（运筹学与控制论专业论文）高炉冶炼过程的分形特征辨识及其应用研究.pdf

浙江大 学博士学 住论文 摘要 本文以河北邯钢7 号高炉、山东莱钢1 号高炉和山西新临钢6 号高炉在线采 集的铁水含硅量【s i 】序列为样本，对高炉炉温波动的内在非线性单分形特征、多 重分形特征进行了细致的辨识研究，并将辨识信息用于对铁水 s i 】序列的拟合、 预报和控制，有一定的理论价值和应用价值。 论文首先对高炉冶炼技术发展、高炉专家系统以及炉温预测模型发展的历史 和现状做了概述。然后给出了研究复杂非线性系统内在分形特征的相关分形基础 理论和方法。 论文第4 章对铁水含硅量 s i 】时间序列进行无方向的d 检验，有方向的偏度、 峰度检验，检验计算结果表明铁水【s i 】不满足正态分布。通过q 检验证明高炉【s i 】 序列存在较强的线性自相关，通过a r 模型“过滤”线性自相关后得到的残差序 列并非无关，b d s 检验证明残差序列存在较强的非线性相关，这说明铁水硅 s i 】 序列是一组复杂的“混合信号”。 为了迸一步研究铁水【s i 】序列的非线性关系，对3 座不同容积的高炉数据进 行了稳健的h u r s t 指数计算，得到邯钢7 # 、莱钢1 撑、新临钢6 # 高炉的h u r s t 指数分别为h = 0 1 2 1 、0 2 5 7 、0 2 2 4 。首次从理论上证明高炉是一类反持续性的 系统，也常被称为“均值回复”，同时也说明铁水【s i 】是一类长程负相关的分形时 间序列。随后进一步测定了 s i 】序列的轨迹分形维数d ，并且发现它和前面的 h u r s t 指数h 基本满足关系式：d = 2 - - h ，两者均反映出铁水【s i 】序列是具有很强 的反持续性的分形时间序列。说明以往把铁水【s i 】序列看成满足正态( 或近似正 态) 分布的相关模型存在“先天性”缺陷。 论文第5 章中引入k a n t e l h a r d t 等人提出的m f - d f a 方法来改进多重分形结 构辨识方法，克服了原来方法对序列的诸多限制条件。随后分别计算了序列的广 义h u r s t 指数、尺度函数、多重分形谱。三者的计算结果均表现出明显的时变特 征，证明高炉炉温波动在不同时刻、不同幅度的波动部分具有明显多重分形结构 特征。为什么高炉炉温的波动会表现出如此显著的分形特征? 本章还对高炉炉温 波动出现非线性分形特征的原因进行了深入探索，从冶炼过程能耗的非线性、碳 元素的迭代反应形式与数学上的迭代函数系统的形式一致性、不同炉温调控手段 到达时效的不一致性等多方面阐述了分形产生的原因。 在对分形特征详细辨识的基础上，第六章将辨识获取的量化信息引入分形拟 合、预报模型。通过改进迭代函数系统( s ) 以及局部分段迭代函数系统( l w s ) 的构造方法、垂直定比因子等关键参数的确定算法，进行铁水【s i 】序列的拟合。 浙 江大 学博士擘 位 论文 再以历史数据为分形元，利用外推i f s 构造分形预报模型，对邯钢7 # 高炉和莱 钢1 # 高炉各5 0 炉数据进行了仿真计算，锝出两座高炉的铁水含硅量【s i j 的命中 率在【s i 】士0 1 的范围内分别为8 6 和8 2 ，命中率较高且该预报方法不存在收 敛速度问题，计算速度快，有较高的理论价值和一定的应用价值。 在分析了高炉冶炼过程中状态变量：料速指数上& 透气指数f f 以及控铝4 变 量：风量指数，q 、喷煤指数p m 与高炉铁水含硅量 s i 】的强相关性的基础上，论 文第7 章建立了基于混合动力学机理的混合控制偏微分方程并给出了混合控制 方程的“粗糙求解”方法。半在线仿真研究取得了较好的控制效果，值得继续深 入研究控制方程的更精确求解方法。第8 章对全文的研究内容以及创新点做了归 纳，并对本课题的后续研究傲了展望。 关键词：铁水含硅量 s i 】，单分形辨识，多重分形辨识，分形预报，混合控制 浙 江大 学 博士擘位论文 a b s t r a c t w i t hs i l i c o nc o n t e n tt i m es e r i e so b t a i n e df r o mn o 1b fa tl a i w us t e e l ，n o 6b fa t l i n f e ns t e e la n dn o 7b fa th a n s t e e la ss a m p l es p a c e ，t h es m g l ef r a c t a la n d m u l t i f r a e t a lc h a r a c t e r i s t i c so fs i l i c o nc o n t e n tf l u c t u a t i o na r es t u d i e di nd e t a i l 髓1 e i d e n t i f i c a t i o ni n f o r m a t i o ni su s e dt of i t ，p r e d i c ta n dc o n t r o lt h es i f t c o nc o n t e n ts e r i e s ， a n dt h es i m