（运筹学与控制论专业论文）基于非参数回归的高炉炉温预测控制模型研究.pdf

浙江大学硕士学位论文 摘要 高炉炼铁是钢铁工业的上游主体工序，作为国民经济支柱产业的重要组成部 分，对钢铁工业的发展与节能降耗都有十分重要的作用。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、大噪声、分布参数等 特性，导致很难建立起准确有效的高炉炉温预测控制模型。 非参数回归是非参数统计理论中的重要组成部分，在计量经济、交通、医学 等领域得到了广泛应用。非参数回归中，回归函数形式的任意性和自变量与因变 量分布的少限制，很好地解决了经典统计理论中模型及参数的假定与实际背离造 成模型设定误差的问题，使得模型能更加准确地反映实际问题的变化情况。 本文选取包钢蒯高炉( 2 5 0 0 m 3 ) 冶炼专家系统在线采集的数据，首先对铁 水含硅量 s i 的自相关性进行分析，证明了铁水含硅量 s i 】序列存在较强的线性自 相关。然后通过相关系数和灰关联熵的计算，综合分析了所选取的高炉冶炼过程 中的1 9 个参数与高炉铁水含硅量 s i 】之间的关联度。 本文第4 章利用偏最小二乘回归方法，对参数进行综合降维，最大可能地提 取参数中与铁水含硅量 s i 变化相关的信息，减少参数中夹杂的冗余信息，从而 使综合变量能充分反映铁水含硅量【s i 的变化。在此基础上，对得到的三个综合 变量和铁水含硅量【s i 建立广义加性( g a m ) 模型，通过非参数光滑函数的迭代得 到它们的局部近似函数关系。 在探求综合变量与铁水含硅量 s i 局部关系的基础上，第5 章通过遗传算法 的全局搜索和非参数回归中正交序列估计方法，找到了最能表征铁水含硅量【s i 】 变化的参数组合，用数据事实证明了之前关联度分析结论的正确性，并建立了最 优的高炉炉温预测的非参数回归模型。 第6 章中，将非参数回归与高炉冶炼的混合控制偏微分方程结合，得到了炉 温预测控制的变系数回归模型，分析了料速l s 、风量f q 、喷煤p m 和透气性 i 下四个参数与铁水含硅量 s i 】的局部线性关系，用权重描述了当前炉各个参数对 铁水含硅量 s i 影响的大小和方向，为炉温预测之后的控制奠定理论基础。 关键词：铁水含硅量 s i ，偏最小二乘回归，广义加性模型，正交序列估计，变 系数回归 浙江大学硕士学位论文 a b s t r a c t a st h em a i nu p p e rp r o c e d u r eo fm e t a l l u r g i c a li n d u s t r y , b l a s tf u m a c e ( b f ) i r o m a k i n gi sa ni m p o r t a n tc o m p o n e n to fs t e e li n d u s t r yi nn a t i o n a le c o n o m y , w h i c h p l a y sas i g n i f i c a n tr o l ei ne n e r g ys a v i n ga n dt e c h n i c a ld e v e l o p m e n to ft h ew h o l e i n d u s t r y t h ei r o n m a k i n gp r o c e s si sh i g h l yc 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 m i 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 n p a r a m e t e r se t c ，t h u sm a k e si td i f f i c u l tt om o d e lt h ep r o c e s sa c c u r a t e l ya n de f f e c t i v e l y n o n p a r a m e t r i cr e g r e s s i o ni sa ni m p o r t a n tp a r to fn o n p a r a m e t r i cs t a t i s t i c a l t h e o r y i ti sw i d e l yu s e di ne c o n o m e t r i c s ，t r a 伍cs y s t e ma n dc l i n i c a ls t a t i s t i c se t c h n o n p a r a m e t r i cr e g r e s s i o n ，t h ef o r mo fr e g r e s s i o nf u n c t i o ni sd i s c r e t i o n a l ，a n dt h e r ei s l i t t l er e s t r i c t