（控制理论与控制工程专业论文）高炉炉况智能诊断与预报方法研究.pdf

中南大学硕士学位论文摘要 摘要 高炉炉况诊断与预报对于高炉操作具有重要的意义。由于高炉冶 炼过程是一个多变量、强耦合、非线性、不确定、时变的复杂工业过 程，高炉炉况诊断一般采取基于案例学习的方法。由于高炉异常炉况 的案例征兆数据集常常是小样本数据集，因此，需要在小样本学习集 下具有很好泛化能力的诊断方法。 针对高炉炉况小样本数据下的诊断问题，本文提出了一种基于支 持向量机和神经网络的分层结构诊断模型。首先，采用支持向量机方 法构建多个炉况分类器进行初始分类，获得分类向量在各支持向量机 分类器相对最优分类面的距离，获得很好的泛化能力。其次，以支持 向量机输出为输入，建立炉况神经网络分类器进行二次分类，输出为 属于各炉况的可信度值( 即隶属度值) ，减少了支持向量机方法误分、 错分的发生，提高诊断的准确率。最后，根据各炉况诊断神经网络的 输出，通过比较可信度值大小做出最终的炉况诊断。 炉况诊断系统给出历史数据下的各炉况的分类距离，据此采用神 经网络方法预报下一周期各炉况的分类距离，通过比较当前诊断值和 预报值给出炉况向某种炉况的变化趋势，做出炉况趋势预报。 通过对高炉实际运行数据的仿真，采用上述方法建立的诊断与预 报系统具有较好的效果，证明这种新的炉况诊断与预报方法是有效 的。 关键词高炉炉况诊断与预报，支持向量机，b p 神经网络，分层诊断 系统 中南大学硕士学位论文 a b s t r a c t a b s t r a c t t h eb f ( b l a s tf u r n a c e ) s t a t u sd i a g n o s i sa n dp r e d i c t i o ni si m p o r t a n t f o rt h eb l a s tf u r n a c eo p e r a t i o n a l t h o u g he x p e r ts y s t e mh a sb e e na p p l i e d t ob fs t a t u sd i a g n o s i sa n dp r e d i c t i o nv e r yw e l l ，d i s a d v a n t a g e so fd i f f i c u l t e x p e r ta c k n o w l e d g ea c q u i r i n g a n db a d t r a n s p o r t a b i l i t y l i m i ti t s a p p l i c a t i o n a n dd i s s e m i n a t i o n a n n s ( a r t i f i c i a ln e u r a l n e t w o r k s ) c o n s t r u c t sd i a g n o s i sm o d e lb yl e a r n i n gb fs t a t u se v i d e n t i a ls a m p l e s ，a n d s o l v e st h ep r o b l e mo fa c k n o w l e d g ea q u i d n g ，s oi th a sg o o db e h a v i o u ro f a p p l i c a t i o na n dd i s s e m i n a t i o n b u ta r t i f i c i a ln e u r a ln e t w o k s sl e a r n i n g a l g o r i t h mi sb a s e do ne m p i r i c a lr i s km i n i m i z a t i o np r i n c i p l e ，w h i c hi s i n t e n d e df o rd e a l i n gw i t hl a r g es a m p l es i z e s i nr e a l i t y , t h es a m p l eo fb f s t a t u si sl i m i t e d ，s oa n n sd i a g n o s i sm o d e ld o e sn o tw o r kw e l l i nt h i s p a p e rw ep r e s e n tan o v e lm e t h o dt os o l v eb fs t a t u sd i a g n o s i sa n d p r e d i t i o nu n d e ras m a l ls a m p l eo f t r a i n i n gi n s t a n c e s t om a k et h ed i a g n o s i sm o d e lp e r f o r mb e r e ru n d e rs m a l le x a m p l e s ， w ep r e s e n tf lh i e r a r c h yd i a g n o s i sm o d e