（控制理论与控制工程专业论文）高炉炉况预报专家系统的研究.pdf

高炉炉况预报专家系统的研究 摘要 高炉冶炼是在高温下发生的包含许多物理、化学变化传输过程的一个 复杂过程。只有保持炉况稳定顺行，才能取得较好的技术经济指标。而炉 况是经常波动的，因此对高炉异常炉况的预测和判断是当前高炉控制的主 人问题。 目前的解决办法是建立高炉异常判断专家系统，但仍缺陷，如实时性 较差，学习能力较差等。而神经网络由于其很强的学习能力和自适应性， 被成功地应用于很多智能控制系统中。因此探索建立神经网络高炉异常炉 况判断专家系统是当前的研究方向。本课题旨在建立神经网络高炉异常炉 况判断专家系统，并解决传统专家系统在知识获取方面的“瓶颈”阅题， 使其具有在线学习能力。 本文研究了当前高炉控制检测和控制的现状，在对高炉异常炉况判断 做了深入研究的基础上，采用s i e m e n s 公司的s 7 3 0 0 系列的p l c 和工业 控制计算机( 1 p c ) 构成了二级计算机监控系统。以v i s c u a lc + + 6o 为开发 工具编制了具有在线学刭能力的神经网络高炉异常炉况判断专家系统的 软件，此系统使用方便，速度快，命中率高，具有很强的实用性。 关键词：高炉异常炉况判断神经网络专家系统 v i s c u a ic + + 6 o t h er e s e a r c ho fe x p e r ts y s t e mf o rb l a s t f u r n a c es i t u a t i o nf o r e c a s t a b s t r a c t s m e l t i n gi nb l a s tf u r n a c ei sac o m p l i c a t e dp r o c e s su n d e rt e m p e r a t u r ei n c l u d i n g al o to fp h y s i c a lc h a n g e ，c h e m i c a lc h a n g ea n dt l a n s m i s s i o np r o c e s s e x c e p tf b r k e e p i n gt h es m o o t ho p e r a t i o ns t a t eo nb f ：b t t e rt e c h n i q u ea n de c o l l o m i cn o r n l sis j u s to b t a i n e d b u tt h es t a t eo fb fi so f t e nu n d u l a t e ，s ot h em a i np r o b l e mi nc u r r e n t b l a s tf u r n a c e t h ec u r r e n ts o l u t i o ni st os e tu pt h ee x p e ns y s t e mf b rp r e d i c t i n ga n dj u d g i n g t h ea b n o r m a ls t a t eo fb l a s tf u r n a c e ，b u ti ss t i l lh a sd f a w b a c k f o re x a m p l e ，t h e c h a r a c t e ro fr e a l t i m ea n dt h ea b i l i t y0 fl e a r n i n ga r eb a d ，a n ds oo n b u tb e c a u s e n e u r a ln e t w o r kh a sv e r ys t r o n gt h ea b i l i t yo fl e a r n i n ga n da d a p t i l i t y ，i th a sb e e n u s e di na1 0 to fc o n t r o ls y s t e ms u c c e s s f h l l y i ti st h ec u r r e n tr e s e a r c hd i r e c t i o nt o s e tu pt h en e u r a ln e t w o r ke x p e r ts y s t e mo fj u d g i n gt h ea b n o r m a ls t a t eo fb l a s t f - u r n a c e t h eo b j e c to ft h i sr e s e a r c hi st os e tu pt h en e u r a ln e t w u r ke x p e r ts y s t e m o fj u d g i n gt h ea b n o r m a ls t a t ei na c q u i r i n gk n o w l e d g e ，s ot om a k ei th a v et h e a b i l i t yo fs e l f - l e a r n i n go n - l i n e v i s u a l c + + 6 0w i