i o no nt h ef o r mo fr e g r e s s i o nf u n c t i o na n dt h ed i s t r i b u t i o no fi n d q a e n d e n t a n d d e p e n d e n tv a r i a b l e s ，w h i c hw e l la c c o m m o d a t e st h ep r o b l e mo fd e v i a t i o nb e t w e e n m o d e la s s u m p t i o n sa n dr e a ld a t a t h ec u r r e n tw o r ku s e sd a t ac o l l e c t e df r o mb fn o 6 ( 2 5 0 0m 3 ) i nb a o t o ui r o n & s t e e lg r o u pc o t oi d e n t i f yt h em o d e l t h ea u t o c o r r e l a t i o no f s i 】s e r i e sw a sa n a l y z e d a n d s 仃o n gc o r r e l a t i o nw a sd e t e c t e d c o r r e l a t i o nc o e f f i c i e n t sa n dg r a yr e l a t i o ne n t r o p y b e t w e e nm o n i t o r e dp r o c e s sv a r i a b l e sa n ds i l i c o nc o n t e n ti nh o tm e t a lw e r ea l s o d i s c u s s e d s e c t i o n4d e a l sw i t ht h ep r o b l e mo fd i m e n s i o nr e d u c t i o no fm o d e lp a r a m e t e r s b a s e do np a r t i a ll e a s ts q u a r e s ( p l s ) b yp e r f o r m i n gp l sr e d u n d a n c yi sr e d u c e da n d t h em o s tu s e f u li n f o r m a t i o ni ni n p u tv a r i a b l e si se x t r a c t e dt or e f l e c tt h ef l u c t u a t i o no f s i l i c o nc o n t e n t ag e n e r a l i z e da d d i t i v em o d e l ( g a m ) ，w h i c hg e t st h el o c a l a p p r o x i m a t e df u n c t i o nr e l a t i o nv i aa ni t e r a t i v ep r o c e s so fn o n p a r a m e t r i cs m o o t h f u n c t i o n ，w a sc o n s t r u c t e du s i n gt h et h r e ev a r i a b l e ss e l e c t e df r o mp l st op r e d i c tt h e s i l i c o nc o n t e n t o nt h eb a s i so fa b o v ea n a l y s i s ，s e c t i o n5u s e sg e n e t i ca l g o r i t h m sa n do r t h o g o n a l s e q u e n c ee s t i m a t i o nm e t h o dt of i n dt h eb e s tp a r a m e t e r sc o m b i n a t i o nt oi n d i c a t et h e f l u c t u a t i o no fs i l i c o nc o n t e n t s i m u l a t i o nr e s u l t sp r o v et h ec o r r e c t n e s so ft h ep r e v i o u s a n a l y s i so nr e l a t i o n sb e t w e e np r o c e s sv a r i a b l e sa n ds i l i c o nc o n t e n t ao p t i m a l n o n p a