u l a t i o nr e s u l t sa r ei ng o o da g r e e m e n tw i t hr e a ld a t a t ob e g i nw i t hw ep r o v i d eab r ! i e fi n t r o d u c t i o nt ot h ed e v e l o p m e n to fi r o n - m a k i n g t e c h n i q u e , b fe x p e r ts y s t e i l la n dp r e d i c t i v em o d e l so fs i l i c o nc o n t e n t t h i sw i l lb e f o l l o w e db yad e s c r i p t i o no f t h e o r ya n dm e t h o d s0 1 1r e s e a r c ho f f r a c t a lc h a r a c t e r i s t i c s 玎”n e x ts e c t i o ng i v e ss o m es t a t i s t i c a lt e s t so nt h es i l i c o nc o n t e n ts e r i e s i n c l u d i n g dt e s tw i t h o u td i r e c t i o n , s k e w n e s st e s ta n dk u r t o s i st e s t t h et e s t ss h o wt h a tt h e 【s i s e r i e sd o e s n tf o l l o wn o r m a ld i s t r i b u t i o n f u r t h e rt e s tl i k eqt e s th a sc o n f i r m e dt h e e x i s t e n c eo fs t r o n gl i n e a rc o r r e l a t i o n u s i n ga na rm o d e lt of i l t e rt h el i n e a r c o r r e l a t i o nw eg e tt h er e s i d u a l s ab d st e s ts h o wt h e r ei ss t r o n gn o n l i n e a rc o r r e l a t i o n i nt h er e s i d u a ls e r i e s t h u st h es i l i c o nc o n t e n ts e r i e si sp r o v e dt ob eag r o u po f c o m p l e x m i x e ds i g n a l s t of r r t h e re x p l o r et h en o n l i n e a rr e l a t i o ni nt h es i l i c o nc o n t e n ts e r i e s ，ar o b u s th a r s t i n d e xc o m p u t a t i o ni si m p l e m e n t e df o rd a t af r o mt h ea b o v e3b l a s tf i l l f l a c e 8 t h eh u r s t i n d e xf o rt h e3b l a s tt h r l l a c e sa r eo 1 2 1f o r n o 7b fa th a u s t e e l 0 2 5 7f o rn o 1b fa t l a i w us t e e la n d0 2 2 4f o rn o 6b fa tl i n f e ns t e e lr e s p e c t i v e l y f o rt h ef i r s tt i m ew c h a v e p r o v e dt h a t b l a s tf l l l - r a e ei sak i n do fa n t i - c o n t i n u o u s s y s t e m , o r a m e a n - r e v e r s e s y s t e m i ti sa l s op r o v e dt h es i l i c o nc o n t e n ts e r i e si sa f r a c t a ls e r i e s w i t hn e g a t i v el o n gr a n g ec o r r e l a t i o n t h e nt h ef r a c t a ld i m e n s i o no fs i l i c o nc o n t e n td i sc o m p u t e da n di ts a t i s f i e s 1 口- 2 一h