l ：f i r s t ，w ec o n s t r u c ts v m ( s u p p o r t v e c t o rm a c h i n e s ) c l a s s i f i e r sf o rt h ei n i t i a lb fs t a t u sd i a g n o s i s ，i t so u t p u t i st h ed i s t a n c et ot h e o p t i m a ls e p a r a t i n gh y p e r p l a n e s s e c o n d ，w e c o n s t r u c tb pa r t i f i c i a ln e u r a ln e t w o r k st om a k ef u r t h e rd i a g n o s i s a c c o r d i n gt ot h ea n n s o u t p u t ，w em a k et h ef i n a ld i a g n o s i s t h es v m a p p r o a c h i sa i m e da t s o l v i n gt h e c l a s s i f i c a t i o n p r o b l e m su n d e rt h e c o n d i t i o no fas m a l ls a m p l eo ft r a i n i n g i n s t a n c e s ，a n dh a sb e t t e r g e n e r a l i z a t i o na b i l i t y t os o l v et h ep r o b l e mo fm u l t i - c l a s s i f i c a t i o nf o r s v m ，w er i s ea n n st om a k ef u r t h e rd i a g n o s i s ，i tc a r li m p r o v ed i a g n o s i s a c c u r a c y b fs t a t u sc a nn o tb er e p r e s e n t e db yas p e c i f i cd e t e c t a b l ep a r a m e t e r e x c e p tf u m a c eo v e r h e a t i n g ，s ot r a d i t i o n a lf o r e c a s t i n ga p p r o a c h e sa r e d i f f i c u l tt ou s e b e c a u s et h eb fs t a t u sd i a g n o s i sm o d e li st oo b t a i nt h e m a x i m u md i s t a n c eb e t w e e nl e a r n i n gm o d ed a t a s e t s ，s t a t e v e c t o r m o v e m e n ti nc l a s s i f i c a t i o ns p a c ec a nr e f l e c tc h a n g e si nt h eb fs t a t u s t h e r e f o r e ，w eo b t a i nt h eh i s t o r i c a ld a t a sd i a g n o s i sr e s u l t sb yd i a g n o s i s m o d e l ，t h e nu s et h i ss a m p l ed a t as e tt ot r a i nf o r e c a s t i n ga r t i f i c i a ln e u r a l n 中南大学硕士学位论文 a b s t r a c t n e t w o r k s ，f m a l l y ，w ep r e d i c tt h es t a t u so ft h eb l a s tf u r n a c eb yt r a m e d f o r e c a s t i n ga n n s b ys i m u l a t i o n ，t h eb fd i a g n o s i sa n dp r e d i c t i o ns y s t e mc o n s t r u c t e d u s i n gt h ea b o v em e t h o dh a sg o o dr e s u l t s ，s oi tp r o v e st h a tt h en o v e l f u r n a c es t a t u sd i a g n o s i sa n dp r e d i c t i o nm e t h o di se f f e c t i v e k e yw o r d s ：b fs t a t u s d i a g n o s i sa n dp r e d i c t i o n ，s u p p o r tv e c t o r m a c h m e s ，b pa r t i f i c i a ln e u r a ln e t w o r k s ，h i e r a r c h yd i a g n o s i ss y s t e m i 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共 同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：! 