r a m e t r i cr e g r e s s i o nm o d e lf o rp r e d i c t i o no fs i l i c o nc o n t e n tw a sc o n s t r u c t e da n d g o o dr e s u l tw a so b t a i n e d b yc o m b i n e dt h en o n p a r a m e t r i cr e g r e s s i o na n dt h eh y b r i dc o n t r o lp a r t i a l d i f f e r e n t i a lf u n c t i o no fb fi r o m a k i n g ，av a r y i n g - c o e f f i c i e n tr e g r e s s i o nm o d e lf o r p r e d i c t i v ec o n t r o lo fb l a s tf u r n a c eh o tm e t a lt e m p e r a t u r ew a sg i v e ni ns e c t i o n6 i t 浙江大学硕士学位论文 a n a l y s e st h el o c a ll i n e a rc o n n e c t i o nb e t w e e np a r a m e t e r sl i k es p e e do fm a t e r i a l sl s ， w i n db l a s t e df q ，c o a li n j e c t e dp ma n dt h ep e r m e a b i l i t yi n d e xf fa n dt h eo u t p u t v a r i a b l es i l i c o nc o n t e n t aw e i g h tm a t r i xi su s e dt od e s c r i b et h ei n f l u e n c et h a te a c h p a r a m e t e rt os i l i c o nc o n t e n ti nh o tm e t a l t h u sat h e o r e t i cb a s i so fp r e d i c t i v ec o n t r o l i se s t a b l i s h e d k e y w o r d s ：s i l i c o nc o n t e n ti nh o tm e t a l ，p a r t i a ll e a s ts q u a r e sr e g r e s s i o n , g e n e r a l a d d i t i v em o d e l ，o r t h o g o n a ls e q u e n c ee s t i m a t i o n , v a r y i n g c o e f f i c i e n tr e g r e s s i o n 浙江大学硕士学位论文 第一章引言 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，获得了高速的发展， 目前已经成为世界钢铁超级大国。 但是，在高端产品质量和能耗方面，我国还未达到世界钢铁强国的水平，钢 铁质量和冶炼能耗的水平还有待提高。钢铁产能的高速增长使得能源的供给问题 日益凸显，而国家也对此十分关注。“十一五 规划中明确指出f 1 ) ：根据全面建 设小康社会的总体要求，“十一五”期间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 ，这足见国家 对节能冶炼问题的重视。目前，解决炼铁节能问题主要有两个方向：一方面是不 断改进现有的高炉冶炼的工艺和装备水平，比如发展现代化大型高炉冶炼的先进 装备、合理炉料结构、精料冶炼、高压冶炼、提高煤比、研究煤气还原反应高速 化等【h 】；另一方面是将冶炼工艺与自动化、计算机、信息科学相结合，不断提 高高炉冶炼的自动化、信息化、智能化的水平 5 - 6 1 。 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书中f 7 1 ，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，高炉炼铁自动化数学模型课题是一项“需 要探索新的建模和控制原理和技术 的难题。 由于高炉炼铁工艺机理十分复杂，因此很难用精确的数学模型去描述。本文 借鉴了在经济、医学等领域有较好运用的非参数回归理论，通过对历史数据中潜 浙江大学硕士学位论文 在规律的把握，来描述高炉炉温的发展变化趋势并进行控制。 1 2 国内外研究综述 高炉炼铁具有悠久的历史，它的“不可探测 性，使得各界专家学者一直以 来都致力于高炉过程的模拟与解析，以达到掌握炉况、自动控制高炉运行的目的。 