高炉是炼铁生产过程中最为复杂的、密闭的大型容器,从高炉上部到下部,该设备是一个自上而下具有滞后性、多尺度性、系统耦合性强、复杂的非线性,需要适时调节其稳态平衡。高炉冶炼过程是上部间断式地投入矿石,下部一直向风口喷入煤粉。高炉的指标参数具有动态参数分布和三维立体分布特性。炼铁过程中,由于高炉密闭和内部运行环境恶劣的条件,各过程参数难以实时在线准确检测。目前,在高炉冶炼过程中,外界因素难以实时准确测的,炉长也是仅仅凭借自身具有的专家经验,运用自身所积累的炼铁专业知识和人眼测得的实际高炉运行过程状态,人工的判断和决策会使得炼铁系统的各单元处于孤立的运行状态,缺少协调性。同时,这种人工的经验操作模式非常的盲目、粗糙、过度主观,虽能暂时确保高炉进入平稳运行状态,但要想使高炉实现产品优良、能耗低的冶炼目标还是十分困难的。高炉生产用于还原的主要用料是焦炭,炼铁过程中,高炉操作人员采取了一系列优化操作来降低生铁的成本,其中最为有效的措施是使用煤粉取代部分焦炭的作用,但在取代的量上具有严格的要求,再者就是所谓的置换比。由于高炉冶炼过程中炉况的复杂性、状态的多变性,高炉的生产条件极易波动,且优化的前提是先要确保炉况的稳定,在高炉平稳运行于工作点附近时,高炉操作人员模糊的主观经验通常会盲目地对物料进行控制,因此此时炉况稳定性的评估显得极为迫切。本课题以某钢铁厂实际冶炼高炉为主要研究对象,以实现产品优质、能耗低为控制目标,提出了基于专家知识与数据相结合的高炉炉况模糊综合评价模型,并结合专家经验和对实际炉况对高炉炼铁数据进行分析。主要研究内容包括以下三方面:现有高炉数据的监测具有三维分布式,但其应用不足,高炉冷却壁水温差数据即为典型,在此,本文选取了高炉主要冷却壁段的水温差,建立了基于时间序列的高炉冷却壁水温差模糊综合评判模型。建模过程中,通过计算相关系数依次分析了高炉上部冷却壁段水温差对高炉下部冷却壁段水温差产生的时滞性影响。所建立的评估模型中,指标参数权重的计算结合了专家经验和客观计算共同确定。同时,通过分析高炉冷却壁水温差所处的状态与当前炉温的关系,结合专家知识即可验证所建立模型的有效性。传统的炉缸热状态预测仅由单一参数表征或单一参数所建立的预测模型进行研究,由二维检测信息建立预测模型预测炉缸热状态具有局限性,据此,本文定义了高炉冷却壁立体水温差(Three Dimensional Water Temperature Differance,TDWD)概念,本文提出了一种新型的基于时间序列和高炉多维度的炉缸热状态趋势预测方法。文中创新点在于所建预测模型加入了高炉冷却壁立体水温差和考虑了历史炉温的影响。本文通过综合利用立体高炉各指标参数及其相关历史信息,分别建立了基于时间序列和高炉多维度的BP神经网络(BP-NN)、PSO-LSSVM炉缸热状态预测模型,同无水温差的预测模型结果比较,高炉冷却壁立体水温差的多维性变化可协助高炉操作者准确预测炉缸热状态变化趋势。本文结合了预测模型和评判模型最终建立了一个基于时间序列和高炉多维度的炉缸热状态模糊综合评判模型。建模过程中,指标参数的权重结合了专家经验和客观计算来确定,指标参数数据所处的等级区间应用专家经验和统计知识进行划分。评判模型的高匹配率表明所建评判模型可很好地协助炉长提前预判炉况的变化趋势,指导炉长调整高炉操作方向。本文结合预测模型和两级模糊综合评判模型,提出了一种新型的基于时间序列和高炉多维度的炉缸热状态的模糊综合评判模型。基于纵向物质流运动规律,BP-NN、PSO-LS SVM预测模型的命中率验证了TDWD的多维性变化对炉缸热状态响应存在滞后性,利用TDWD的多维性变化可准确预测炉缸热状态。本文所建评判模型对高炉炉缸热状态的评断具有实际意义,为高炉操作者对后续高炉的控制供控制方向。但是由于各高炉的操作条件、控制参数和高炉设备参数的差异较大,针对不同的高炉还需要特定的进行分析,本课题仅提供指导性的方法。