塑冬日期：兰竺2 年上月应日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校有 权保留学位论文，允许学位论文被查阅或借阅；学校可以公开学位论 文的全部或部分内容，可以采用复印、缩印或其他手段保存学位论文； 学校可根据国家或湖南省有关部门规定送交学位论文。 作者签名：逾酲导师签名：勉日期：坦z 年月丘日 中南大学硕士学位论文 第一章绪论 钢铁工业是我国国民经济重要的基础产业和支柱产业，2 0 0 6 年，我国生铁产 量超过4 亿吨，占全世界生铁总产量的4 6 ，预计2 0 0 7 年将达n 4 。6 亿吨【l j 。总体 而言，中国钢铁业发展呈粗放型的特点，全行业吨钢综合能耗比世界先进水平高 出2 0 左右，钢铁行业总能耗占全国工业总耗能的1 5 左右。高炉炼铁作为钢铁 联合企业的上游工序，其能耗又约占钢铁行业总耗能的6 0 ，成本约占l 3 。因 此，炼铁工艺流程的节能降耗对钢铁企业提高经济效益中占有重要的地位，在当 今世界能源问题日渐突出的今天，对国民经济的可持续发展同样具有十分重要的 现实意义。要实现节能降耗的目标，除了发展、革新炼铁工艺以挖掘高炉潜力之 外，推进高炉冶炼过程的自动化技术的应用是炼铁技术发展的大趋势。 高炉炉况诊断与预报是高炉过程控制系统中重要的组成部分，因此，高炉炉 况诊断与预报方法一直是高炉过程自动化研究的重点课题。 本章首先分析高炉冶炼过程的特点，介绍当前国内高炉控制的流程，指出异 常炉况对于高炉的危害，论述高炉炉况诊断与预报的重要意义。其次，介绍国内 外在炉况诊断与预报方面的进展情况，并分析了当前诊断与预报方法的不足。最 后，介绍了本文的研究内容，以及各章节的主要内容。 1 1 研究背景与意义 高炉系统是一个复杂的大系统，除高炉本体外，它的附属系统还包括：供料 系统、送风系统、煤气除尘系统、渣铁处理系统、喷吹燃料系统。高炉本体作为 生铁冶炼的发生容器，是高炉系统最重要的设备，同时也是最难于控制的子系统。 高炉是一个煤气与炉料作逆向运动的竖炉，从炉顶加入的铁矿石在下降的过程 中，含有的铁离子逐渐被焦炭中的碳和上升煤气中的一氧化碳还原，生产出最终 产品铁。在整个冶炼过程中，既存在物料的运动、熔融以及热量交换的物理过程， 又存在物质还原、碳氧化等化学过程，同时存在气固液三种状态的相互运动。 因此，高炉冶炼过程是一个非线性、大时滞、强耦合的大系统，对高炉进行控制 十分困难。 高炉异常炉况是由于高炉的调控措施不恰当造成炉料顺行被破坏，炉内热量 收支严重失衡现象，对高炉炼铁生产有着严重的危害性。异常炉况发生后将引起 生铁的质量、产量下降，能耗升高，停产休风等后果，严重的将造成设备损坏， 降低炉子的使用寿命。文献【2 习介绍了高炉操作的决策流程，可见高炉炉况判断 中南大学硕士学位论文绪论 是高炉调控的先决条件，高炉生产操作的装料制度、送风制度、造渣制度以及热 制度，都要参照高炉炉况进行相应调整。因此，高炉炉况诊断是高炉控制的一个 重要课题。由于高炉是一个大滞后的系统，各种调控措施发挥作用将需要一个较 长的时间，因此需要实现对高炉炉况的预报，操作人员据此适时、适度地采取相 应的调整措施，避免炉况的恶化，对实现高炉长时间的稳定、高效运行具有重要 作用，从而促进高炉生产效率的提高，挖掘高炉生产潜力、实现节能降耗、提高 企业效益。 根据2 0 0 6 年上半年的不完全统计【4 l ，我国1 0 0 0 m 3 以上的高炉占高炉总数的 3 8 8 ，6 0 0 1 0 0 0 m 3 的中型高炉占8 4 ，6 0 0 m j 以下的占5 2 8 ，中小高炉占有 较高的比重。国外高炉实现高喷煤的一个重要原因是采用精料，提高入炉矿石品 位和经筛分后增加炉料的透气性，而国内企业由于条件所限，好的原料尽量满足 大高炉使用，中小高炉原料成分、粒度波动频繁，因此，导致炉况波动大。其次。 购买国外的专家系统费用高，并且中小高炉缺乏必要的检测设备，也限制了炉况 诊断与预报系统的普及，对于高炉炉况的判断一般是操作人员根据现场数据，凭 借各自的炼铁工艺知识和经验做出的。一方面，高炉炼铁过程既是一个气、液、 固三相混合的综合反应过程，同时又是一个进行着机械运动、热传递过程和化学 反应的复杂过程，各种操作因素对炉况影响极其复杂，且信息量巨大( 有数百个 实时传感器信号及大量的非实时信息) ，操作人员难以从大量的信息中及时做出 炉况判断；另一方面，由于操作人员经验水平参差不齐，以及人工经验判断的不 稳定性，很难对高炉炉况做出准确判断，更不用说做出精确预报。