在实际生产中，由于无法直接测量高炉内铁水的温度，因此常常用铁水硅含量 s i 来代表炉温。作为评定高炉炉况稳定性和铁水质量的重要指标，铁水含硅量 s i 预测控制方法的研究也一直是炼铁工艺中的重要课题。据不完全统计，国内外建 立的关于高炉铁水含硅量 s i 的预报模型有： 1 ) 日本钢管公司的“水江模型 【8 】 该模型的基本思想是：假定第n 次出铁的 s i 与第n - 1 次 s i 之差与此期间 热储备幽成正比。幽可以表示为： a h = ( 焦炭燃烧热+ 热风带入热+ 重油带入热 + 湿分带入热+ 成渣放热+ 间接还原放热) 一 ( 水煤气反应耗热+ 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： 【研】。= 6 l q ，+ g 弓+ b 3 v 4 - 轧q ，p + 6 5 曷g + 玩【& k 。+ 岛q + ( 1 1 ) 其中，巴表示出铁量，a s i 。表示第n 次 s i 与第n - 1 次 s i 之差，【口】州表示 第n - 1 次 s i ，q 表示风量，弓表示风温，伊表示湿度，1 ，表示喷吹量，c 表 示煤气中含c 原子量，以表示煤气中含2 量，2 = 1 - ( c o + c 0 2 + 皿) ， 6 ： ( f = 1 ，2 ，) 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 出统计范围，造成系数波动比较大。 2 ) w u 模型【9 1 2 浙江大学项士学位论文 w u 模型是由法国钢铁研究院于1 9 6 7 年建立的。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。 3 ) e c 模型【1 0 】 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 1 】 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a r 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 c 模型【1 2 】 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【1 3 1 4 】 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【协1 4 】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。 7 ) 动力学模型 1 5 。1 6 】 1 9 9 5 年重庆大学高小强等人1 5 1 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，取得较好的模型预测效果。2 0 0 0 年，文献【1 q 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 ) 贝叶斯网络模型【1 7 】 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 确定性问题的优势，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。2 0 0 6 年浙江大学龚淑华【1 8 1 在其硕士学位论文中，进一步 3 浙江大学硕士学位论文 修正了模型结构，改进了参数分类的不足，提出了基于模糊贝叶斯网络的高炉炉 温组合预报模型。 9 ) 混沌预测模型【1 9 】 2 0 0 4 年浙江大学郜传厚在其博士学位论文中，从混沌动力学的角度剖析了高 炉冶炼过程，数量化计算了高炉冶炼过程的混沌性，并建立了基于混沌理论的高 炉铁水硅含量 s i 】的预测和控制模型。 1 0 ) 小波分析预测模型 2 0 0 5 年浙江大学王文慧在其硕士学位论文中，应用小波分析与时间序列相结 合的方法进行铁水硅含量 s i 预报2 0 】。2 0 0 6 年浙江大学杨可萍在其硕士学位论文 中将小波分析和神经网络技术相结合，建立了铁水硅含量【s i 】预报的小波神经网 络模型【2 1 1 。 1 1 ) 支持向量机模型【2 2 】 2 0 0 6 年浙江大学渐令在其硕士学位论文中，应用统计学习理论发展而来的计 算学习算法一支持向量机，建立了基于支持向量机的铁水硅含量的数值预报模 型和铁水含硅量多类别分类模型。 1 2 ) 分形预报模型f 8 1 2 0 0 6 年浙江大学罗世华在其博士学位论文中，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辨识，并将辨识信息用于对铁水硅含量 s i 】的 拟合、预报，具有一定的理论价值和应用价值。 