势。通过对生产现状、生产流程以及现存问题的分析和研究,针对联峰钢铁公司高炉生产的实际情况,提出了建立炉温预测模型的方案,即:在现有数据采集系统的基础上,集成炼铁生产过程数据及各个信息子系统数据;通过对生产数据的分析及处理,运用神经网络建立高炉炉温预报模型。本文主要介绍了高炉数据采集点的具体采集过程、数据预处理及炉温预测模型建立的过程。论文从炼铁机理及工艺的角度深入分析了预测炉温所需要的数据。通过对高炉的现场设备、生产数据的存储现状进行详细的分析,确定了所需数据的来源及对应的接口标准。简单介绍了现有数据采集系统的架构和功能;接着详细论述了高炉异构数据源数据集成方式;最后重点阐述了高炉自动化系统数据采集的具体实现过程,最终实现对预测模型所需数据的采集。同时考虑到高炉数据受到各种噪声的干扰,影响建模的精度。故对在线采集到的高炉数据进行了预处理,包括数据的一次预处理、二次预处理及数据的归一化处理。为炉温预测模型的建模打下坚实的数据基础。本文在简单介绍神经网络基本思想的基础上,重点阐述了建立基于人工神经网络高炉炉温预报模型的过程。首先利用相关性分析方法,分析各工艺参数之间的相关性、探讨各工艺参数对高炉铁水硅含量[Si]影响的滞后时间;接着在众多影响炉温的参数中筛选出相关系数较大的参数作为模型的输入参数,最终确定神经网络的输入量和输出量;最后把处理过的生产过程数据作为样本数据,训练神经网络,并将网络的输出值与实际值进行比较,实验结果表明,改进的BP网络对高炉铁水硅含量[Si]预报的命中率明显高于标准的BP网络,满足实际生产的需要。从而可以帮助高炉工长调控高炉参数,实现对高炉炉温的预测控制,提高铁水产量和经济效益,达到建模预期的效果。论文的最后对本论文课题所做的工作进行了总结,指出了其中的不足之处,同时展望了论文课题下一阶段所要做的工作。