高爐爐溫預(yù)測控制模型的研究.pdf

1、本論文課題選自聯(lián)峰鋼鐵公司橫向項目─《永鋼生產(chǎn)運行綜合管理系統(tǒng)》，針對張家港聯(lián)峰鋼鐵公司7座350-580m3無料鐘爐頂高爐目前存在的煉鐵自動化程度不高、爐溫控制完全靠人工經(jīng)驗操作等問題進行研究。在分析現(xiàn)場冶煉工藝、冶煉流程以及大量生產(chǎn)數(shù)據(jù)的基礎(chǔ)上，采用現(xiàn)代智能算法建立高爐爐溫預(yù)測控制模型，指導(dǎo)高爐工長操作，提高鐵水質(zhì)量和產(chǎn)量。
　　 論文在閱讀大量國內(nèi)外文獻的基礎(chǔ)上，介紹了國內(nèi)高爐爐溫預(yù)測控制模型的現(xiàn)狀和發(fā)展趨勢。通過對生產(chǎn)現(xiàn)

2、狀、生產(chǎn)流程以及現(xiàn)存問題的分析和研究，針對聯(lián)峰鋼鐵公司高爐生產(chǎn)的實際情況，提出了建立爐溫預(yù)測模型的方案，即：在現(xiàn)有數(shù)據(jù)采集系統(tǒng)的基礎(chǔ)上，集成煉鐵生產(chǎn)過程數(shù)據(jù)及各個信息子系統(tǒng)數(shù)據(jù)；通過對生產(chǎn)數(shù)據(jù)的分析及處理，運用神經(jīng)網(wǎng)絡(luò)建立高爐爐溫預(yù)報模型。本文主要介紹了高爐數(shù)據(jù)采集點的具體采集過程、數(shù)據(jù)預(yù)處理及爐溫預(yù)測模型建立的過程。
　　 論文從煉鐵機理及工藝的角度深入分析了預(yù)測爐溫所需要的數(shù)據(jù)。通過對高爐的現(xiàn)場設(shè)備、生產(chǎn)數(shù)據(jù)的存儲現(xiàn)狀進行詳

3、細(xì)的分析，確定了所需數(shù)據(jù)的來源及對應(yīng)的接口標(biāo)準(zhǔn)。簡單介紹了現(xiàn)有數(shù)據(jù)采集系統(tǒng)的架構(gòu)和功能；接著詳細(xì)論述了高爐異構(gòu)數(shù)據(jù)源數(shù)據(jù)集成方式；最后重點闡述了高爐自動化系統(tǒng)數(shù)據(jù)采集的具體實現(xiàn)過程，最終實現(xiàn)對預(yù)測模型所需數(shù)據(jù)的采集。同時考慮到高爐數(shù)據(jù)受到各種噪聲的干擾，影響建模的精度。故對在線采集到的高爐數(shù)據(jù)進行了預(yù)處理，包括數(shù)據(jù)的一次預(yù)處理、二次預(yù)處理及數(shù)據(jù)的歸一化處理。為爐溫預(yù)測模型的建模打下堅實的數(shù)據(jù)基礎(chǔ)。
　　 本文在簡單介紹神經(jīng)網(wǎng)絡(luò)基

4、本思想的基礎(chǔ)上，重點闡述了建立基于人工神經(jīng)網(wǎng)絡(luò)高爐爐溫預(yù)報模型的過程。首先利用相關(guān)性分析方法，分析各工藝參數(shù)之間的相關(guān)性、探討各工藝參數(shù)對高爐鐵水硅含量[Si]影響的滯后時間；接著在眾多影響爐溫的參數(shù)中篩選出相關(guān)系數(shù)較大的參數(shù)作為模型的輸入?yún)?shù)，最終確定神經(jīng)網(wǎng)絡(luò)的輸入量和輸出量；最后把處理過的生產(chǎn)過程數(shù)據(jù)作為樣本數(shù)據(jù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并將網(wǎng)絡(luò)的輸出值與實際值進行比較，實驗結(jié)果表明，改進的BP網(wǎng)絡(luò)對高爐鐵水硅含量[Si]預(yù)報的命中率明顯高于