（运筹学与控制论专业论文）支持向量机在高炉炉温预报中的应用.pdf

浙江大学硕 士 学位论 文 要 高炉炼铁是钢铁t 业的上游主体工序作为国民经济支柱产业的重要组成部分，它对钢 铁工业的发展与节能降耗都起重要的作用。高炉冶炼过程是一个高度复杂的过程，其运行机 制往往具有非线性、时滞、高维、人噪声、分布参数等特性。高炉炼铁过稃的炉温预测与控 制的数学模型研究，既是炼铁自动化中的难题，也是实际炼铁生产中t 长雨i 厂k 都十分关注 的重要课题。炉温的准确预报，将有助于t 长提高操作水平，从而达到提高利用系数和降低 焦比的目的。 支持向量机是基丁_ 统计学习理论发展而来的一种机器学习算法，它能较好地解决非线 性、高维数、小样本、局部极小点等实际翔题。目前，已被“泛应用于模式识别、函数逼近、 数据挖掘等领域。论文选取莱钢1 号高炉( 7 5 0 m 3 ) 在线采集的1 0 0 0 炉数据，通过相关系 数的计算分析了高炉冶炼过程状态变量( t 4 速、透气性、铁量差) 和控制变量( 喷煤、风量、 风温) 与高炉铁水含硅鼙 s i 】( 高炉铁水含砖量反映了高炉化学热，可以刚米表示炉温) 的 相关性，在此基础上，建立了基于支持向鲑机的铁水硅含量数值预报模掣雨l 铁水硅禽鼙多类 别分类模型。 论文i 要包括以r 冈个方面的内容：高炉炼铁、高炉专家系统和炉温预测的概述：高炉 冶炼过科状态参数利控制参数的分析：统计学习理论和支持向量机方法；基于支持向量机的 铁水硅含量数值预报模型和铁水硅含最多类别分类模型。 论文选取了5 0 组测试数据分别鹿片j 时间序列a r 模型和支持向量机模删进行预测，井 对预测结果进行了比较。结果表明：与a r 模型相比，基于支持向量机的预测模刑明显提高 了铁水硅禽罱预报命中率。论文政进了m _ a r y 分类方法，在使用f 均值算法对莱钢1 号高 炉( 7 5 0 m 3 ) 在线采集的1 0 0 0 炉高炉铁水禽硅量f s i l 时间序列做聚类分析的基础上，实现了 对 s i 】的多类别分类，并对备分类机的性能做出评价。 关键词：高炉炼铁，铁水硅含量，统计学习理论，支持向量机，分类，预测 浙江太 学 硕士 学位论文 a b s t r a c t b l a s tf u r n a c ei r o n m a k i n g ，w h i c hi st h em a i nw o r k i n gp r o c e d u r eo ft h es t e e l i n d u s t r y , i st h ep i l l a ro ft h en a t i o n a le c o n o m y , a n di sv e r yi m p o r t a n tf o rt h es t e e l i n d u s t r y a n d e c o n o m i z i n ge n e r g y s o u r c e s b f i r o n m a k i n gp r o c e s s i s h i g h l y c o m p l i c a t e d ，w h o s eo p e r a t i n gm e c h a n i s mi sc h a r a c t e r i s t i co fn o n l i n e a r i t y , t i m el a g ， h i g hd i m e n s i o n ，b i gn o i s ea n dd i s t r i b u t i o np a r a m e t e re t c t h em o d e l st op r e d i c ta n d c o n t r o lt h es i l i c o nc o n t e n ti nm o l t e ni r o ni st h ek e r n e lo fa u t o m a t i o ni nbfi r o n m a k i n g e x a c t p r e d i c t i o no ft h es i l i c o nc o n t e n tc a nh e l pf o r e m a nt oe n h a n c eo p e r a t i o nl e v e la n dr e t r e n c hc o k e r a t e s v m ( s u p p o r tv e c t o rm a c h i n e s ) i san o v e la r i t h m e t i co fm a c h i n el e a r n i n gw h i c hi sb a s e do n s l t ( s t a t i s t i c a ll e a r n i n gt h e o r y ) i t c a ns o l v et h e p r o b l e mc h a r a c t e r i z e db yn o n l i n e a r , h i g h d i m e n s i o n ，s m a l ls a m p l ea n dl o c a lm i n i m i z i n gp e r f e c t l y p r e s e n t l yi th a sb e e nw i d e l yu s e di n p a t t e r nr e c o g n i t i o n ，f u n c t i o na p p r o x i m a t i o na n dd a t am i n ee r e ，i nt h i sp a p e r , an e wa p p r o a c ht o p r e d i c tt h es i l i c o nc o n t e n ti nm o l t e ni r o n ( t h es i l i c o nc o n t e n ti nm o l t e ni r o nr e f l e c t st h ec h e m i s t r y t e m p e r a t u r eo fb f ，m i g h tb eu s e dt oe x p r e s st h et e m p e r a t u r eo fb f 1a n dc l a s s i f i e ro fs i l i c o n c o n t e n ti nm o l t e ni r o nb a s e do ns v ma r ep r o p o s e d o nt h eb a s i so fa n a l y z i n gt h ed a t af r o mt h e i n t e l l i g e n tc o n t r o le x p e r ts y s t e mo n7 5 0 m 3b fl a i w ui r o n & s t e e lg r o u pc oa n di r o n m a k i n g k n o w l e d g e ，s v mm o d e li se s t a b l i s h e dt op r e d i c tt h es i l i c o nc o n t e n ti nm o l t e ni r o n t h e r ea r ef o u rp a r t sp r e s e n t e di nt h i sp a p e r i nt h ef i r s tp a r t ，t h eb fi r o n m a k i n gp r o c e s s b f e x p e r ts y s t e ma n dt h em e t h o d st op r e d i c tt h es i l i c o nc o n t e n ti nm o l t e ni r o na r ei n t r o d u c e d i nt h e s e c o n dp a r t ，t h ec o n t r o lp a r a m e t e r sa n ds t a t ep a r a m e t e r so fb fi r o n m a k i n gp r o c e s sa r ea n a l y z e d i nt i l et h i r dp a r t ，t h es t a t i s t i c a ll e a r n i n gt h e o r ya n ds u p p o r tv e c t o rm a c h i n ea r ei n t r o d u c e d i n t h ef o u r t hp a r t ，t h em o d e lt op r e d i c tt h es i l i c o nc o n t e n ti nm o l t e ni r o na n dc l a s s i f i e ro fs i l i c o n c o n t e n ti nm o l t e ni r o nb a s e do ns v m a r ep r o p o s e d t i m es e r i e sd a t ao f s i i nh o tm e t a la c t u a l l yo b s e r v e di nn o 1 b l a s tf u r n a c ea tl a i w u1 r o n a n ds t e e l g r o u pc o a r et a k e na ss a m p l es p a c ew i t ht h e c a p a c i t yo f 10 0 0t a pn u m b e r sa n d s a m p l i n gt i m ei n t e r v a lo f2 h t h ed a t ao f s i i sd i v i d e di n t o5c l a s s e sa c c o r d i n gt oc 。