上述高炉铁水含硅量 s i 】的预报模型中，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 报的技术，国内许多高炉目前的检测条件还达不到：模型( 1 2 ) 虽能较好地适应炉 况波动的情况，但仍需进一步完善。而浙江大学开发的模型中，混沌局部预报模 型和分形预报模型都表明，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。 1 3 论文的主要内容 4 浙江大学硕士学位论文 本论文围绕国民经济的支柱产业钥铁工业，以其中具有复杂性代表的高 炉炼铁工艺过程控制中的核心问题炉温预报与控制，结合统计学中的非参数 回归理论，探讨炉温与其相关参数间的潜在联系，建立了高炉炉温预测控制的偏 最小二乘回归g a m 模型，同时基于遗传算法全局最优搜索选取最佳的反映高炉 炉温变化情况的参数组合，建立了高炉炉温预测控制的非参数正交序列估计模 型，并针对高炉炉长操作过程中的特点，选取了料速l s 、风量f q 、喷煤p m 和 透气性指数f f 四个最有代表性的参数建立了基于高炉混合动力学机理的变系数 回归模型。 实际问题的复杂性，导致观察值往往不符合我们所熟知的那些分布，且它们 的真正分布与这些分布存在着很大的偏离。因此需要发展一些统计方法，使得它 们对模型分布的要求没有明确的限定，这样就产生了非参数统计这个分支。而非 参数统计中的非参数回归部分在计量经济、医学、交通等领域已取得较好的应用。 由于高炉炼铁工艺机理的复杂性，导致了铁水含硅量 s i 序列变化复杂。它 是线性和非线性作用的产物，其中既包含了自身的滞后作用，还包含了其他参数 如料速、风量、喷煤、透气性等的作用，且这种作用往往很难用简单的线性、非 线性函数进行描述。因此本文应用非参数回归中的方法来探求铁水含硅量【s i 】与 这些参数之间的联系。 论文主要分成7 个部分： 第一章是引言，主要介绍论文的研究背景及研究现状以及论文的主要框架； 第二章介绍高炉冶炼工艺机理的复杂性，并对铁水含硅量 s i 的自身滞后性及参 数的复杂影响进行分析：第三章介绍偏最d , - 乘回归方法和非参数回归的基本原 理；第四章运用偏最小二乘回归法对参数降维，从而建立起铁水含硅量 s i 】的广 义加性模型；第五章以模型命中率为目标函数通过遗传算法对参数组合进行广义 搜索，结合铁水含硅量 s i 】的正交序列回归估计模型获得最佳的反映铁水含硅量 【s i 】变化情况的参数组合以及最佳的正交序列估计模型；第六章结合高炉炉温混 合动力学机理和非参数回归中的变系数回归理论，建立了高炉预测控制的变系数 回归模型；第七章论文的主要研究成果和创新点的总结与展望。 5 浙江大学硕士学位论文 第二章高炉冶炼过程的复杂性及相关参数分析 2 1 高炉冶炼工艺的复杂性 高炉是工业中最大的单体生产设备，其炼铁工艺自身的连续化生产流程是由 诸多子工序组成，具体如图2 1 所示。 控制指令 主控室 信息采集 水在线称量r 1 铁水过磅站 图2 1 高炉炼铁工艺流程的控制图 这些工序环节由不同的岗位人员操作控制，并且与高炉主控室交流作业信 息，按照值班工长的指挥，形成子工序控制与高炉进程控制的相互配合与协调。 各个子工序间的互相作用和影响，决定了高炉炼铁工艺过程的复杂性。 2 2 高炉冶炼过程化学反应与流体运动的复杂性 高炉炼铁过程是一个高温物理化学过程。归纳各种各样的高炉过程数学模型 的机理，主要有冶金反应动力学机理，流体动力学机理，混沌动力学机理，随机 动力学机理等等，实际上高炉冶炼过程是不同机理的交叉结果。本节从化学反应 和流体运动角度分析它的复杂性。 高炉冶炼过程的化学反应多达1 0 8 多种【5 1 ，其中主要的反应有： c ( s ) d - 0 2 ( 曲一c 0 2 ( g 卜q l ( 2 1 ) c o ：( 曲+ c ( s ) 一2c o ( g ) - q 2( 2 2 ) 6 一撕一一籼一一 一一一一一一一一 一一一一一 一一一 一一一一一耥 浙江大学硕士学位论文 3 f e 2 0 3 ( s ) + c o ( g ) 一2 f e 3 0 4 ( s ) + c 0 2 ( g 3 f e 3 0 4 ( s ) - i - c o ( g ) = = 3 f c o ( s ) + c 0 2 ( g ) - q 4 f e o ( s ) + c o ( g ) 一f e ( s ) + c 0 2 ( g ) + q 5 3 f e 2 0 3 ( s ) + c ( s ) 一2 f 0 4 ( s ) + c o ( g ) - q 6 f 0 4 ( s ) + c ( s ) 一3 f c o ( s ) + c o ( g ) 一q 7 f e o ( s ) + c ( s ) 一f e ( s ) + c o ( g ) - q 8 3 f e 2 0 3 ( s ) + h 2q ) 一2 f e 3 0 4 ( s ) + h 2 0 ( 酚垃9 f e 3 0 4 ( s ) + h 2 ( g ) 一3 f c o ( s ) + h 2 0 ( g ) - q l o ( 2 3 ) ( 2 4 ) ( 2 5 ) ( 2 6 ) ( 2 7 ) ( 2 8 ) ( 2 9 ) ( 2 1 0 ) f e o ( s ) + h 2 ( 曲一f s ) + h 2 0 ( 曲q l l ( 2 11 ) 从化学反应方程式( 2 1 ) 一( 2 1 1 ) 可以看出，高炉冶炼过程不仅是铁矿石的还原 过程，同时也是一个流体动力学过程：鼓风和喷煤带来了由风口燃烧带开始的气 体上升运动。