国内高炉数量 多，产量大，但由于引进高炉炉况诊断与预报系统成本高，且移植性差等原因， 国内采用高炉冶炼专家控制系统得高炉并不多，因此，开发符合国内高炉特点， 具有很好推广意义的炉况诊断与预报方法具有更加重要的意义。 由于智能系统具有处理存在非实时数据、知识表达信息的无模型、非线性系 统的能力，因此，本文提出一种基于智能技术的高炉炉况诊断及预报方法，实现 高炉炉况的实时监损4 、异常状况预报。 1 2 国内外研究现状 高炉炉况诊断与预报模型大致分为两类嘲：一类是基于数理模型，即建立高 炉炉内动力学模型，进行炉热指数计算，进而指导高炉操作。另一种基于知识的 诊断模型，即结合工艺机理和专家操作经验，建立智能炉况诊断与预报系统，不 是给出炉况的精确数字解，而是给出“好”、“坏”的判断结果。 基于数理模型的炉况诊断与预报方法由来已久，最初是根据物质和能量守 恒，计算高炉内的化学平衡和热平衡，得出炉热发展情况。1 9 5 9 年，p o o s 和 2 中南大学硕士学位论文绪论 d e e k e r 【6 , 7 1 通过炉内物质和热量平衡计算，获得高炉各操作变量的相互关系，确 定各部分输入热量所占总热量的比例，以及基本的热化学特性，但在对高炉行为 的预报上效果并不好。1 9 6 2 年r i d g i o n s l 进一部发展了高炉数学模型，提出了分 区的物质和热量平衡方法，他将高炉按温度每5 0 。c 分为一个区，不同的温度区 进行不同的化学反应，每一个分区都遵循物质和热量平衡原则。1 9 6 5 年，法国 钢铁学院( i r s i d ) 的s t a i b l 9 1 设计了一种简单的高炉定量模型，将高炉分成上下 两个部分：高炉炉料在上部完成预热，炉料中的铁氧化物还原为浮士体( f e o ) ； 高炉下部则发生涉及大量热量的反应( 如溶损反应) ；两部分的交界区被称为储 备区，在这里不发生炉料和煤气的热量交换和化学反应。对下部区采用物质和能 量守恒定律计算，预报高炉操作对炉内状况的影响。此后，m u c h i 【lo j ，f i e l d 和 w o o d l l “，d o n a l do a k e y 【1 2 1 ，c a r l o sm a n u e l 1 3 1 进一步丰富和发展了高炉动力模 型，引入了更多的反应方程和影响因素，模型计算的结果和实际运行符合的很好。 由于上述高炉数学模型是基于某些假设前提条件下，在高炉正常状态下建立的， 因此，高炉炉况处于标准状态点附近的小范围内模型是有效的，当高炉炉况发生 较大变化，甚至发生异常炉况时，模型的效果并不理想。此外，模型仅仅基于热 量平衡原理建立的，对高炉状态描述是有局限性的。 随着对高炉炉内结构的进一步了解和建模技术的发展，为了更好的反映炉内 的状况，给操作人员可视化的表示，又相继建立很多局部模型。 ( 1 ) 高炉炉喉煤气流分布模型1 1 4 1 。根据炉喉十字测温仪以及其它测量仪表 测量值，建立炉喉煤气流分布模型，迸而确定煤气流分布模式和炉况的关系，用 以指导高炉操作，控制煤气流的分布，实现高炉稳顺运行。 ( 2 ) 高炉布料模型【1 5 ，1 6 】。确定布料后的料面形状以及矿石层、焦炭层的分 布。通过布料制度的变化，可直接改变上都煤气流的分布，控制炉内热量与质量 的传递和炉料下降的顺行程度。 ( 3 ) 软熔带模型【1 7 1 。炉料从开始软化到滴落的区域称为软熔带。软熔带内 发生多种固液反应，其中矿石层对煤气阻力很大，决定煤气流运行状态的是焦炭 总面积及分布。因此，软熔带的特性直接影响着高炉煤气流的分布，对高炉的顺 行与取得优异的生产指标起着重大影响。十字测温半径方向温度分布和炉身探测 器径向煤气成分是模型计算用最基本的输入数据，高炉原燃料成分、固体和气体 比热及各种化学反应热等常数由人工输入，生产操作数据由过程计算机自动采 集。通过对每个圆筒作物料平衡和热平衡计算，求得最佳料速，以计算出此时各 分割区的生铁生成量、焦炭消耗量、煤气流速和溶损碳量等参数，然后进行等温 线推定。 高炉软熔带在高炉中起着气流分布器的作用，它直接影响煤气的利用率，并 3 中南大学硕士学位论文 对炉料下降行为有极大影响。实现高炉软熔带在线实时推断，掌握操作过程中高 炉软熔带的状态，指导操作人员对软熔带进行有效的控制和管理，维持一个形状 合理、高度适当的软熔带，对保证高炉顺行稳定、提高煤气利用率、提供足够热 量、降低燃料能耗、降低铁水s i 的含量，具有重要的意义。 ( 4 ) 炉热指数预报模型【l 引。分为铁水温度预报模型( 铁水物理热) 和铁水 硅含量预报模型( 铁水化学热) 两种。通过炉热指数反映炉缸热状态，进而指导 高炉操作。 ( 5 ) 燃烧带模型【l9 2 0 l 。计算风1 ：3 回旋区几何形状，喷吹燃料的燃烧状况， 指导下部调节操作。 ( 6 ) 炉缸炉底侵蚀模型( 炉缸等温线模型) 【2 1 捌。炉缸炉底受机械侵蚀和 化学侵蚀，当由于冷却等原因使热面温度降低到所接触的渣铁凝固温度时才会停 止侵蚀作用。一般认为，当温度下降到1 1 5 0 左右能使铁水凝固，因此取1 1 5 0 等温线作为炉底的侵蚀参考线，据此判断和分析侵蚀情况。 上述模型能提供操作人员高炉炉内可视化的直观印象，符合人们对事物认知 的需求心理，对高炉操作具有一定的指导意义。