高爐冶煉過程的鐵水硅含量分析及其建模研究.pdf

1、高爐冶煉過程作為鋼鐵生產(chǎn)過程的上游工序，其CO2的直接和相關(guān)排放占鋼鐵工業(yè)總排放量的90％，能耗則占鋼鐵工業(yè)總能耗的70%。所以，高爐冶煉是鋼鐵工業(yè)實(shí)現(xiàn)節(jié)能減排的主要潛力所在。高爐鐵水硅含量既表征了鐵水質(zhì)量，也表征了爐熱狀態(tài)，其模型的建立非常重要。然而，對于高溫高壓下的高爐冶煉過程，高爐內(nèi)硅的遷移行為受到諸多因素間復(fù)雜的耦合作用。因此，高爐冶煉過程中鐵水硅含量模型的準(zhǔn)確建立，既是高爐高效控制的前提，也是煉鐵自動(dòng)化中的一大難題。
　

2、　本文針對鐵水硅含量建模這一關(guān)鍵問題，以柳鋼2號(hào)高爐為背景，進(jìn)行了數(shù)據(jù)驅(qū)動(dòng)建模方案的系統(tǒng)性研究。通過對爐內(nèi)硅的復(fù)雜遷移行為的深入機(jī)理分析和現(xiàn)場運(yùn)行數(shù)據(jù)的統(tǒng)計(jì)分析，很好地確定了影響最終鐵水硅含量的關(guān)鍵因素及其作用的滯后時(shí)間。在建模算法的構(gòu)建上，本文首次分析考慮了高爐系統(tǒng)的時(shí)變特點(diǎn)，從而使建立的模型在爐況波動(dòng)較大時(shí)仍能準(zhǔn)確預(yù)測下一爐的鐵水硅含量。最后，針對柳鋼2號(hào)高爐開發(fā)了“高爐鐵水硅含量預(yù)測系統(tǒng)”，現(xiàn)場實(shí)驗(yàn)效果很好。因此，本文的工作具有一

3、定的理論意義和實(shí)際應(yīng)用價(jià)值。論文的主要研究內(nèi)容和成果如下：
　　首先，針對算法輸入選擇這一關(guān)鍵問題，通過對高爐內(nèi)硅的遷移行為的深入分析，獲得了高爐中各個(gè)變量與鐵水硅含量的機(jī)理作用關(guān)系，從機(jī)理角度得到影響鐵水硅含量的因素。進(jìn)一步通過對變量間的相關(guān)性分析，得到相應(yīng)變量與鐵水硅含量間的相關(guān)性大小，并進(jìn)一步確定了相應(yīng)變量對鐵水硅含量產(chǎn)生影響的滯后時(shí)間。這些為很好地選擇數(shù)據(jù)驅(qū)動(dòng)建模的輸入變量提供了有效的方法，從而為精確的鐵水硅含量建模奠定了

4、基礎(chǔ)。
　　其次，針對極限學(xué)習(xí)機(jī)建模算法在解決實(shí)際復(fù)雜問題時(shí)，由于隱藏節(jié)點(diǎn)數(shù)的增加而造成算法的訓(xùn)練時(shí)間迅速增加的問題，提出了基于矩陣分解的改進(jìn)的極限學(xué)習(xí)機(jī)算法。該算法不僅保留了極限學(xué)習(xí)機(jī)的原有性能，而且大大減少了算法的訓(xùn)練時(shí)間，并且本文提出的方法可以擴(kuò)展到很多其他改進(jìn)型的極限學(xué)習(xí)機(jī)上。該算法在高爐鐵水硅含量的建模中得到了不錯(cuò)的效果。
　　再次，本文首次考慮了高爐運(yùn)行過程中由于內(nèi)部環(huán)境不斷變化而造成的系統(tǒng)模型變化的問題，即高爐

5、系統(tǒng)的時(shí)變特點(diǎn)，對此提出了基于變遺忘因子隨機(jī)梯度法的Wiener模型鐵水硅含量建模方案。該方案利用變遺忘因子隨機(jī)梯度的遞推辨識(shí)方法來辨識(shí)非線性動(dòng)態(tài)結(jié)構(gòu)的Wiener模型，該方法可以較好地跟蹤高爐系統(tǒng)模型的變化，從而得到了較好的鐵水硅含量預(yù)測效果。
　　進(jìn)一步，本文更加深入地分析了高爐系統(tǒng)的時(shí)變特點(diǎn)，由于高爐冶煉過程處于多種爐況交互變化中，所以高爐鐵水硅含量模型是由多個(gè)子模型組成，對此首次提出了門控極限學(xué)習(xí)機(jī)結(jié)構(gòu)模型。門控極限學(xué)習(xí)機(jī)