t ht h es t r o n gp r o g r 锄m i n ga b i l i t ya r eu s e dt od r a wu pt h e s o f t w a r eo fn e u r a ln e t w o r ke x p e r tw i t hs e l f - l e a r n i n go n 一1 i n ea b i l i t yf o rj u d g i n gt h e a b n o r m a ls t a t eo fb l a s tf u r n a c e a c c o r d i n gt ot h ec l a i mo ft h eb l a s tf u r n a c et o m o n i t o rs y s t e m ，w ea d o p tt w ol e v e lm o n i t o rs y s t e mw i t hs i e m e n ss 7 3 0 0s e r i e s a n di n d u s t r yc o n t r o lc o m p u t e r ( i p c ) t h ep e t c e n t a g eo fh i t so ft h i ss y s t e mi sh i g h a n dt h es p e e di sf a 8 t e x c e p tj h e s e ，t h i ss y s t e mi sc o n v e n i e n ti nu s e i tc u t sd o w n t h eh a r d w a r er e s o u r c eo f1 e a r n i n go u t - l i n ea n ds t r e n g t h st h ep r a c t i c a b i l i t y k e y w o r d s ： b l a s tf u r n a c ef u r n a c es i t u a t i o nf o r e c a s tn e u r a ln e t w o r k e x p e r ts y s t e m v i s u a l c + + 6 0 a g o s 系统流程 a g s 系统的结构 b p 算法中的一部分 多层前馈网络 b p 算法流程图 热行神经网络推理图 插图清单 硅预报神经网络推理图 高炉专家系统硬件配置广意图 神经网络专家系统的构成 专家系统的基本组成 通迅数据处理流程图 离线校验流程图 离线建模流程图 在线建模流程图 在线校验流程图 传递参数流程图 传递参数线程流程图 在线炉况判断流程图 在线判断仿真图 在线建模添加样本 在线建模参数设置 在线建模网络参数设置 在线校验 o o m托胛幻孙斟拍”埘舶mm m 肿舶铆m 娜 2 2 3 4 5 ，2 3 4 5 石一2 3 4 5 2 3 4 5 l l 王王王互互1 1 孓1 3 3 4 4 4 4 4 5 5 5 5 s 图图图图图图图图图图图图图图图图图图图图图图图 表格清单 表21 高炉炉况检测参数表 表2 2 输入输出节点对应关系表 表51管道输入参数标准值偏差值 表5 2 异常炉况操作指导 1 9 2 0 4 5 4 6 独创性声明 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。据我所知，除了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 合肥工业大学或其他教育机构的学位或证书而使用过的材料。与我 一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明 并表示谢意。 学位论文作者签名：签字日期：如何硝z 月 学位论文版权使用授权书 本学位论文作者完全，解盒胆王些盍堂有关保留、使用学位论 文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权金月b 王些盍堂可以将学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印 或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名荻粕 签字日期：如酊年卢月彭日 签字日期：2 。譬 学位论文作者毕业后去向： i ：作单位： 通讯地址： 耷掩 年2 月6 日 电话 邮编 嗬 凡 ) 1 7 、蔓 名签 币 y 导 致谢 在论文完成之际，首先要向我的导师王华强副教授表示最衷心的感 谢! 在三年的研究生学习生活中，王老师以严谨求实的治学态度给予了我 精心的指导和孜孜不倦的教诲，使我的论文得以顺利完成，培养了我独立 思考和解决问题的能力。王老师渊博的学识、敏捷的思维能力、幽默的谈 吐和一丝不苟的研究精神一直深深地影响着我，使我受益匪浅。 同时，要感谢合肥钢铁公司杨光胜工程师的指导和帮助，使我的专业 知识和技能在实践中得到锻炼和提高。 此外，还要感谢郑莹莹、徐循进、高云同学，以及所有关心我的老师、 同学和朋友，他们在学习和生活中给了我大力的支持和热情的帮助，使我 能够顺利地完成学业，并不断超越自己，迎接新的挑战! 