鼓风中的氧气如果完全燃烧碳元素，则生成c 0 2 气体和热量；如果 不完全燃烧碳元素，则生成c o 和少一些热量；它们在上升过程中服从气体流体 动力学。同时，伴随着铁氧化物等的还原，炉内产生大量新气体。这些成分复杂 的混合气体简称为“上升流体”。另一方面，固体原燃料从炉顶装入，在重力和 炉内压力的作用和高温物理化学反应中，固体原燃料逐步变成软熔体和液体，最 后变成铁水和炉渣。这是固体与液体组成的混合流体，简称为“下降流体 。无 论是“上升流体或“下降流体 ，它们都服从流体动力学的三大方程【5 - 2 3 ： 粤+ d i v ( 户y ) = k p ( 2 1 2 ) 研 a _ j z + ( y v ) y ：f 一三国丽p ( 2 1 3 ) 研p p = 厂( p )( 2 1 4 ) 上述方程中，( 2 1 2 ) 为流体质量守恒连续性方程；( 2 1 3 ) 为流体运动方程；( 2 1 4 ) 是流体物态方程。p 为流体密度，k 为增长因子，y 为运动速度向量，g r a dp 为 压力梯度，f 为炉内料柱的重力。且： 7 浙江大学硕士学位论文 批归警+ 警+ 警缎卯宓 ( 2 1 5 ) ( y v ) y = ( 匕昙+ 昙+ 屹丢) ( 屹，_ ，匕) ( 2 1 6 ) g r a d p ：牟，竽，弓 ( 2 1 7 ) o x c r y c z 因此高炉冶炼过程的化学反应是在流体运动中的化学反应。它有别于实验室 静态环境下的化学反应，需在一定的温度、压力、浓度条件下才能得以进行，并 在反应过程中发生吸热或放热的热效应。把以上化学反应抽象归纳为如下广义化 学反应方程式，得到： 似+ b = f + g4 - a q n ( s t a n d p a n d d ) ) f i = 1 , 2 ，刀 ( 2 1 8 ) 式中，江1 , 2 ，咒表示各种不同的反应过程，彳、口代表反应物，f 、g 代表生成 物，厶q 是反应过程的热效应( 放热或吸热) ，而( s t a n d p a n d d ) 是该项化 学反应能够进行所必须具备的起始温度趴压力p 和浓度d 条件，即约束条件。 在高炉内的反应场中，无数的化学反应过程或者因约束条件满足而发生，或者因 约束条件不满足而难以进行。 另外需要指出的是，化学反应方程式( 2 1 ) 一( 2 1 1 ) 之间存在着“链接”关系： 只有完成反应链( 2 3 ) 专( 2 4 ) 专( 2 5 ) 才能还原出铁元素，而它们所需的还原剂 c o 和热量则需要反应( 2 1 ) 哼( 2 2 ) 反应链或热风提供热量。如果生成c o 还原剂 的反应及其热量不满足要求，那么( 2 3 ) 哼( 2 4 ) 专( 2 5 ) 反应链就会被自动抑制。 这样的反应链在高炉内部大量存在，彼此影响，而又不可检测。 各反应方程式的热效应q i 的代数和则代表了冶炼过程中的热量迁移状态。 当代数和非负时，反应链总体是放热的，炉温便向热发展；反之，当代数和为负 时，反应链总体吸热，导致炉温向凉发展。这就是形成高炉冶炼过程中铁水含硅 量 s i 趋势性波动的化学反应机理。而纷繁复杂的化学反应链是受流体运动条件 的变化所影响的。因此，高炉冶炼过程流体动力学条件控制着化学反应的进程， 控制着高炉内的物质状态和能耗的发展，( 2 1 8 ) 是具有非线性约束条件的复杂数 浙江大学硕士学位论文 学规划问题，而不仅仅是传统概念下的化学反应方程组构成的线性热平衡模型。 2 3 高炉冶炼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，达到最佳状态。由于高炉内部非常复杂， 处于“黑盒 状态，因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。比较重要的状态参数有料速、透气性、风口状况、铁 水与炉渣成分等。状态参数反映了高炉当前运行状态，而当工长要对炉温进行调 控的时候，则需要利用控制参数。影响高炉顺行的主要控制参数有：风量、风温、 喷煤等。本节将对一些重要的参数进行一一分析。 2 3 1 料速l s 料速是反映炉温状况的一个重要参数。本文中，料速l s 是指单位时间内装 入高炉的理论铁量，其计算式为f 2 4 】： ls：lfe：sjfel+qtfe2+skfe3+othfe4 ( 2 1 9 ) ff 其中，l f e 为理论铁量，为烧结矿量，q 丁为球团矿量，s k 为生矿量，o t h 为其他矿量；f e l f e 4 为相应各种不同矿的铁品位；t 为进料时间。 