m e a n c l u s t e r i n ga l g o r i t h m i n t h i s p a p e r , m u l t i - c l a s sc l a s s i f i c a t i o no f s i b yi m p r o v e dm a r y c l a s s i f i c a t i o ni s p r o p o s e d ，a n da b i l i t i e so fd i f f e r e n tc l a s s i f i e r sa r ec o m p a r e d t h ep r e d i c t i o n m e t h o db a s e do ns v m g e tah i g h e rh i tr a t i o ，w h i c hc o m eu pt om o r et h a n8 5 ，t h a nt h o s eo fa r m o d e l ，w h i c ho n l yc a nr e a c h7 5 k e y w o r d sb fi r o n r n a k i n gp r o c e s s ，s i l i c o nc o n t e n ti nm o l t e ni r o n s t a t i s t i c a ll e a r n i n g t h e o r y , s u p p o r tv e c t o rm a c h i n e ，c l a s s i f i e r , p r e d i c t i o n i i 浙江大学硕士学位论文 第_ 章绪论 1 1 论文研究的目的和意义 国家自然科学基金委员会在1 9 9 5 年出版的自动化科学与技术一自然科学学科发展战 略调研报告一b 中”1 ，把工业自动化、复杂系统的建模与控制、智能白动化二方面课题列 为“中近期战略目标、重点方向”的交叉学科分支的共同问题。书中指出：“钢铁、能源、 石油化 ：等连续生产过程往往涉及许多复杂的对象，其中包括最常见的高炉、反应器等。它 们的运行机制都尚未弄清，往往带有非线性、分布参数等特征，并有着强烈的随机特性。因 此需要探索新的建模利控制的原理和技术，其中不仅包括自适麻控制、鲁棒控制、预测控制、 容错控制、模糊控制等新控制手段的应用，而且要研究定性建模，以及基7 - ( 专家) 知识控 制等智能化技术的应用。”由此可知，高炉炼铁自动化数学模型课题是一项“需要探索新的 建模和控制的原理和技术”的难题。 高炉冶炼过程是一个高度复杂的替线性动力学过程。仅从化学反应动力学角度考察，炉 内发生的主要化学反应就多达1 0 8 种”其高度复杂性可想而知；而从流体动力学角度考察， 高炉冶炼过程存有三相混合可压缩的粘性流体，其流体动力学方程完全是非线性的。此外， 高炉冶炼过程所具有的时变、高维、分布参数等复杂特性9 】和封闭条件下的操作所带来参数 检测上的困难，使得高炉冶炼过程的自动化操作和控制成为冶金= _ r = 作者面临的难题。 本文以高炉冶炼过程在线采集的表征高炉炉缸热状态的铁水含硅量 s 为研究对象，将 支持向罐枧应用于高炉铁农含硅量【s 预报，建立了基于支持向量机的高炉铁水含硅鼙 s - 】 数值预报模型，在中小型高炉炉温波动频繁、幅度较大的情况下，获得了较好的预报效果。 擐后在聚类分析的基础上建立了高炉铁水含硅量f s i 】多类别分类模型。 1 2 高炉炉温预测模型研究综述 高炉冶炼过剧中，铁水含硅量 s i 和舍硫鼙 s 】是评定高炉炉况稳定性平【| 铁水质封的重要 指标，也是表征高炉热状态及其变化的标志之一。多年米，为r 有效地控制高炉冶炼过程， 对铁水含硅量 s 口预测方法的研究一直是炼铁生产中的重要课题。据不完全统计，目前已开 发的高炉铁水含硅量【s 】预报模型有： ( 】) w u 模型【4 1 w u 模型是由法国钢铁研究院t1 9 6 7 年建立的。该模z 科利川炉顾煤气成分和铁水成分 借助高炉物料平衡利热平衡计算高炉炉热状态指数，进而反映高炉铁水 s i 的变动特征。 浙 江 大学硕 士 学位论文 ( 2 ) e c 模型5 i e c 模型是比荷卢冶金研究中心于1 9 7 2 年开发的。该模型同w u 模型一样，也是根据高 炉质量平衡和热量平衡，推导出代表高炉热状态的指数，进而反映高炉铁水 s i f i 9 变动特征。 ( 3 ) 多变量一阶臼同归矢量模型【6 l w i s c o n s i n 人学的p a n d i t 等人于1 9 7 5 年基于数理统计的方法，以高炉铁水【s i 历史数据 为基础，按照时间序列自回归模型，结合其它参数建立的一阶线性预报模型。该模型在炉温 平稳的情况具有较高的命中率。 ( 4 ) t c 模型f 7 1 1 9 8 0 年，日本新日铁公司住高炉冶炼机理模型的基础上，根据焦炭理论燃烧温度，建立 了反映风口燃烧带平均温度与实际铁水温度之间关系的数学模型，从而通过控制重油喷吹量 来控制铁水温度。 ( 5 ) 神经网络模型阻9 】 神经网络是2 0 世纪8 0 年代后期发展起来的一门新兴学科，文献【8 ，9 1 利j j 神经网络的： 线性动态数据处理特性，将其引入到高炉铁水含硅量【s i 预报中，采用四种不同的算法加以 比较，得山模糊神经网络具有较好的预报效果。 ( 6 动力学模竹妙i o , i i 】 1 9 9 5 年重庆人学高小强等人【”高炉冶炼过程视为非线性动力系统，利川混沌理论建 立高炉铁水 s i 和【s 预报模掣，以预报值和实际值之间的相关系数为衡煞指标，得出模型的 预测效果较好。2 0 0 0 年，文献川利用实际测得的炉温值，基于混沌理论，建立了g r b f ( 高 斯径向基函数网络) 模型来预测高炉铁水含硅量【s i 】，也取得了比较好的效果。 ( 7 ) 贝叶斯网络模型 2 0 0 4 年浙江大学刘学艺在其硕士学位论文中，利用贝叶斯网络在处理复杂不确定性方 面的优势，结合高炉冶炼过程各个参数的因果关系，建立了高炉炉温预测的贝叶斯网络模型。 预测结果表明，模型在炉温波动较大的情况下，仍有较高的命中率。 ( 8 ) 混沌预测模型 2 0 0 4 年浙江人学数学系郜传厚住其博十学位论文中，从混沌动力学的角度剖析了高炉 冶炼过程，数量化计算的高炉冶炼过程的混沌性，并建立了基丁混沌理论的高炉铁水砖含草 【s 】的预测模型年| l 控制模型。利用相空问技术和嵌入定理，以在线采集的高炉铁水硅含n s i 时间序列作为样本空间( 容量为1 0 0 0 炉数据) ，对相应的高炉冶炼过程进行相空间重构，计 算了高炉冶炼过程的饱和关联维数、l y a p u n o v 指数、k o l m o g o r o v 熵和功率谱，定量说明了 一7 一 浙江大学硕 士 学位论文 高炉冶炼过秽具有混沌性。并且分别用混沌一阶局部预测法、混沌加权一阶局部预测法、最 人l y a p u n o v 指数法、v o l t e r r a 自适应滤波器预测法对高炉的铁水硅含量【s ”进行了预测计算， 通过对比确定了预测效果较好的是修正混沌加权一阶局部预测法。 ( 9 ) 小波分析预测模型【”1 2 0 0 5 年浙江大学王文慧在其硕士学位论文中，将信号通过小波分解一层一层地分解到 不同的频率通道上。由丁= 分解后的信号在频率成分上比原始信号单一，并且小波分解对信号 做了平滑，冈此分解后信号的平稳性比原始信号好得多，对于信息的分析研究具有明显的优 势。应闱小波分析与时间序列相结合的方法进行铁水硅含量 s 】预报与自回归a r 模型的预 测结果进行比较证明小波分析方法显著提高了铁水硅含量 s i 的预报命中率。 上述高炉铁水含硅鼙 s 日的预报模型，既有静态模型，也有动态模型，或者是两者的综 合。由丁高炉冶炼过程是一个非线性、大噪声的动态过程，动态模型更能反映高炉动态变化 特征。但这些模型也有不足之处，如神经网络模型在国内炉况波动比较人的中、小型高炉上 运用并不理想：动力学模型并没有确定高炉冶炼过程的混沌性，也没有考虑高炉冶炼过程中 的时滞现象，基于炉温数据直接对其预报，国内许多高炉目前的检测条件还达不到；模型( 7 ) 虽能较好地适应炉况波动的情况，但仍需进一步完善。 1 3 高炉专家系统简介 随着对高炉铁水含硅量【s i 预测模型研究的不断深入，人们很快意识到利用专家系统 技术实现对高炉冶炼过程的控制，是当今高炉计算机控制的发展方向”1 。实现高炉冶炼过 程的智能化控制成为炼铁学科技术进步的前沿课题。 日本是撮甲将号家系统技术引入到高炉操作领域的国家，随后美国、芬兰、奥地利笛阚 也相继开发了各白的专家系统。目前，国际上开发应川的有代表性的“高炉专家系统”有： ( 1 ) 日本川崎公司开发的a g s ( a d v a n c e dg o s t o p ) 系统m 1 a d v a n c e dg o s t o p 系统是由日本川崎公司于1 9 7 9 年开发的，目前己发展至第三代。该 系统是按照高炉一艺机理利操作经验相结合的方法建立的。它采用全局透气性、局部透气性、 炉子热状态、炉顶煤气与温度分布、炉体温度、炉缸渣、铁残留繁等8 个参数的水准值以 及风压、各层炉身压力、炉热指数、炉顶煤气c o 及n 2 浓度等参数的变动值进行综合判断， 从而得出炉况的“好”、“注意”、“坏”的结论。 ( 2 ) 芬兰r a u t a r a u k k i 公司开发的高炉控制专家系统 该系统是芬、! r a u t a r u u k k i 公司在引进l q 本a d v a n c e dg o s t o p 系统的基础上，丁1 9 9 l 浙江大学硕 士 学位 论 文 年根据自己控制高炉生产的认识完成的，它包括两个锂能库，共有8 5 0 条规则。一个智能序 州下高炉正常操作，而另一个用于停炉后的开炉以及炉况突变时降低鼓风量和故障诊断等。 ( 3 ) 奥钢联的v a i r o n 高炉优化控制系统 v a i r o n 高炉优化控制系统是奥钢联于1 9 9 2 年开发的“咨询式”专家系统，并在1 9 9 6 年升级为| ! j 1 环专家系统。该系统综合了高级过程模型、人l 智能、例环专家系统、软件强化 应川以及操作统计数据席各部分。该系统能使揲作人员在高炉操作中看到炉内冶炼情况， 从而实现擞作状况完全透明。