但基于数学模型的方法的缺点是 需要完善、准确的检测信号，建立起的模型的准确性、可靠性验证也十分困难， 在中小高炉的自动化设备条件下较难实施。而且模型反映的是高炉炉内状况的某 一方面，而实际炉况则是多种因素共同作用的结果。此外，模型建立需要很多假 设条件，在实际高炉中很难符合条件要求，这些限制了模型的使用效果。 由于试图采用数学模型揭示高炉各种炉况的努力没有获得成功，人们转而寻 求其它方法解决高炉炉况诊断问题。随着智能技术的发展，人们尝试引入智能技 术应用到高炉控制问题中来，即采用智能方法判断炉况，在异常状况下采用智能 技术知道高炉操作；在正常炉况下，采用数学模型指导高炉控制。 国外许多钢铁企业投入大量资金用于高炉炉况诊断与预报模型的研发，并结 合高炉优化操作模型等子系统形成高炉智能专家系统，实际运行取得了很好的效 果。国外比较成功的高炉专家系统有：日本川崎水岛的“a d v a n c e dg o s t o p 系统”m j ，该系统高炉炉况诊断与预报模型主要用于高炉的热状态及异常炉况的 预报。热状态主要是预报铁水温度，对异常炉况的判断主要包括对崩料和管道的 判断。模型将系统采集的信息以及计算的指数经过预处理，经过由综合高炉操作、 炉况判断和高炉冶炼理论结合起来形成的专家诊断与预报系统作出炉况的综合 判断。奥钢联工程技术公司与林茨厂开发的“v a i r o n 高炉优化软件包一专家系 统”【2 4 】，采用专家系统进行塌料、崩料，滑料、结瘤、悬料等异常炉况诊断。日 本钢管公司【2 5 j 的b a i s y 高炉专家系统，异常炉况诊断由数百条专家规则组成， 致使表达采用i f 和t h e n 形式，并引入可信度( c f ) 对其评价，c f 值在+ 1 4 中南大学硕士学位论文 绪论 1 范围内变化，+ l 表示完全可信，0 表示无关，1 表示完全不可信，其推理过 程为；对经处理后的检测数据进行越限判断；当规则的条件满足时，求取各规则 的c f 值；经过多种运算操作，预报发生崩料和管道形成的概率。 九十年代之前，由于受基础设施水平的制约，国内高炉自动化水平较低，高 炉自动化问题的研究得不到足够的重视。随着中国经济建设的快速发展，对钢铁 的需求急剧增加，国家对钢铁行业的投入加大，钢铁企业和相关学者对钢铁自动 化的研究逐渐重视。国内采取了先引进，后吸收的措施，加快缩短与发达国家的 差距。 上海宝钢在引进日本g o s t o p 系统的基础上进行改进，采用模糊数学方 法确定各个评价参数的权重，并将参数域迸一步细化。炉温预报采用t c 指数进 行短期预报，采用基于时差学习算法的神经网络进行长期预报。 武钢在1 9 9 6 年与芬兰罗德洛基公司( r a u t a r u u k k i ) 公司签定了技术引进合 同，合作开发用于武钢4 号高炉的冶炼过程专家系统f 2 7 】。专家系统以n e x p e r t o b e c c 作为知识库开发工具，利用了o r a c l e 建立数据库，以d e v e l o p e r 2 0 0 0 作为 界面开发工具。知识库由二部分组成，即正常状态知识库和异常状态知识库。按 监测频率进行分类，知识库分为3 0 s 、5 m i n 、1 5 m i n 、2 4 1 a 共四类，分别对高炉冶 炼过程中的数十种状态进行监控预报。 国内各大高校也积极参与高炉自动化技术的研究。四川工业学院董秀成、重 庆大学涂植英等人于1 9 9 4 年利用人工智能及模糊数学的思想开发了高炉炉况检 测与诊断专家系统【2 8 】。整个系统分为检测和诊断两级系统。在检测级中，知识 库主要由产生式规则组成，采用具有启发式的正向推理。在诊断级中，知识库主 要由规则和函数组成，采用反向推理，根据异常炉况化分为不同的处理子模块。 只根据专家知识形成规则库，没有规则自学习能力，很难随工艺变化做出准确诊 断。 浙江大学的刘金琨、王树青在1 9 9 8 年开发了高炉异常炉况神经网络专家系 统【2 9 1 ，基于模糊规则建立模糊b p 神经网络。网络分为：输入层、前提隶属函数 层、前提层、规则层、输出层。异常炉况作为网络的输出，有关工艺参数作为网 络输入。通过神经网络自学习算法实现对隶属度的调整。 东北大学的王玉涛、夏靖波、周建常、王师等人在1 9 9 9 年采用模糊神经网 络专家系统1 3 0 j 实现高炉炉况的诊断。系统采用按诊断故障类型划分的模块化模 糊神经网络结构。系统采用自学习算法实现模拟诊断推理过程并调整上述特征因 子权重、模糊等级的界限值以及规则的可信度。 为解决专家规则的获取问题，2 0 0 6 年重庆大学的梁栋，白晨光等人【3 i 喇用 模糊聚类方法是先对炉况相关参数的进行模糊化，并得出相应的隶属函数。采用 5 中南大学硕士学位论文 绪论 神经网络得出专家知识。 上述高炉智能诊断与预报方法归纳起来主要为两种：专家系统方法；神经网 络方法。 专家系统方法是高炉控制系统最常采用的总体架构，在高炉故障诊断和预报 方面也有一定的应用。专家系统方法存在的主要问题是： ( 1 ) 传统的专家系统存在知识获取困难、知识台阶窄、智能水平低等缺点， 因而其发展受到了限制； ( 2 ) 其诊断准确率的高低主要取决于知识库的知识多少及正确率的大小， 因此专家系统成功与否要看领域专家的合作程度及他的经验成熟程度，不同的专 家给出的诊断规则可能相互矛盾，所以要开发一个复杂的多功能专家系统对开发 者以及领域专家都很困难； ( 3 ) 方法的可移植性差。