it k 8f u r t h e rc o n f i r m st h ee x i s t e n c eo ff r a c t a l c h a r a c t e r i s t i c si ns i l i c o nc o n t e n ts e r i e s t h u sw ec o m et oac o n c l u s i o nt h a tp r e v i o u s m o d e l sb a s e do nt h eh y p o t h e s i so f n o r m a ld i s t r i b u t i o nh a v ei n t e r i o rs h o r t c o m i n g s s e c t i o n5i n t r o d u c e st h em f - d f am e t h o dp r o p o s e db yk a n t e t h a r d tt oi d e n t i f yt h e m u l t i - f r a c t a ls t r u c t u r eo fs i l i c o nc o n t e n t ，s ot h a tt h en u m e r i c a lc o n s t r a i n t so nt i m e s e r i e so f p r 谢o u sm e t h o d s 钟d i s c a r d e d 1 1 玲g e n e r a l i z e dh u r s ti n d e x 。s c a l ef u n c t i o n a n dm u l t i - f i a c t a ls p e c t r u ma r et h e nc o m p u t e db yh 伍i l 狐1 1 把r e s u l t ss h o wb l a s t 矗珊a c es i l i c o nc o n t e n ti st i m ev a r i a n ta n do b v i o u sm u l t i 1 i 随c t a lc h a r a c t e r i s t i c se x i s t f o rt h ef l u c t u a t i o no fs i l i c o nc o n t e n ta td i f f e r e n tt i m ep o i n t sa n dd i f f e r e n tr a n g e t o e x p l a i nw es t u d yt h eb l a s tf u m a f r o mt h ea s p e c to fe n e r g yc o n s u m p t i o na n d i r 浙 江大 学博士擘位论文 c h e m i c a lr e a c t i o nd y n a m i c s 珏en o n l i n e a r i t yo fe n e r g yc o n s u m p t i o n t h ed i s u n i t yo f i t e r a t i o nf u n c t i o nf o rc a r b o nr e d u c t i o nw i t hi t sm a t h e m a t i c a lf o r ma n dd i f f e r e n tt i m e l a g so fc o n t r o lm e a s u r e 8a r ea m o n gt h e r e a s o n sf o rt h ee x i s t e n c eo ff r a c t a l c h a r a c t e r i s t i c s o nt h eb a s i so fi d e n t i f i c a t i o no ff r a c t a lc h a r a c t e r i s t i c s , s e c t i o n6p r o p o s e saf i t t i n g a n d p r e d i c t i v em o d e l t e c h n i q u e sl i k ei m p r o v e di t e r a t i o nf u n c t i o ns y s t e m ( i v s ) ，l o c a l p i e c e w i s ei t e r a t i o nf u n c t i o ns y s t e m ( u f s ) a n dv e r t i c a ld e f i n i t ep r o p o r t i o nf a c t o ra l e a p p l i e dt of i t t i n gt h es i l i c o nc o n t e n ts e r i e s t a k et h eh i s t o r i c a ld a t aa sf r a c t a le l e m e n