论文部分内容阅读
钢铁工业发展状况反映国民经济发达程度,钢铁的产量和质量对国民经济建设具有重要的意义。铁水作为后续炼钢的物质基础,其质量对钢铁生产极其重要。在高炉炼铁过程中,铁水含硅量是表征高炉内部热状态的重要参数和衡量铁水质量的重要指标。因此,建立铁水含硅量的数学模型并预测铁水含硅量的变化情况,为高炉炼铁过程的高性能运行控制奠定基础,从而实现炼铁高炉长期稳定运行。在单变量时间序列的铁水含硅量建模与预测中,本文首先运用经验模态分解(EMD)将铁水含硅量这一单变量时间序列分解成为多个互不干扰、且不相交的本征模函数(IMF)和一个冗余项(Rn)。在此基础上,然后分别应用支持向量回归机(SVR)、动态神经网络(DNN)对每个IMF和Rn拟合为非线性自回归模型并对其进行预测,将其预测结果组合得到铁水含硅量的预测结果。最后,通过利用柳州(LZ)钢厂2号高炉炼铁数据进行预测实验验证,结果表明本文所提出的EMD_SVR、EMD_DNN组合算法,无论是均方误差(MSE)还是命中率上都明显优于无EMD的传统算法。在多变量时间序列的铁水含硅量建模与预测中,本文首先结合高炉炼铁机理和主成分分析,从LZ钢厂2号高炉现场收集的热风压力、冷风流量、富氧量等20多个影响因素中选取铁水含硅量预测算法的输入变量,并利用最大信息系数方法,结合高炉炼铁过程的实际经验,确定各个输入变量在预测算法中的时滞。在确定输入变量和时滞参数的基础上,然后分别应用支持向量回归机(SVR)和动态神经网络(DNN)建立带外部输入的非线性自回归(NARX)铁水含硅量预测模型。最后,利用LZ钢厂2号高炉炼铁数据进行预测实验验证,结果表明本文所提出的两个方法各有所长,从时间、MSE和命中率均优于其他的传统算法,验证本文基于数据驱动的铁水含硅量建模方法具有可行性与创性。本文所提出的铁水含硅量预测算法得到实际数据下的预测实验验证,结合LZ钢厂2号高炉炼铁过程中的现场需求,采用LABVIEW与MATLAB混合编程方式,设计并实现了一套高炉铁水质量预报系统。该系统包括上位机显示、服务器、数据库等部分,能实现系统登录、铁水含硅量情况显示、高炉运行状态监控、数据记录与保存等功能。