专家知识是在高炉长期运行过程中由领域专家逐 渐丰富完善形成的。知识库的内容、规则一般具有本高炉的特点，由于高炉个体 的差异，知识库的内容、规则需要很大的改变，需要使用方相关人员的参与和长 期调试，系统移植到其它高炉的能力差。为了克服存在的缺点，当前专家系统更 多的应用是和其它方法的结合，其中最广泛的是与神经弼络的结合。 国外在炉况诊断方法多采用专家系统的主要原因是高炉工艺相对比较稳定， 高炉大型化，高炉炉料精，操作水平高，检测设备完善炉况相对平稳。而国内高 炉处于高速发展阶段，工艺操作变化快( 喷煤量、送风温度提高很快) ，炉料质 量波动频繁，难以形成有效的专家知识。 神经网络方法对于高炉异常炉况诊断以及炉热预报方面，在某些具有大样本 数据的高炉上取得了不错的应用效果。神经网络具有基于训练数据集学习建立模 型的能力，克服了专家系统的知识提取困难、可移植性差等缺点，但存在算法只 有在大样本数据下有效，容易陷入局部最优解等不足。由于实际情况下的很多高 炉异常炉况的征兆数据常常是小样本数据，因此，神经网络方法在很多高炉上使 用效果并不理想。 支持向量机是从统计学习理论( s t a t i s t i c a ll e a r n i n gt h e o r y 或s l t ) 发展来的 一种新的诊断方法，是建立在统计学习理论的v c 维理论( v a p n i kc h e r v o n e n k i s d i m e n s i o n ) 和结构风险最小化( s r m ，s t r u c t u r a lr i s km i n i m i z a t i o n ) 原理基础上 的，根据有限的样本信息在模型的复杂性( 即对特定训练样本的学习精度) 和学 习能力( 即无错误地识别任意样本的能力) 之间寻求最佳折衷，以期获得最好的 推广能力。支持向量机方法的几个主要优点有： ( 1 ) 它是专门针对有限样本情况的，其目标是得到现有信息下的最优解丽不 仅仅是样本数趋于无穷大时的最优值； 6 中南大学硕士学位论文 ( 2 ) 算法最终将转化成为一个二次型寻优问题，从理论上说，得到的将是全 局最优点，解决了在神经网络方法中无法避免的局部极值问题； ( 3 ) 算法将实际问题通过非线性变换转换到高维的特征空间，在高维空间中 构造线性判别函数来实现原空间中的非线性判别函数，保证机器有较好的推广能 力，同时它巧妙地解决了维数问题，其算法复杂度与样本维数无关。 因此，本文采用支持向量机方法作为高炉炉况的初始诊断方法。通过支持向 量机方法降低数据的维数，使神经网络大样本数据需求和实际小样本数据供给的 矛盾得到解决，采用神经网络实现炉况的二次诊断。 现有的炉况预报更多的是对炉热的预报，难以对其它炉况进行预报，本文采 用基于炉况诊断结果的预报系统建立方法。 1 3 主要研究内容及论文构成 本文采用基于案例征兆数据学习的方法实现对高炉炉况的诊断，针对实际高 炉炉况征兆数据有限的特点，提出了分层结构系统实现高炉炉况诊断和预报：首 先，基于支持向量机方法确定各异常炉况相对正常炉况的最优分类面，并得出输 入信息离最优分类面的距离；采用神经网络以各炉况支持向量机分类器输出为输 入，得出各种炉况的可信度诊断值。通过诊断系统给出高炉炉况历史数据的评价 结果，据此形成新的数据集，通过b p 神经网络在此数据集的学习，实现对高炉 炉况的趋势预报。根据国内某钢铁企业4 8 0 m 3 的l 号高炉的运行数据，通过 m a t l a b 仿真验证上述方法的有效性。 第二章主要介绍了本文的主要研究内容并确定了诊断与预报系统的输入参 数。通过高炉冶炼原理分析，确定了各操作参数对高炉炉况影响的滞后时间大致 范围以及各操作参数对炉料的透气性、炉料的下降、炉缸热状态的作用。由于局 部模型对检测信号有更高的要求，很多高炉无法满足条件，本文的研究内容为正 常炉况，悬料、塌料以及炉热异常炉况的诊断与预报，采用基于案例学习的方法 实现。通过对悬料、塌料以及炉热三种异常炉况的专家经验总结确定了系统的关 联参数。 第三章提出了一种双层结构的炉况诊断方法，并通过仿真验证了此方法的有 效性。针对高炉案例学习时征兆样本有限的闯题，引入支持向量机方法提高诊断 方法的有效性。由于支持向量机方法的算法以及核函数存在需要人工选取的参 数，而参数的选择对诊断结果有较大影响，为此采用遗传算法进行参数的优化。 支持向量机方法对于多类分类问题还没有很好的解决，同时核函数选取不当也会 造成存在误分的现象，为了提高诊断的准确度，并能够提供炉况的可信度，采取 神经网络方法实现二次诊断。根据某钢铁企业l 号高炉的运行数据，采用上述方 7 中南大学硕士学位论文 法建立一个具有自学习能力的炉况诊断系统，实现对高炉正常炉况以及悬料、塌 料、炉热三种异常炉况的诊断，仿真结果显示此方法具有很好的效果。 第四章采用神经网络方法实现对高炉炉况的趋势预报，并通过仿真验证了此 方法的有效性。支持向量机分类器给出的最大分类间隔的分类面，状态点相对分 类面距离的变化，反映了高炉炉况的变化，通过炉况诊断模块给出分类面距离值 反映了高炉炉况得发展过程。