t s w et h e ne x p a n dt h ef i t t i n gm o d e lt oc o n s t r u c tt h ef r a c t a lp r e d i c t i v em o d e l s i m u l a t i o n r e s u l t so nd a t af r o mn o 7b l a s tf u r l 3 oa th a ns t e e la n dn o 1b l a s tf u r n a c ea tl a i w u s t e e ls h o wt h eh i tr a t e so fs i l i c o nc o n t e n ta r e8 6 a n d8 2 o nt h e r a n g eo f 【s i 】0 1 t h ea l g o r i t h mh a sf a s tc o n v e r g e n c es p e e da n di t i sv a l u a b l eb o t hf o r t h e o r e t i c a lr e s e a r c ha n dp r a c t i c a la p p l i c a t i o n s e c t i o n7c o n s l z u c t st h eh y b r i dc o n t r o lp a r t i a ld i f f e r e n t i a lf u n c t i o na n dg i v ea c o a r $ es o l u t i o n f o rt h ef l m o d o n a f t e ra n a l y s i so fs e v e r a lm a i np a r a m e t e r si nt h e p r o c e s so f i r o n - m a k i n g l i k es p e e d o f m a t e r i a l sl s 。p e r m e a b i l i t y f f ，w i n d b l a s t e d f q a n dc o a li n j e c t e dp m i ti sp r o v e dt h a tt h i sm e t h o di sw o r t hf u r t h e rr e s e a r c h s e c t i o n8 g i v e st h ec o n c l u s i o na n dc l a s s i f i e st h ec r e a t i v ei s s u e si nt h i sp a p e r , a l s of u t u r ew o r k a r ed i s c u s s e d k e yw o r d s ：s i l i c o nc o n t e n ti nh o tm e t a l , s i n g l ef r a c t a li d e n t i f i c a t i o n , m u l t i f r a c t a l i d e n t i f i c a t i o n , f r a c t a lp r e d i c t i o n , h y b r i dc o n t r o l i 、， 浙江大学博士学位论文 第一章绪论 1 1 论文研究的目的和意义 改革开放以来，我国钢铁工业作为国民经济的支柱产业，获得了高速发展。 1 9 9 6 年我国年产钢量首次突破1 亿吨；过了7 年，2 0 0 3 年突破2 亿吨；又过了 2 年，2 0 0 5 年超过了3 亿吨；2 0 0 6 年预计将突破4 亿吨。中国已经成为世界钢 铁的超级大国。 但是，我们也应当看到：在高端产品质量和能耗方面，我国还没有成为世界 钢铁强国。美、俄、日等国外钢铁工业发展历史表明，钢铁工业的蓬勃发展期必 然有钢铁科研的创新成果。中国作为当今世界的钢铁超级大国，也应当在科研方 面成为钢铁强国，有创新的成果和贡献。本文作为多学科的交叉研究，竭力从炼 铁过程的数学建模和控制的应用基础理论角度进行深入的探索和研究，以期对炼 铁过程自动控制和节能降耗有所奉献。钢铁产能的高速增长使得能源的供给问题 日益凸显出来，“节能冶炼研究”既能带来眼前的经济效益，更能带来长远的巨 大环境效益、社会效益。“十一五”规划明确指出 1 】：根据全面建设小康社会的 总体要求，“十一五”时期要努力实现资源利用效率显著提高，单位国内生产总 值能源消耗降低2 0 左右，要突出抓好钢铁、有色、煤炭、电力、化工、建材等 行业和耗能大户的节能工作。“十一五”还明确把石化、钢铁等行业实施“能量 系统优化”作为“十一五”规划节能的“重点工程”无疑，实现“炼铁节能” 这一重大技术攻关难题将继续成为冶金、自动化、计算机、应用数学等多学科交 叉研究的前沿，并会受到更广泛的关注。那么解决这一难题的出路在哪里? 