同时该系统实现了高炉全自动操作，促使高炉炉况稳定、铁水 质量稳定及生产成本进一步降低。 在追踪国际先进水平过程中，国内开发的具有代表性的“高炉专家系统”有： ( 1 ) 首钢人工智能高炉冶炼专家系统【”1 首钢从7 0 年代开始研制高炉模型，1 9 8 9 年与北京科技大学合作开发“人j ：智能高炉冶 炼专家系统”。该系统应_ h j 模糊矩阵、隶属度、隶属函数等构成知识库、推理机，并与统计 模型、机理模型结合，从高炉炉体状态、热状态和高炉颞行状态入手，全茁地判断高炉冶炼 过程，具有功能j 。泛、实用性强的特点。达到当时国内开发的专家系统的先进水平。 ( 2 ) 鞍钢1 0 号高炉热状态专家系统0 2 0 1 上世纪8 0 年代中期，鞍钢将人工智能专家系统引入到高炉过程控制中米，将炼铁理论 和操作经验规则化列入推理过程中，开发了高炉热状态专家系统。该系统以专家知识为基础 判断炉热状态及演变趋势，并将自适应模型、非线性模型和神经元网络模型等3 个【s i 】预报 模型结合起来，对热状态、变化趋势及铁水含硅量进行综合预报和推断。 ( 3 ) 马钢2 5 0 0 m 3 高炉自动化控制系统【2 1 1 上世纪9 0 年代初，原冶金部自动化研究院与马钢合作开发高炉自动化控制系统。该系 统类似ra d v a n c e dg o s t o p 系统，包括高炉上料系统、高炉炉顶系统、高炉本体系统、高 炉煤气洗涤系统、热风炉系统和高炉喷吹煤粉系统。 ( 4 ) 浙江人学“高炉智能控制专家系统”1 2 2 1 9 9 4 年，浙江火学开始白主开发“高炉炼铁优化专家系统”，并且在1 9 9 9 年被国家科 技部列入国家级科技成果重点推广计划项目，浙江大学为技术依托单位。目前该系统已 历经三代版本升级，发展成为“高炉智能控制专家系统”。该系统根据我国炼铁专家提出的 “优质、低耗、高产、长寿”的炼铁目标和“安全、稳定、均衡、顺行”的操作方针建立 起高炉炼铁过程的多目标优化模型，其主要功能包括数据仓库、设备诊断、炉况故障诊断、 软件仪表、l 艺参数系统优化、炉温预测与智能控制以及管理报表自动化等部分。 4 浙江大 学 硕士 学 位论文 除了自主开发的高炉专家系统外，2 0 世纪8 0 年代以来，宝钢、武钢、首钢、本钢、昆 钢、攀钢等企业的大型高炉还分别引进了日本的“a d v a n c e dg o s t o p 系统”、芬兰r a u t a r u u k k i 公司的“高炉控制专家系统”和奥钢联的v a i m n 高炉优化控制系统，取得了一定的应用成 效，也付出了昂贵的学费( 每套“专家系统”软件费8 0 万一1 4 0 万美元) 。 应州“高炉专家系统”是炼铁技术发展的大趋势，其中对高炉炉温( 【s j 】) 的预测控制， 尤其在非稳定炉况f 对高炉炉温的预测控制，是高炉冶炼过程智能化控制的核心，也是实现 高炉冶炼过程白动化的j f i i 点所在。 1 4 论文的主要内容 本文分析了影响高炉炉温的几个重要参数，并做了各参数对炉温影响的时滞分析。从高 炉冶炼的反应机理出发既考虑到影响高炉铁水含硅量 s q 的状态因素，如铁量差、透气性又 考虑到了喷煤、风温、风量等控制因素，建立了基于支持向量机的高炉铁水含硅量【s 数值 预报模型。使用l s s v m 算法8 3 l 将模型中的二次优化问题转化为求解线性方程组问题，具 有收敛速度快、模犁参数确定方便的优点。利用c 一均值聚娄算法f “1 对莱钢1 号高炉住线采 集的1 0 0 0 组高炉铁水砖含量时间序列作聚类分析把 s i 分成5 类，改进了m a r y 分类方法， 将原来的数组输出转换为数值输出，结合c s v m 、l s s v m 、w - l s s v m 2 6 1 等二分类算法 实现了对 s 1 】的多类别分类，并对各分类算法的性能给出了评价。本文引入控制参数进行 s i 】 的数值预报利多类别分类预报能够为高炉：j 一长对高炉进行预测控制提供指导。 浙 江大 学硕 士 学住论 文 第二章高炉热状态相关工艺参数分析 2 1 高炉冶炼过程的工艺机理 人们为了探索高炉炉温的变化规律，保证高炉稳定顺行，并且最终实现高炉过群自动化 控制，深入剖析了高炉炼铁 _ 艺机理，建立了一+ 系列的【艺机理摸犁。 这些工艺机理模型研究包括反应动力学模型、反应热力学模型( 例如高炉内铁氧化物还 原动力学、高炉气体动力学、高炉热平衡热交换【2 7 1 等) ：高炉各分区热平衡模型( 例如软融 带模型、风口燃烧带模型等) ；高炉侵蚀模型口8 1 等等。然而，当在高炉过程控制中应用这些 模型时，立即遇到这些模型参数在实际高炉冶炼过程中的“可观测性”、“可计算性”和“可 控性”的问题。 以高炉冶炼过程能量非线性消耗的控制问题研究为例，从工艺机理出发研究，不仅要考 虑传统的热平衡与物料平衡的能量消耗，考虑冶炼过程的反应热力学与反应动力学中的微观 能譬消耗，面且需要考虑冶炼过程的气一液一同三相流体力学带来的能量消耗。 从微观的角度看，高炉内部发生着天文数字般的化学反应过样。这些不同的反应无法观 测，也无法计算，更无法局部调控。进一步考察高炉内的气一液一吲三相流体，这是可压缩 的、有黏性、非连续的流体。