以双层诊断模型给出的炉况判断结果为数据集，采 用b p 神经网络对高炉炉况的发展趋势进行预报，解决了高炉炉况预报的数据集 问题。根据国内某钢铁企业l 号高炉实际运行情况构建了高炉正常、悬料、塌料 及炉热四种炉况预报系统，通过系统仿真证实该方法可以很好的作出趋势判断。 第五章总结本篇论文所做的工作，并对今后在高炉炉况智能诊断及预报这一 课题的进一步完善和深入研究提出了建议。 8 中南大学硕士学位论文 高炉炉况影响因素分析 第二章高炉生产工艺与炉内影响因素分析 本章根据高炉冶炼原理分析了高炉各种操作手段的时间滞后性及其对料柱 透气性、炉料的下降及炉缸热状态三个方面的影响。在诊断与预报内容部分明确 了本文的研究内容为采用案例学习的方法实现对正常炉况和悬料、塌料、炉热三 种异常炉况的诊断与趋势预报。在关联因素分析一节确定了悬料、塌料、炉热三 种异常炉况的模型输入参数。 2 1 高炉冶炼工艺 由于高炉是一个密闭的、连续的反应器，对反应过程的变化进行直接的观察 和测试是十分困难的，主要依靠仪表进行间接观测。铁矿石还原反应的热力学以 及动力学方面的研究，给出了炉内所进行的还学反应过程。通过高炉解剖研究， 使人们了解了炉内物料的运动和形态变化。 根据高炉内炉料分布形态将炉内分为下面六个区域( 图2 3 ) ： 图2 - 1高炉炉体解剖图 ( 1 ) 块状带：炉内料柱上部，由矿石、焦炭分层组成。 ( 2 ) 软熔带：由固态焦炭和软熔的矿石组成。 9 中南大学硕士学位论文高炉炉况影响因素分析 ( 3 ) 滴落带：熔化后的渣铁通过焦炭层向下滴落。 ( 4 ) 风口回旋区：风口区由于鼓风燃烧焦炭形成的半空状态的回旋区。 ( 5 ) 死料柱：未经燃烧和直接反应的焦炭，由于料柱的重力作用被压实， 形成的不活跃的焦炭层。 ( 6 ) 渣铁带：在炉缸的下部，主要是液态的渣铁和浸入的焦炭。 高炉炼铁系统是一个复杂的大系统，除高炉本体外，它的附属系统还包括： 供料系统、送风系统、煤气除尘系统、渣铁处理系统、喷吹燃料系统。生铁的冶 炼过程发生在高炉本体内，所以高炉炉况研究的对象一般是指高炉本体内的冶炼 过程状态。 反应下降 厂! 热风 图2 - 2 高炉炉内物料运动示意图 高炉冶炼是在炉料自上面下，煤气自下而上的两个相互逆向的运动过程中完 成的。喷吹燃料和风口焦炭在风口回旋区燃烧形成的煤气，在炉缸与炉顶压力差 的推动下向上运动，炉缸煤气沿着软熔带与滴落带之间的下落焦炭的疏松区向炉 子中心区上升，也有部分穿过软熔带根部与炉墙问的焦炭层向边缘流动。当煤气 流到软熔带的下边界时，由于软熔带内矿石的软熔，其空隙极小，煤气主要通过 焦炭层( 焦窗) 而流动，煤气流在此产生横向运动。由于高炉块状带料柱是由分 层的矿石和焦炭组成，其透气阻力差别很大，且高炉截面积从下往上逐渐缩小， 料面又是按炉料堆角向中心倾斜，在块状带内形成偏向中心的之字形流动，最后 进入炉喉，从炉顶排出。 炉料从炉顶的布料器进入炉内，在重力的作用下向下运动。在块状带中，矿 石被上升的煤气流加热，并和高炉煤气中的还原剂进行初步的还原反应。随着矿 石温度的升高，矿石逐渐收缩、软化，最终进入软熔带。在软熔带，矿石进一步 1 0 中南大学硕士学位论文高炉炉况影响因素分析 被上升煤气带来的热量加热达到熔融状态。熔化的渣铁以液态的形式通过滴落带 的焦炭层空隙向下滴落，与上升煤气和焦炭接触，被进一步还原，最终形成炉渣 和铁水进入炉缸。 2 2 高炉炉况影响因素分析 高炉操作措施概括为四大操作制度：装料制度、送风制度、造渣制度以及热 制度。每一种操作制度对高炉炉况有着不同的影响j 高炉控制目标的达到也需要 四大制度相互配合。由于高炉的操作具有很大的时间滞后性，高炉炉况诊断与预 报系统必须考虑到各操作制度的时滞性才能获得很好的结果。正常炉况的主要标 志是煤气流分布合理；炉料下降均匀顺畅：各部温度正常稳定，炉缸工作全面均 匀活跃。因此，下面也将从各调节手段对上述三个条件的影响进行分析。 2 2 1 高炉操作措施的时滞性 调节炉况嘲的目的是控制其波动，保持合理的热制度与顺行。高炉的调节 措施分为上部调节和下部调节两部分。上部调节主要是通过布料器控制原燃料 ( 矿石和焦炭) 在料层顶部的分布，此外，还有物料的下料批次和批重。下部调 节涉及到送风( 风压，风量，热风温度等) ，喷煤量，富氧量等参数。此外，影 响炉况的因素还有原燃料质量( 如矿石的成分，粒度，还原性，含粉率，熟料配 比，特性；焦炭的灰分，含硫量，焦炭强度等) ，冷却系统，煤粉的成分等。因 此，分析高炉炉况的影响因素，各操作参数对高炉炉况的时滞性，对炉况诊断和 预报系统输入参数的确定十分重要。 根据各调节手段对炉况影响的大小，由小到大排列：喷吹燃料一风湿( 湿度) 一风量一装料制度一焦炭负荷一净焦等。实践表明，对于1 0 0 0 m 3 的高炉，喷吹 煤粉，改变喷吹量需经3 4 小时才能集中发挥作用( 这是因为刚开始增加喷煤 量时，有一个降低理论燃烧温度的过程，只有到因增加煤气量，逐步增加单位生 铁的煤气而蓄积热量后才有提高炉温的作用) ；调节风温( 湿度) 、风量要快一些， 一般为1 5 2 小时；改变装料制度至少要装完炉内整个固体料段的时间；而减 轻焦炭负荷与加净焦对料柱透气性的影响，随焦炭加入量的增加而增加，但对熟 制度的影响则需要一个冶炼周期。 