在直 接还原、熔融还原等非高炉炼铁尚无法大规模用于实际生产的今天，解决这一难 题主要有两个努力方向：一方面是不断改进现有高炉冶炼的工艺和装备水平，比 如发展先进装备的现代化大型高炉冶炼、精料冶炼、高压冶炼、提高煤比、研究 煤气还原反应高速化等【2 - 4 ；另一方面是将冶炼工艺与自动化、计算机、信息科 学等方面的新成果，新方法相结合，不断提高冶炼自动化、信息化、智能化水平 【5 6 】。 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阴一书中，把工业自动化、复杂系统的建模与控制、 智能自动化三方面课题列为“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、石油化工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 浙江大学博士学位论文 和控制的原理和技术，其中不仅包括自适应控制、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，以及基于( 专家) 知 识控制等智能化技术的应用。”由此可知，高炉炼铁过程自动化的数学建模课题 是一项“需要探索新的建模和控制的原理和技术”的难题。 浙江大学系统优化技术研究所十多年以来，一直从理论和实际应用研究两方 面交叉推进“高炉炼铁自动化数学模型”的研究，取得了许多有价值的研究成果 【6 】 8 】，所开发的“高炉炼铁智能控制专家系统”被炼铁专家称为“高炉操作的 第三代技术”【9 】。本文关于“高炉冶炼过程的分形特征辨识及其应用研究”，正 是在已有研究的基础上，探索高炉复杂系统的建模与控制的新途径。同时，也是 配合国家科技部批准的以浙江大学为技术依托单位的国家级科技成果重点推广 计划【l o 】项目一“高炉炼铁智能控制专家系统”的推广应用工作，进行理论与 应用的创新探索研究。本文的理论研究为解决实际问题提供了有价值的新思路。 高炉冶炼过程是一个高度复杂的非线性动力学过程。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 1 1 】，而且这些反应在不同的温 度、压力、浓度条件下会组合成众多的反应链，其高度复杂性可想而知。而从流 体动力学角度考察，高炉冶炼过程包含着气一固一液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、商 维、分布参数等复杂特性和封闭条件下的操作所带来参数检测上的困难，使得高 炉冶炼过程的自动控制成为冶金工作者面临的技术难题。长期以来，许多研究者 将高炉冶炼过程作为完全随机过程进行建模和控制的研究。然而基于随机思想的 建模在实际应用当中往往效果并不理想。衡量“高炉炼铁自动化数学模型”水平 高低的一项重要指标就是模型能否较好把握高炉炉温的变化发展趋势。只有把握 好了这种趋势，基于炉温平稳发展的智能控制才能真正实现。炉温发展平稳，无 谓的热损耗少了，高炉的煤比提高、焦比降低，利用系数提高了，自然也就达到 了“节能降耗”的要求。本文的研究便是抓住这一技术核心，通过多种现代时间 序列分析方法，探索高炉炉温发展波动趋势的本质特征。使得高炉智能控制系统 的改进和提高有更宽广、厚实的理论基础。 由于高炉炉温无法在线直接测量，业界常常用表征高炉炉缸热状态的高炉铁 水含硅量 s i 】，来近似反映高炉炉温的变化。这种替代的合理性早就得到科学论 证和业界的认可f 1 2 】。但是，现有许多关于f s i 】的波动拟合、预报模型。只是在 历史数据的基础上，通过学习机制确定模型参数，然后应用模型。常见的自回归 模型、神经网络模型、遗传算法等均属于这样一类模型，它们并没有过多触及序 列本身蕴藏的能够揭示系统本质的特征。对子像高炉这样复杂且无法建立传统精 确数学模型的系统，本文试图开拓一种新的研究思路，即通过详细、深入挖掘系 2 浙江大学博士学位论文 统关键参数时间序列的内在特性，进而揭示系统的本质特征，从而提出新的更接 近实际的改进模型。 为了寻找现有炉温预测、控制模型不稳定的根源，笔者详细分析了高炉铁水 含硅量【s i 】序列的统计特征，发现铁水含硅量【s i 】序列波动不满足正态分布。过滤 掉序列的强线性相关后，从序列中检测到了明显的非线性相关成分，说明序列是 一组复杂的混合信号。更深入的检验分析发现序列具有明显的分形特征，是分形 时问序列，而且是负相关分形时间序列。对于这种时间序列的已有研究，其成果 非常缺乏。基于此，笔者对序列蕴藏的非线性分形特征，展开了艰苦而有趣的研 究，进而揭示出炉温发展的非线性本质趋势。后续研究将侧重于把时间序列的分 形特征辨识方法模块化，开发出一套检验非线性时间序列“软仪表”，推广应用 到其它“无模型”的复杂工业系统中。 1 。2 国内外研究现状与研究进展 1 4 世纪前后，欧洲人发明将海绵状铁矿石放入竖立的炉子并采用水力鼓风 冶炼，可以看成是高炉冶炼技术的开端 1 3 】。但随后的数百年时间内，这种早期 的高炉冶炼基本上是一种经验上的实践。1 6 世纪欧洲的冶金著作火法技艺 和论冶金的问世，对冶金技术的传承和发展起到了重要的作用。但冶金学尚 未成为- 1 7 独立学科。到1 8 世纪初，高炉炼铁先后产生了一系列的重大技术革 新，其中最为重要的是鼓热风代替冷风、用焦炭代替木炭，这样到1 8 世纪末， 冶金学慢慢发展成为- - i q 独立的学科。