炉温发展平稳时炉料下降速度均匀适中；炉温由凉转热时，料速由快变慢， 料速加快预示着炉温由热转凉。因此料速的快慢可以粗略地判断高炉炉缸的热状 态，是重要的状态参数。 2 3 2 风量f q 风量f q 对高炉冶炼的下料速度、煤气流分布、造渣制度和热制度都有重要 影响，是调控异常炉温的重要参数。在燃料比降低或维持燃料比不变的条件下， 风量与下料速度和生铁产量成正比关系，增加风量，综合冶炼强度提高，否则适 得其反。风量的调节作用是： 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，降低风量是降低压差、消除管道、防止难 性、崩料和悬料的有效手段。 3 ) 炉凉时减风可控制料速，可迅速避免炉温下滑的状况；热行而料批不足 时可酌量加风。 2 3 3 喷煤p m 9 浙江大学硕士学位论文 喷煤是现代高炉操作中的重要调节手段，它可以降低综合焦比，提高产量和 改善生铁质量，而且促进高炉顺行。 单位燃料能替代焦炭的数量称为置换比。煤粉对焦炭的置换比呈非线性变 化。经验表明，随着喷吹量的增加，置换比不断降低。这是由于喷吹的燃料进行 加热分解和气化时要消耗一定的热量，从而使炉缸温度降低。喷吹燃料越多，炉 缸温度降低也越多。因此在不断增加喷吹量的同时，要充分考虑由于置换比降低 所带来的影响，采取提高置换比的相应措施，如提高风温给予热补偿；增加富氧 量以提高燃烧率；改善煤粉质量以及选用合适的操作制度等。 2 3 4 透气性指数f f 由于散料层透气性的变化非常敏感地被反映在高炉操作上，因此现场常采用 透气性指数f f 这一概念来判断炉况。透气性指数的定义口5 1 如下： f f ：旦：盟堕 ( 2 2 0 ) p 舅一昱 式中q 、q 2 分别表示富氧量和富氧鼓风前的风量：只、昱分别表示风压和顶压。 透气性指数表示炉子接受风量的能力，是一个可以快速、直观、综合反映炉 况的重要状态参数。同时它是一个复合参数，不同的高炉在不同的操作条件下有 其合适的数值范围。透气性指数与炉温的关系比较复杂：当炉温由热向凉时，初 期压差略降低，透气性指数增大，但过凉时，压差又会增高，透气性指数就会减 少；当炉温向热时，随着压差升高，透气性指数降低，初期波动小，过热时波动 增大。 2 3 5 风温f t 提高风温可大幅度地降低焦比，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，活跃炉缸工作，促进煤气流初始分布合理，改善喷 吹燃料的效果。 在高炉生产中，可采用高风温操作，充分发挥热风炉的能力及高风温对炉况 的有利作用。风温水平不同，提高风温节焦的效果也不同，在较低风温时，提高 风温对降低焦比的效果较明显，反之风温逐渐提高，降低焦比的效果逐步减少。 风温在1 0 0 0 c 左右时，降低1 0 0 c 风温，将影响焦比1 7 k g t 左右。 1 0 浙江大学硕士学位论文 2 4 参数相关性分析 2 4 1 铁水含硅量 s 门的自相关性 鉴于铁水含硅量 s i 序列本身具有很明显的滞后性，本文利用时间序列的理 论方法对其进行分析。时间序列中，自相关系数和偏相关系数是描述了动态数据 的两个基本统计特征。本文利用这两个概念对铁水含硅量 s i 】自相关性进行粗略 识别【2 6 】。 首先给出自协方差r 的定义： 疋= e 【五一瓯】【五一。一瓯一七】 盈描述了五与置一。之间的线性依赖关系。由于五的取值大小不同，由两个 不同的时间序列求出的r 亦不同，盈不能描述时间序列的前后相关性更强或更 弱，因此引入自相关系数级定义如下： 成= ：茬耥= 兰丝兰 弓主鼍萎野= 惫c 岛= ，c 2 2 ， 一 d ( 五) d ( 置七)d ( 五) d ( 五 ) r 。 从而可得墨，见的估计值愈，a 的估计公式： 惫2 专，萎。( 五一元) ( 五。一置一七) ( 0 七一1 ) ，箧= 成= 专t - i 矸 vf = + lv a 2 惫( o ak - 1 ) 本文选取了包钢甜高炉5 4 6 1 2 期间共3 9 7 组数据，得到当前炉的铁水含硅 量【s i 与前k 炉的 s i 】的相关性结果如下： 表2 1包钢甜高炉当前炉铁水含硅量【s i 】与前k 炉【s i 】的自相关系数表 浙j 工犬学硕 士 学位论 文 图2 2 包钢6 栉鬲炉当前炉铁水舍硅量i s ij 与前k 炉i sj 的目相关图 从图2 2 中可以明显看到，在铁水含硅量 s i 序列中，当前炉的 s i 】与前k 炉的【s i 的自相关系数是随着k 增大逐渐衰减，呈现一种拖尾性。 在给定随机变量z 的条件下，记随机变量x 与y 的联合条件密度函数为 f ( x ，y i z ) ，则x 与y 的偏相关系数定义为： 广”r 巨二墨旦地笔些兰：兰陵查翌：e x - e ( x ) l y - e ( y ) ( 2 2 3 ) 工。工。4 d ( x ) d ( y ) 4 d ( x ) d ( y ) x 与y 的偏相关系数的递推估计计算式如下 鲲l 。