2 2 2 高炉料柱的透气性 料柱具有良好的透气性，使上升煤气流均匀与稳定而且顺利地通过，使保证 下料顺行和充分发挥上升煤气流还原和传热作用的前提。透气性不好，煤气流阻 力大，风压升高，继而出现崩料、悬料等现象。这是风量与料柱透气性不相适应 1 l 中南大学硕士学位论文高炉炉况影响因素分析 的结果。 其次，由于炉料质量差而造成炉内透气性恶化和分布不均匀时，不仅压差升 高和下料不顺，而且引起煤气流分布不均，出现管道行程和煤气流偏行等现象， 从而使煤气利用率下降，炉料的预热与还原不充分，直接还原度增加，热量消耗 大，影响高炉焦比和生铁产量。 高炉炉料的透气性是煤气通过料柱时的阻力大小。煤气通过料柱是的阻力主 要取决于炉料的空隙度。其直接影响炉料顺行，炉内煤气流分布和煤气利用率。 其气体力学方程为： 一q 2 ：足( 旦1 a p 、1 一e 。 ( 2 1 ) 式中9 一风量；厶p _ 制柱全压差；k 比例系数；8 一炉料空隙度。 在块状带，矿石和焦炭是分层装入的，矿石和焦炭在垂直方向上的分布决定 了料柱的透气性。 在软熔带，炉料软化，体积收缩，空隙度不断下降，煤气通过的阻力损失急 剧升高。在开始滴落前厶尸最高，约为矿石开始软熔时的4 倍，是原矿石层的 8 5 倍。煤气阻力损失与焦窗数，厚度和空隙度成反比。 滴落带是已经熔化成液体的渣铁在焦炭缝隙中滴状下落的区域。煤气运动阻 力，受固体焦炭块和熔融渣铁的影响。一方面，要求焦炭力度均匀、高温机械强 度好、粉末少，焦炭空隙度大，反应性差；另一方面，要求渣量少流动性好。当 渣量大，流动性不好时，由于煤气通道减小，煤气流速增加，严重时甚至出现渣 铁被上升气流吹起，无法正常冶炼，这种现象称为液泛。 综上所述，影响高炉透气性的因素为：矿石、焦炭的物理特性( 空隙度、粒 度等) ，布料( 物料分布、料线高度，矿焦层厚度等) ，矿石的化学特性( 软熔温 度，酸碱度等) 。 2 2 3 高炉炉料的下降 高炉炉料下降需要两个条件：产生下料空间和炉料下降的力作用。炉料下降 的空间，由焦炭在风口前的燃烧( 3 0 4 0 ) 和参加直接还原( 1 5 左右) ，矿 石和熔剂在下降过程中的重新排列、压紧并熔化成液相而体积缩小( 3 0 左右) 以及渣铁排放形成。 炉料下降是炉料重力和阻力相互作用的结果。炉料在下降的过程中需要克服 炉料和炉墙的摩擦阻力，物料之间的内阻力以及上升煤气的浮力。 块状带炉料下降的有效质量力的表达式： 1 2 中南大学硕士学位论文高炉炉况影响因素分析 g 有效：! ! ! ；= ；芋( ，一e j 向鲁) c 2 一z ， 式中q 有蕞炉身料柱的有效质量力，k g , t 料- 户料的堆密度，k g m j ； p h 单位料柱高度上煤气的阻力损失，即浮力，k g m ，； 厂一炉料与炉墙之间的摩擦系数； n 炉料对炉墙的侧压力系数； 日仁高炉的直径和高度，m 。 图2 - 3 为滴落带至炉缸的下部分区示意图，按照焦炭的运动状况将其分为燃 烧带上方的a 区，中心基本不动的死料柱c 区和两者之间疏松滑动的b 区。a 区内的焦炭直接落入燃烧带燃烧，因此下落速度快。b 区焦炭沿着中心死料柱形 成的滑坡滑入燃烧带燃烧气化，c 区的焦炭不能直接进入燃烧带，一部分从燃烧 带下方即入燃烧带燃烧，一部分被直接还原消耗。死料柱下沉，则炉缸焦炭空隙 度增大，料柱阻力减小，下料顺畅；反之，上浮则变小，造成风压波动甚至回旋 区变小，下料缓慢。 综上所述，影响高炉炉料下降的因素为：矿石、焦炭的堆密度，炉料的透气 性，煤气的黏度、重度以及流速，炉缸中渣铁量对其也有定影响。 2 2 4 高炉炉缸热状态 图2 - 3 高炉下部分区示意图 高炉炉料从炉顶加入，在上部交换区炉料和煤气热交换剧烈，炉料升温快， 为炉料进入滴落带大量的吸热反应做了热量储备。矿石达到软化温度愈低，软溶 1 3 中南大学硕士学位论文高炉炉况影响因素分析 带位置愈高，初渣温度低，进入炉缸后吸收炉缸热量，增加高炉热缸热量消耗。 软熔带的形状对炉热也有一定的影响。从软熔带滴落下来的渣铁液滴经历曲 折的路径进入炉缸汇集，燃烧带形成的高温煤气具有较大的浮力，它使滴落的液 滴改变流向。液滴与煤气进入倒v 形软熔带穿越焦窗时，发生转向边缘的横向 流动，将液滴推向边缘，落到回旋区上方的液滴则被煤气甩向回旋区周边再继续 向下流动，由于液滴与煤气流接触良好，两者热交换也好，所以渣铁进入炉缸时 加热得充分，使炉缸热量充足而且均匀。而煤气通过v 形软熔带时却相反，向 中心偏流的煤气流将液滴推向中心，使液滴直接穿过死料柱进入炉缸，这样液滴 被煤气加热的程度差，会出现渣温低，铁温高而含研和s 都高的现象。 综上所述高炉的各种调节措施影响着煤气流的分布、炉料的下降以及高炉炉 缸热状态，同时三者之间也相互作用，互相影响。仅仅考虑其中的一种状态来指 导高炉操作，难以维持炉况长期稳顺运行，这也是传统基于炉热控制的局限性。 高炉冶炼过程是十分复杂的，各种调节措施对高炉炉况的影响范围、滞后时间难 以准确计算，传统的方法难以解决。近年来专家系统、神经网络等智能方法在高 炉以及其它复杂系统中获得广泛应用，并取得了较好的效果，说明智能技术是解 决复杂，非线性，难以建模系统控