随着冶金反应原理的不断完善和高炉及其 附属设备的不断改良，到1 9 世纪中期，高炉炼铁逐步进入了大工业化生产的“近 现代时期”。但由于此阶段高炉的操作仅仅靠几块机械仪表指示的数据来判断炉 况，炉况判断往往不准，经常出错，高炉像人打摆子似的忽冷忽热【9 】。 2 0 世纪下半叶以来，电子计算机技术、信息技术、先进控制技术等的迅猛发 展，为钢铁工业提供了先进的技术手段，加速了高炉冶炼的现代化进程。入炉焦 比大幅度下降，冶炼强度不断提高。高炉的许多子工序：如配料、布料、送风等 都逐步实现了自动化，称为高炉基础自动化。但是要实现高炉冶炼过程的整体闭 环自动控制，依然还有很长的路要走。人们很快发现，要实现高炉冶炼过程的自 动控制，关键要保障高炉炉温平稳发展，否则就容易导致炉况波动而影响冶炼效 率，甚至导致高炉炉况异常等 1 4 - 1 5 。于是高炉铁水含硅量 s i 】( 又称为高炉的“化 学温度”) 的波动特征的研究，一直是近期高炉研究的前沿课题之一。 据不完全统计，国内外用铁水含硅量【s i 】表征高炉的热状态，所建立的数学 模型主要有以下几方面的模型： 3 浙江大学博士学位论文 ( 1 ) 日本钢管公司的“水江模型”【1 6 该模型的基本思想是：假定第撑次出铁的铁水含硅量与第n j 次铁水含硅 量之差与此期间热储备“成正比。厶可以表示为： = f 焦炭燃烧热+ 熟风带入热+ 重油带入热 + 湿分带入熟+ 成渣放热+ 问接还原放热) 一 ( t g 煤气反应耗热+ 直接还原耗热+ 铁水带走热 + 炉渣带走热+ 煤气带走热+ 氧化还原热 + 炉料及水分蒸发热+ 热损失) 由统计方法处理生成数据得到： a s q , = 岛q ，+ 岛g 弓+ 妙+ 锄矿+ 岛曷q ，+ 晚【h + 岛g + 岛。 ( 1 2 1 ) 其中，乞表示出铁量，a 【跚。表示第拜次铁水含硅量与第弹j 次含硅量之差， 吼一，表示第n - 1 次铁水含硅量，q ，表示风量，弓表示风温，矿表示湿度，v 表示 喷吹量，q 表示煤气中含c 原子量，i 表示煤气中含2 量，也= l - ( c o + c o ：+ l t , ) ， 岛a = 1 , 2 ，3 表示系数当炉况平稳时，“水江模型”的效果比较好，炉况不顺时， 实际数据常常超出了统计范围，造成了系数波动比较大。 c 2 ) w u 模型【1 7 】 w u 模型是由法国钢铁研究院于1 9 6 7 年发展起来的。该模型利用炉顶煤气 成分和铁水成分，借助高炉物料平衡和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，其建模的基本思想是； 1 ) 焦炭风口燃烧生成c o 放热( q 1 ) 翁- - - ；( 5 3 3 1 7 3 f ) x 4 1 8 ( 1 0 0 0 l r 散) ( 1 2 2 ) 2 ) 留在高温区鼓风带入的热量( q 2 ) q 2 = 1 0 0 0 意一1 ) ；( 0 3 6 2 + a f ) x 4 1 毒o o o 蝴，觖) 【1 2 3 ) 3 ) 熔损反应热( 幺) g = 3 2 4 z x 4 1 8( 1 0 0 0 k j 献)( 1 2 4 ) 其中，p - 1 0 0 0 m 3 干风的生铁量，产傲风湿度( 咖3 ) ，f 风温，口水蒸气 4 浙江大学博士学位论文 比热，z - c 0 2 熔损反应的反应热。 4 ) 由于炉料下降到温度为9 0 0 l 1 0 0 0 c 区段时候，高炉内炉料开始软化， 还原反应越发活跃起来，故模型假定以1 0 0 0 0 c 为高炉高温区界限，则可求出： 1 。 p u = q l + q 2 - 0 3 。芦( 5 3 3 - 1 7 3 f ) + 而t b - 1 ) ( 0 3 6 2 + a f ) 矗4 2 z ( 1 。2 5 ) ( 3 ) e e 模型i t s 】 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 】的变动特征。 ( 4 ) 多变量一阶自回归矢量模型 1 9 】 w i s c o n s i n 大学的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下具有较高的命中率。 ( 5 ) t e 模型 2 0 】 1 9 8 0 年，日本新日铁公司在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。 ( 6 ) 神经网络模型 神经网络是2 0 世纪8 0 年代后期发展起来的- - n 新兴学科，文献 2 1 ，2 2 利用 神经网络的非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，得出模糊神经网络具有较好的预报效果，后来又 有不少学者研究了改进型的神经网络模型。 ( 7 ) 动力学模型 1 9 9 5 年重庆大学高小强等人将高炉冶炼过程视为非线性动力系统，利用混沌 理论建立高炉铁水 s i 】和 s 】预报模型，以预报值和实际值之间的相关系数为衡量 指标，得出模型的预测效果较好 2 3 1 。