从流体力学的角度研究的高炉过程机理同样存在无法检测、无 法计算与无法局部控制的问题。 因此，在高炉炼铁这种人生产中，实验室单纯条件f 得到的微观机理模型研究的数量化 结论的应用受到限制。但是机理模型能从理论上发挥其指导作用，指导着宏观运筹控制数学 模型的构造。我们依据机理模型的指导，在实际计算中更多地考虑宏观统计特性对过程随机 控制的影响，从而得到拟合实际生产过程的宏观统计规律，指导生产达到优化的效果。 2 2 高炉炼铁过程的状态参数和控制参数 高炉运行最重要的是要保持其顺行，达到展佳状态。由丁高炉内部非常复杂，处丁“黑 盒”状态，冈此需要通过一些可以观察的参数来对高炉炉况进行判断，这些参数称之为状态 参数。状态参数既是反映高炉冶炼过程状态的特征参数，同时也是控制参数作用的结果，它 们无法像控制参数那样进行实时调整。比较重要的状态参数有料速、透气性、风v i 状况、铁 水与炉渣成分等，这些参数中有些可以通过人_ l = 观察得到，有些可以通过计算机自动采集比 较精确得到。这样，在对高炉状态进行判断时，应当将计算机判断与入t 判断结合起来，从 而得到比较准确的判断。 状态参数反映了高炉当前运行状态，而当1 1 支要对炉温进行调控的时候，就需要利用控 6 浙 江 大学硕 士 学位论 文 制参数了。影响热状态的参数很多，既有入炉原料的性质( 成分、比重、配料比等) 、装料 方式等上部控制参数，同时又受到风量、风温、喷煤以及富氧量等下部控制参数的影响，而 且各个参数之间也存在着相互影响。 在建立冶炼过程控制数学模型中，相关参数的选取原则是： ( 1 ) 选择的参数必须符合高炉在生产中的实际情况，根据自身的技术特点进行选取： ( 2 ) 根据高炉现场一作人员的操作经验进行参数选取，了解工长在操作时最关心的参 数是什么，不太关心的参数是什么； ( 3 ) 选取参数较多时，由于参数之间的自相关性的存在，有必要控制参数的个数，尽 擐选取涵盖信息最比较大的参数。 ( 4 ) 做参数与铁水醚含量的相关性分析，求相关系数，选择相关系数较人的参数。 基丁以上原则选取了以下6 项参数进行建模的深入分析：料速、透气性指数、风量、风 温、喷煤、铁量差。 料速 高炉冶炼中的各种物理化学过程都是在炉料和煤气的逆向运动中进行的，因此保证炉 料的顺利下降和煤气流的台理分布。是高炉生产得以进行的基本前提。炉料要下降高炉f 部 必须有空间刚，护内形成空间的原冈有以f ) l 个方面i ”i ： ( i ) 风口前焦炭的燃烧。炉内焦炭占料柱总体积的5 0 ，风口前焦炭燃烧气化，生成还 原所需的热量或c o ，参与还原反应后成为混合煤气从炉顶逸出，从而为炉料f 降提供了3 5 4 0 的空间； ( 2 ) 赢接还原消耗碳素，这一部分约与1 5 左右； ( 3 ) 矿j ，i f 降过程中，重新排列和压紧并熔化成液相而使体积缩小，这一部分能提供3 0 左右的空间： ( 4 ) 放出渣铁，这一部分可提供2 0 的空间。 高炉料柱的实际f 降过群中还需要克服一系列阻力。炉料是靠自身的重力l 作用f 降的，f 降过程中遇到的阻力包括： ( 1 ) 炉墙的摩擦力氏： ( 2 ) 料块中速度慢的部分与速度快的部分之间的内摩擦力如； ( 3 ) 煤气上升的浮力p 。 浙 江大 学 硕 士 学住 论文 这样，炉料实际的f 降阻力f 可用f 式表示 f = ( 一一p 抖) 一廿= 岷一p 式中= ( 一p 墙一p 科) 为炉料下降的有效重量a 显然，炉料下降的力学条件是f 0 ，亦即矸，效 p 。f 值越大越有利于炉料的顺行， 当阡，效= 尸时，将产生炉料难行和悬料现象。 影响的因素主要有： ( 1 ) 肖高炉喷吹燃料时，焦炭负荷和入炉料的堆比重增加，采用混装时的堆比重也增加， 这就使炉容中炉料的重鼙玎名增加。 ( 2 ) 减小炉身角或增人炉腹角均可减小p 堵，但炉身角过小会使边缘煤气流过分发展， 炉腹角过大会烧坏炉腹冷却设备。增加风口数目有利于减小尸墙，高炉结瘤则魄增大。 ( 3 ) 降低料柱高度可降低只4 ，同时也会降低。 影响尸的主要因素有： ( 1 ) 煤气流速。煤气流速高则p 增大。 ( 2 ) 原料性质。原料粒度大，尤其是粉末少，有利于降低a p ，粒度差缩小也会降低p 。 ( 3 ) 煤气流的重度和粘度。煤气流的重度和粘度降低可使p 减小。高炉喷吹燃料时增 加煤气中的日：含鼙，可使煤气流的重度和粘度减小，提高风温和富氧鼓风，能提高煤气温 度，使煤气流粘度增人。 ( 4 ) 软熔带的形状。煤气通过软熔带时的乐力损失最火，减薄软熔带可降低a p ，改善 炉渣性质也可降低p 。 ( 5 ) 炉料的分布。发展边缘煤气流的炉料分布有利于降低p ，但不利于利用煤气和保 护炉墙。 料速的变化可以反映炉温的状态。当炉温向热时，料速由快变慢，料速增快则预示炉温 卜- 行。 料速可用料尺探测，也- i t l t 单位时间的f 料批数表示料速。这两种方法得到的料速值都 比较粗糙。由于料速是反映炉温状况的一个重要参数，所以在进行建模时，要对料速进行精 确计算。本文中的料速指的是每小时进入高炉内的理论铁鼙。