a 幺“m = ( a + 。一：。a 小，纯) ( 1 一：，a 丸) 一 ( 2 2 4 ) 氟圳=丸一霞+n霞“一，(1ik1111 1 )仇+ 。f2 一依+ ，“依，+ 一，l ss j 通过求解上述方程组，可得到包钢6 j i 高炉当前炉的铁水含硅量 s i 】与前k 炉 s i 】的偏相关情况如下： 表2 2 包钢硎高炉当前炉铁水含硅量 s i 】与前k 炉【s i 的偏相关系数表 1 2 浙江大学硕 士 学位论文 图2 3 包钢6 # 高炉当前炉铁水含硅量 s i 与前k 炉 s i 】的偏相关函数图 从图2 3 中可以看到，当前炉的铁水含硅量 s i 与前k 炉 s i 的偏相关系数 呈截尾特征，即在第2 步以后的偏相关系数只在零值附近波动。结合 s i 】序列的 自相关系数分析，可以判断得 s i 】序列的自线性部分是a r ( 2 ) 模型。结合现场经 验可知，炉内状态对 s i 】的影响一般为4 6 小时，也就是2 炉铁左右时间，a r ( 2 ) 模型符合高炉内动态反应的一般规律。 根据最小二乘法参数估计，可得铁水含硅量 s i 序列的a r ( 2 ) 模型为 置= 0 9 5 2 7 ) ( , 一1 + 0 0 31 x , 一2 + a ， ( 2 2 5 ) 其中，工表示t 炉次的铁水含硅量 s i ，a ，表示误差。 实线表示实际【s i 槛虚线表示f s l 踯 r 口潮 i 斑值 嚣 器 撑 蓉 图2 4 包钢6 # 高炉铁水含硅量 s 门序列的a r ( 2 ) 滤波图 浙江大学项士学位论文 从图2 4 可以看到，铁水含硅量 s i 】的a r ( 2 ) 模型结果与实际数据十分接近， 说明铁水含硅量 s i 】具有很强的自相关性。对滤波后的铁水含硅量 s i 】序列再进行 线性自相关分析，此时它与前一炉【s i 】的相关系数为一0 0 1 ，与前二炉【s i 】的相关 系数为- 0 0 8 6 6 。与滤波前相比，铁水含硅量 s i 】序列的自线性相关性大大降低了。 铁水含硅量 s i 的a r ( 2 ) 模型的命中率达到了6 9 5 ，这说明其他参数对铁水 含硅量 s i 】序列也存在着一定的影响。下面从相关系数和灰关联熵两个角度来分 析参数与铁水含硅量 s i 】之间的联系。 结合高炉炼铁机理和专家的多年经验，本文选取了料速l s 、风量f q 、喷煤 p m 、透气性f f 、前两炉铁水中的硅、磷和锰含量( s i ( n - 2 ) ，p ( n - 2 ) ，m a ( n - 2 ) ， s i ( n - 1 ) ，p ( n 一1 ) ，m n ( n - 1 ) ) 、风温f t 、风压f p 、冷风温度l f w d 、顶压d y 、富 氧率f y 、炉顶煤气中的一氧化碳c o 、二氧化碳c 0 2 和氢气h 2 含量、冷风压 力l f y l 这1 9 个因素来进行分析。 2 4 2 参数与铁水含硅量 s i 的相关系数 从统计角度看，两个随机变量的相关系数【2 7 1 是描述变量关联性( 线性关系) 强弱的重要数字特征，其定义为如下： 矿赢等2 赫n 2 ，1 2 6 ， l ：。( 砀一屹j 厶棚i 嘞一和ji 代入包钢6 f 高炉5 4 6 1 2 期间的数据，得到当前炉的铁水含硅量 s i 】与参数 之间的相关情况，具体结果见本章附录一。 通过数据可以发现，首先参数都表现出了与当前炉的铁水含硅量 s i 】一定的 相关性。其中前二炉铁水中的硅含量s i ( n 2 ) 、前一炉铁水中的硅含量s i ( n - 1 ) 、 前一炉铁水中的磷含量p ( n 1 ) 这3 个参数与当前炉的铁水含硅量【s i 】有明显的相 关性，这也说明了铁水含硅量【s i 】具有强烈的自相关性；料速l s 、风量f q 、喷 煤p m 、前二炉铁水中的磷含量p ( n 2 ) 、前一炉铁水中的锰含量m n ( n 1 ) 、风温 f t 、风压f p 、冷风温度l f w d 、顶压d y 、富氧率f y 、炉顶煤气中的一氧化碳 c o 和二氧化碳c 0 2 含量、冷风压力l f y l 这1 3 个参数与当前炉的铁水含硅量 【s i 】的相关性次之：透气性f f 、前二炉铁水中的锰含量m n ( n 2 ) 和炉顶煤气中的 氢气含量h 2 这3 个参数与当前炉的铁水含硅量 s i 】的相关性相对较弱。 1 4 浙江大学硕士学位论文 其次参数间也存在着明显的相关性。如料速l s 与风量f q 、喷煤p m 、风温 f r 、风压f p 、冷风温度l f w d 、项压d y 、富氧率f y 、炉顶煤气中的一氧化碳 c o 和二氧化碳c 0 2 含量、冷风压力l f y l 这1 0 个参数的相关性很明显，等等。 2 4 3 参数的灰关联熵分析 相关系数分析更多的是探求数据间的线性关系，而高炉工艺的复杂性导致参 数与当前炉的铁水含硅量 s i 】之间存在着更加复杂的关系。 熵概念源于热力学，后