2 0 0 0 年，文献【2 4 】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。 ( 8 ) 各类预测数学模型的深入研究 1 9 9 4 年以来，浙江大学系统优化技术研究所在高炉应用专家系统开发和应用 实践中，从在线采集的高炉铁水【s i 】数据出发，在【s i 】预报方面进行了深入的研究 5 浙江大学博士学位论文 探索。先后建立起贝叶斯网络模型1 2 5 ，混沌全局、局部预报模型1 2 6 2 7 ，基于 遗传算法优化的神经网络修正模型f 2 8 】、基于数据生成规则的模糊预测控制模型 【2 9 】、支持向量机模型、小波分析模型等等，这些模型研究，从不同角度揭示了 炉温预报的复杂规律性，证明炉温预报不仅仅是随机动力系统的预报问题，而且 是大时滞、强耦合、非线性可控系统的预报问题。 综合上述建立的模型，既有静态模型，也有动态模型，或者是两者的综合。 由于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，如神经网络模型由于泛化能力较差，在 炉况波动比较大的中、小型高炉上运用并不理想。动力学模型对高炉的混合动力 学机理关注不够，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 ) 虽能适应炉温波动的 情况，但炉况波动大时，预测效果并不理想。浙江大学开发的这些模型当中，混 沌局部预报模型仅仅依靠原始硅序列数据，借助现有混沌预报技术，取得了阶段 性的理论研究成果。说明高炉冶炼并不是完全确定的系统，也不是完全随机的系 统，开创了用新的非线性方法研究高炉冶炼规律的新思路。然而其对原始序列隐 藏的系统内在规律挖掘工作非常薄弱，故面对波动较大的炉况，模型的运行效果 并不理想。 纵观【s i 】预报模型的几十年诸多方面研究，人们依然无法找到高炉通用的在 线稳健理想预报模型。是什么原因导致高炉炉温波动如此的难以把握? 本文试图 详尽挖掘原始【s i 】序列的隐藏本质特征，探求炉温波动的内在特征。 随着对高炉铁水含硅量【s i 】预测模型研究的不断深入，利用专家系统技术实 现对高炉冶炼过程的控制，成为当今高炉计算机控制的发展方向 3 0 】。实现高炉 冶炼过程的智能化自动控制成为炼铁学科技术进步的前沿课题。 日本是最早将专家系统技术引入到高炉操作领域的国家，随后美国、芬兰、 奥地利等国也相继开发了各自的专家系统。目前，国际上开发应用的有代表性的 “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【3 l 】 a d v a n c e dc o - s t o p 系统是由日本川崎公司于1 9 7 9 年开发的，目前已发展至 第三代。该系统是按照高炉工艺机理和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、炉热状态、炉顶煤气与温度分布、炉体温度、炉缸渣、 铁残留量等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”等结论，指导高炉的操作。 6 淅江大擘博士擘住论文 ( 2 ) 芬兰r a u t a r u u k k i 公司开发的高炉控制专家系统 3 2 1 该系统是芬兰r a u t a r u u k k i 公司在引进同本a d v a n c e d g o s t o p 系统的基础上， 于1 9 9 1 年根据自己控制高炉生产的认识完成的，它包括两个智能库，共有8 5 0 条规则。一个智能库用于高炉正常操作，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 3 3 】 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“闭环”专家系统。该系统包括高级过程模型、人工智能、 闭环专家系统、软件强化应用以及操作，统计数据库等各部分。 在追踪国际先进水平高炉专家系统的基础上，国内亦陆续开发出了一批国产 高炉专家系统。其中具有代表性的主要有： ( 1 ) 首钢人工智能高炉冶炼专家系统【3 4 】 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“人工 智能高炉冶炼专家系统”。该系统应用模糊矩阵、隶属度、隶属函数等模糊数学 技术构成知识库、推理机，并与统计模型、机理模型结合，从高炉炉体状态、热 状态和高炉顺行状态入手，全面地判断高炉冶炼过程，具有功能广泛、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。该系统曾经获得专利授权。 ( 2 ) 鞍钢1 0 号高炉热状态专家系统 3 5 】 上世纪9 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来， 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，对熟状态、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【3 6 】 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。