首先计算出一段时间内进入高 炉的烧结矿、球团矿等各种矿的重簧。然屙根据某种矿的铁品位计算矿l i 所包含的理论铁量， r 浙 江 大学硕 士 学位论文 用得到的理论铁量除以小时为单位的时间间隔就可得到料速值。具体计算公式如f f 3 0 】： l s ：l f e ：s j ，f e 1 + ，q t f e 2 + s k f e 。3 + o 、t ，h f e 4 ? ? 。 式中：上n ：理论铁最：，烧结矿量：q n 球团矿量；s k ：生矿最；o t h ：其它矿量： f e l 尼4 ：相应各种不同矿的理论铁品位。 得到的料速既可反映出炉料f 降的快慢，又可反映出每小时理论出铁量的多少，为p 一炉应当山多少铁提供依据。 透气性指数 散料层的透气性主要取决于散料的气体力学性质，其中主要取决于散料的粒度、堆密度、 空隙度、比表面积、形状系数、堆角等。散辩层透气性的变化非常敏感地被反映在高炉操作 上。现场常采用透气性指数的概念，这个概念定义为风量和压差的比值。若记透气性指数为 f f ，则可用公式表示为： f f ：鱼：监堕幺 p & 一p 顶 式中： ：总风量，m 3 r a i n ； 前：富氧鼓风前的风量，m 3 r a i n ； ：富氧鼙，m 3 r a i n ；p ：压筹，m p a ； & ：热风压力，m p a ：乓：炉项压力，m p a 。 透气性指数是一个复合参数，它的取值不是直接采集得到而是通过别的参数计算得到。 本文用到的透气性指数的值是按照上面的公式计算后义加权平均得到的炉级数据【”1 。透气 性指数属丁高炉的状态参数，它反映了高炉炉料的顺行状况。不同的高炉在不同具体条件 r ，各有其适肖的透气性范围。透气性指数与炉温的芙系比较复杂，是非线性关系。当炉 温由热向凉时，初期压差略降低，透气性指数增大。但是过凉时，由丁压差增高，透气性 指数会减小，波动人。当炉温向热时，随着压若升高，透气性指数降低，初期波动较小， 过热时波动增大。 风量 风量对高炉冶炼的f 料速度、煤气流分布、造渣制度和热制度都产生重要影响。一般情 况f ，增加风量，综合冶炼强度提高。另外，风鼙与下料速度和生铁产量成止比关系，但它 浙 江大 学硕 士 学位 论文 只有在燃料比降低或维持燃料比不变的条件下，上述关系才成立，否则适得其反。风量的调 节作_ j 是： ( 1 ) 控制料批，实现计划的冶炼强度，并保持料线。 ( 2 ) 稳定气流。炉况不顺的初期，减小风量是降低压差、消除管道、防、i l 难行、崩料 和悬料的有效手段。 ( 3 ) 炉凉时减风控制料速，可迅速避免炉温下滑：热行而料批又不足时，可酌量加风。 一般在炉况顺行的情况下，为获得高产应使用高炉顺行允许的最人风量，即全风作业 保持稳定。高炉生产实践证明，使用风量过小时，由于燃烧的焦炭量和产生的煤气量过少， 这对提高炉温是不利的。风量必须与料柱透气性相适应，所以改善料柱透气性是增加风量 的基础。风量变化直接影响炉缸煤气体积，因此正常生产时加风一次不能过猛。否则将破 坏顺行。一般中型高炉每次加风控制在3 0 5 0 m 3 m i n ，间隔时间2 0 3 0 m i n 。在非特殊情况 下，应保持全风操作，不要轻易减风。必须减风时，一次可减到需要水平。在未出渣铁前， 减风应密切注意风口状况，避免灌渣。 风温 提高风温可火幅度地降低焦比，是强化高炉冶炼的重要措施。提高风温能增加鼓风动能， 提高炉缸温度活跃炉缸一l 作，促进煤气流初始分布合理，改善喷吹燃料的效果。冈此，在高 炉生产中，要采川高风 5 i ；l 操作，充分发挥热风炉的能力及高风温对炉况的有利作_ l _ j ：风温水 平不同，提高风温的协焦效果亦不同在较低风温时，提高风温对降低焦比的效果较显著。 反2 ，风温逐渐提高，降低焦比的效果逐步减小。风温在1 0 0 0 1 3 左右时，增减l o o 风温， 将影响焦比1 7 k g t 左右。 在喷吹燃料情况f ，一般不使用风温调节炉况，而是将风温固定在较高水平上，_ 【f j 喷煤 蛀来调节炉温。这样可最大限度发挥高风温时的作_ j ，维持合理的风口前理论燃烧温度。 风温作为高炉调节手段，其调悼有如f 特点： ( 1 ) 小幅度改变风温，对煤气体积、矿石还原和料速等的影响不大；而大幅度改变将 引起炉缸温度、煤气体积、还原平| 1 料速等冶炼进程的显著变化。 ( 2 ) 炉热时降风温幅度可较人：炉凉时每次提高风温幅度宜小。 ( 3 ) 峻吹燃料时，因喷吹物分解耗热，风口前温度降低，且鼓风带入热量。，炉缸总热 量收入的比率减小，所以风温变动对炉缸煤气体积、温度和鼓风动能等的影响也较非喷吹燃 料时的小。 j 0 浙江大学硕 士 学位 论文 ( 4 ) 风温对焦比( 或炉缸热平衡) 的影响随风温水平升高而减弱，从而对炉温的作用 随之减小。 ( 5 ) 为发挥热风炉的作用，保持最高风温水平生产，采用l 刮定风温而调节喷吹量或鼓 风湿分的方法较为有利。 喷煤 喷煤是高炉操作中彼重要的调节手段，它可以降低焦比，提高产量和改善生铁质量，而 且能促进高炉顺行。 喷吹燃料在热能和化学能方面可以取代焦炭的作用。但是，不同燃料在不同情况下，代 替焦炭的数簧是不一样的。通常把单位燃料( k g ) 能替焦炭的数量称为置换比。经验表明， 随着喷吹鼙的增加，置换比不断降低。这是由丁- 喷吹的燃料进行加热分解雨1 气化时要消耗一 定的热量，使炉缸温度降低。喷吹燃料越多，炉缸温度降低也越多。这就降低了燃料的燃烧 率。因此要在不断增加喷吹量的同时，充分考虑由于置换比降低所带来的影响和采取提高置 换比的相应措施，如提商风温给予热补偿；提高燃烧率；改善原料条件以及选_ l = i j 合适的操作 制度。 喷吹燃料进入风口后，其组分分解需要吸收热量，其燃烧和分解反应的产物参加对矿 石的加热和还原后才放出热量，冈此炉温的变化要经过一段时间才能反映出来，这种炉温 变化滞厉丁喷吹量变化的特性称为“热滞后性”。热滞后时间大约为冶炼周期的7 0 。热滞 后性随炉容、冶炼强度、喷吹量等不同而异。用喷吹量调节炉温时要根据炉温趋势和热 滞屙时问，做到甲调，调剂萤准确。喷吹设各临时发生故障时，必须根据热滞历时间准 确地进行变料，以防炉温波动。 铁量差 铁量著指的是理论出铁量与实际出铁量之差。即【”1 ： 铁量差= n t 批t 蛮 式中n 一每次山铁间的f 料批数，批； t 批每批料的出铁黛，批： 强本炉次实际出铁量，t 。 铁量著的夫小反映高炉炉缸中术出尽的铁水数鼙。当实际铁量超过理论铁鲑叫，差值超 浙 江大 学硕 士 学位论 文 过一定值后称为亏铁。有的炼铁厂要求铁量差不大于理论出铁量的1 0 - - 1 5 ，首钢定为 超过1 0 即为亏铁。 亏铁的危害是：影响炉内顺行，使高炉憋风，减少f 料批数，上渣带铁，烧坏冷却设备， 甚至造成冷却设备爆炸。此外，亏铁使得高炉铁口不好维护，易导致恶性事故。因此铁簧差 越小越好。 此外，从影响高炉铁水硅含量的角度考虑，当铁量差为一个较大的正值时，说明炉缸里 还有一定量的铁水未出尽，留在炉缸里的这部分铁水必定会对炉温产生影响，使铁水硅含量 升高。如果铁量差保持在较小的范周内，表示炉缸保持热平衡状态。当铁量差为较大的负值 时，炉缸的热平衡被打破，导致铁水硅含量降低。 2 3 参数的相关性分析 对各个参数采用非线性回归的方法求取参数间的相关系数，如果两个参数的相关系数 较人，则从中选取一个作为模型参数。 、设一个参数为x ，另一个参数为y ，则回归方程为： 多，= a o4 - a 1 誓+ 哆x ，2 ( i ) 其中：，a l ，口2 为待求参数。 相关系数r 为： r = 压磊 利州上面的方法对参数进行相关性分析，得到各参数的相关系数如表2 1 所示 表2 1参数之间的相关系数表 ( 2 ) 相关系数r l sf f f 0f tp mt l c l s1 f fl 0 1 9 9 6 3 3 j f q 0 4 4 6 0 4 30 4 0 4 2 9 f t 1 0 1 5 7 4 9 9一o 1 3 9 3 2- 0 0 8 3 0 p ml 01 4 6 8 5 50 0 8 0 6 4 40 4 0 4 2 90 1 9 8 4 1 5 t l c1 一0 0 4 5 8 8一o 1 6 7 5 8- 0 0 6 2 4 70 0 0 2 2 4 8一o 0 7 0 2 2 浙 江大 学 硕士 学 位论文 2 4 各参数对铁水硅含量影响滞后时间的分析 由于高炉生产自身的特点，高炉生产中影响铁水硅含量的大部分参数存在一定的时间 滞后。可以通过高炉j 二长的经验以及相关性分析的方法求出各参数的滞后时间。 设影响铁水硅含量的参数为x ，铁水硅含量为y ，且设参数滞后时问序列 r ( 0 5 h ，l h ，1 5 h ，2 h ) ，则在某一滞后时间为t 时，相关系数r ( t ) 为： r ( 0 = ( 3 ) 其中：i ，歹为参数x 及硅含量y 的均值。 图21 和表2 2 分别为莱钢l 号高炉炉号从3 1 0 0 1 到3 1 2 0 0 之间( f 同) 料速的时间 序列图和在不同的滞后炉数下料速与铁水硅含量之间的相关系数表。从表中数据可看出前3 炉料速都与炉n s i 有较强的负相关性，即当料速增大时，炉n s i 会减小。相比前3 炉，再 前面的料速与当前炉的炉温相芙性不大。说明要判断炉温变动状况，应该综合考虑当前炉和 前两炉的料速变化情况，这也符合炼铁工艺理论。 12 0r r 一- 一一 、 1 | i | ：| 沁i l t ；i 影i i 警i l q 瓣i ? j l l 越i n | 黪i i l j 图2 1 料速时间序列图 表2 2 炉温【s i 】与料速的相关系数 图2 2 和表23 分别为透气性的时间序列图和透气性与炉n s i * n 关系数表。从此表可 知，透气性与炉温 s 】是负相关关系。弗且，当前炉的炉温与前3 炉透气性关系都有较大的 负相关性。 浙 江大 学 硕士 学 位论 支 抟辩i i | 争j j 媳i 、辩| | 誉 _ l t t 遵 图2 2 透气性时间序列图 表2 3 透气性与炉温【s i 】相关系数表 风量时间序列图如图2 3 所示。图2 4 为风量与炉温【s i 】相关性变化图，横坐标表示假 定的滞后时间，纵坐标表示延迟相应的时间后对应的风量与炉温【s i 】的相关系数。从到2 4 可以看出，风量与炉