该系统类似于a d v a n c e d6 0 - 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。其基 本功能属于基础自动化系统。 ( 4 ) 浙江大学。高炉智能控制专家系统【8 】” 1 9 9 4 年以来，浙江大学自主开发了“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 7 浙江戈擘博士学位论文 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”， 并且在2 0 0 5 年再次被国家科技部批准为“十一五”国家级科技成果重点推广计 划项目。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。在炼铁工艺机理模型与异常炉况诊断模型的基础上，构建冶炼过程的 系统优化模型和炉温预测智能控制方程，从而形成4 个层次数学模型智能化集成 的高炉专家系统。软件功能模块主要有数据仓库、机理模型计算、设备诊断、炉 况故障诊断、软件仪表、工艺参数系统优化、炉温预测与智能控制以及管理报表 自动化等部分。与国外专家系统主要侧重于炉况诊断和故障报警不同，浙江大学 开发的专家系统，其技术核心是在机理计算和炉况诊断基础上，建立数学模型求 解了高炉冶炼参数最佳操作区域和最佳组合，提出生产优化模式。 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 高炉先后引进了日本的“a d v a n c e d g o - s t o p 系统”、芬兰r a u t a r u t t k l d 公司的“高 炉控制专家系统”和奥钢联的v a i r o 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- - 1 4 0 万美元) 。从调 查了解的应用情况看，由于国内高炉的原燃料、设备条件和工艺操作的习惯与国 外高炉专家系统的差异，引进专家系统的大型高炉并没有取得改善高炉技术经济 指标的明显成效。 浙江大学开发的专家系统在我国炼铁专家的悉心指导下，追踪计算机网络与 信息技术进步的步伐，同时与国内多家大型钢铁集团公司进行校企合作，不断改 进，取得了两项技术发明专利 3 7 3 8 1 ，成为具有我国自主知识产权的高炉专家系 统。并且由原来主要在杭钢、济钢、新临钢和莱钢等企业的中小高炉上应用，成 功升级应用至4 邯钢2 0 0 0 m 3 的大高炉上，取得了降低焦比和提高利用系数的应用 效果。目前该系统已经被国家发改委“高技术产业化示范工程专项”采用，在包 钢2 5 0 0 m 3 大型高炉上应用。 应用“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 i 】的预 测控制，尤其在非稳定炉况下对高炉炉温的预测控制，是高炉冶炼过程智能化控 制的技术核心，也是实现高炉冶炼过程自动化的难点所在。 1 3 论文的主要技术路线和研究方法 首先运用数理统计、现代物理统计、时间序列高阶统计分析等方法对高炉铁 水含硅量的时问序列 i s i s 进行正态性检验、线性相关检验、非线性相关检验等。 之所以进行这些检验，是因为在以往诸多有关【s i 】n 序列拟合和预报的研究当中， 研究者都自觉或不自觉地假设 s i k 序列满足正态分布或近似正态分布。然而检验 8 浙江大学博士学位论文 的铁水硅序y u s i 。显著不满足正态性假设，说明序列存在着非线性相关。但随后 直接进行的非线性相关检测并没有检测到显著的非线性，却是发现序列存在较强 的局部线性相关性、整体线性相关性。通过对原始序列进行线性关系过滤，在它 的残差序列中检测到了显著的非线性相关，说明序列是复杂的混合信号。为了确 定其非线性是由确定性引起还是由随机性引起的，进一步对序列进行稳健的 h u r s t 指数计算，计算结果发现多座高炉采集的【s i 】。序列h m s t 指数均小于0 5 ， 说明高炉【s i l n 序列是一类长程负相关分形时间序列。据此找到了已往诸多模型效 果不理想的根源。 随后，借助并改进分形理论中的分形维计算方法、奇异性度量方法等，对高 炉 s i 】。序列的单分形特征和多重分形特征进行了深入研究，通过h u r s t 指数和b o x 维数的计算，定量解析了高炉整体的波动复杂度。为了解【s i 】。序列的局部波动特 征，本文提出了一种新的计算框架，在新的框架下先后计算了序列的广义分形维 数、尺度函数、多重分形谱，计算结果均一致表明序列表现出较典型的多重分形 特征，不同局部、不同层次的奇异性不一致，进一步揭示了炉温波动的复杂变化。 在上述分形辨识的基础上，利用函数迭代系统和分形插值相关理论和方法， 将辨识获取的参数值用于对原始 s i 】。序列的拟合、预报，取得了较好的效果。 论文中大量计算和仿真主要是通过m a f l