作者：张大尉 2 0 0 5 年8 月 1 1 概述 第一章文献综述 钢铁是现代社会最重要的原材料之一，高炉炼铁对我国的经济发展起着十 分重要的作用。此外，高炉炼铁过程十分复杂，它涉及到气、固、液三相的交 互作用，全面而正确地理解高炉内发生的各种现象很困难。因此研究高炉过程 检测和控制，提高生铁的产量和质量，必将产生巨大的经济效益和社会效益。 高炉冶炼是在密闭状态下进行的，过程参数大多无法直接观测，人们只能 问接测定冶炼过程的输入和输出量来了解高炉冶炼过程并对过程进行监控。列 予这样一个“黑箱”，高炉冶炼专家的实际操作经验和凭借现代炼铁理论所总 结的操作知识是十分重要的。从8 0 年代中期开始，随着计算机技术被大量应用 于高炉冶炼过程。人们把人工智能( a i ) 的研究成果之专家系统引入高炉 冶炼生产过程，建立起各种各样的冶炼过程专家系统，以推动实现高炉冶炼过 程的控制。所谓高炉冶炼专家系统实际是一类复杂的计算机软件系统，它根据 计算机科学中的专家系统原理，依靠由优秀高炉冶炼专家提供的经验和知识所 建立的知识库，凭借系统的推理机进行逻辑推理和判断，去模拟高炉冶炼专家 解决高炉冶炼过程产生的问题。专家系统的出现解决了最优秀的冶炼专家不能 亲临各生产现场指导的难题，对防止操作人员误判断，实现高炉控制的标准化 和规范化，将起到关键性作用。 1 2 高炉计算机过程控制系统 7 0 年代开始，随着电子工业的发展，又由于生产过程的大规模和复杂化， 控制系统既要处理大量数据，又要求有各种高级控制功能，计算机控制便自然 地被引入过程控制系统。 目前，先进国家高炉自动化的水平较高，装备有完善的检测仪表和计算机 控制系统。其计算机自动控制系统采用分布式( 集散) 系统，大部分配有数学 模型和丰富的显示画面。集散系统的主要组成部传是： 现场控制器( 站) 。由它完成反馈控制、顺序逻辑控制和数据采集的功能。可 直接和过程相连，安装在被控对象的附近。 1 ) 人一机接口( 操作站) 。完成工程师、操作员和机器的接口任务。以 c r t 为基础的操纵台，有历史数据的存储和打印，动态流程图及其它图形的显 示，还有综合报警、过程监视、打印等功能。 2 )控制器之间和人一机接口装置之间，用共享的通信网络连接起来。 3 ) 上位机接口装置。 目前，先进的钢铁工业计算机系统，一般分为四级： 1 ) 经营管理级负责全厂的订货、合同、计划等经营管理。 2 ) 生产管理级负责区域的生产调度。 3 ) 过程控制级负责整条生产线的最佳化监控。 4 )基础自动化级主要是由微处理器为基础的可编程控制器( p l c ) 及 分散控制系统( d c s ) 组成，完成基础的检测与控制( 电气和仪控) 任务。 由于采用了局域网络，可以将基础自动化级、过程控制级、生产管理级、 经营管理级的计算机都接在同一局域网络上，从而形成功能为四级而结构为二 级的计算机系统，实现三电( 仪表控制系统、电气控制系统、计算机数学模型) 一体化。如重庆钢铁公司在3 号高炉采用研华工控机i p c + 专用组态软件作仪控 系统，p l c 作电控系统，采用总线型对等式以太网结构，将仪控、电控以及炉 前、炉后热风炉联成一个大系统：宝钢l 号高炉采用惠普h p 9 0 0 0 8 0 0 计算机、 安川c p 一3 5 0 0 h 和p l c 及横洞c e n t u m c s 集散控制系统，过程级与外部通讯 采用以太网、t c p ，i p 协议，使高炉过程控制机能与其它单元及上位管理机进行 信息通信，过程级与基础自动化级之间采用v n e t 网实现三电一体化系统。 1 3 高炉生产过程和特点 1 3 1 高炉生产过程概述 用于炼钢和机械制作等行业的生铁绝大多数是由高炉生产出来的。高炉是 炼铁生产中的主体设备。高炉炼铁生产主要由以下几个部分组成：上料系统、 渣铁处理系统、送风系统、煤气除尘设施、喷吹系统及高炉本体。 高炉炼铁所用的原料是经过处理符合化学成分及粒度要求后，由上料系统 装入高炉的；经冶炼生产出来的主产品生铁，可直接送炼钢厂炼钢或铸成铁块； 炉渣可制成水渣用于水泥工业：高炉煤气除去灰尘后可用作燃料：高炉用鼓风 机鼓风，鼓出的风经热风炉加热后送入高炉。焦炭、铁矿石( 烧结矿、球团矿、 块矿等) 和溶剂( 石灰石、白云石、硅石、锰矿等) 等固体炉料从高炉上部装 入，到达风口的焦炭被从风口鼓入的热风中的氧燃烧而产生平均温度为l7 0 0 左右的高温煤气，同时燃烧的还有随鼓风道喷入的煤粉、重油、煤水混台物 等辅助燃料。高温煤气自下而上地流动，温度不断下降，含氧量不断增加，最 终从高炉炉顶引出。而铁矿石在从上向下的运动过程中不断被煤气加热和还原， 温度不断升高，含氧量不断下降。根据炉料的温度、化学成分和物理形态，高 炉可以化分为块状带、软熔带、滴下带、风口燃烧带和渣铁贮存区等五大部分。 在块状带和软熔带内，铁矿石中的铁氧化物差不多已经全部被还原，脉石和溶 剂发生反应生成低熔点的熔渣。在滴下带内，液态渣铁要发生分离。熔渣中的 2 氧化亚铁在穿过焦炭柱时被还原成金属铁，而熔铁在滴下的过程中继续被渗碳 并吸收硫及硅、锰、磷等合金元素，最终在炉缸内汇积贮存起来。铁水和炉渣 定期或连续地从铁口渣口中排放出来。 1 3 2 高炉生产过程特点 高炉生产过程特点有： ( 1 ) 过程的极端复杂性。可以况高炉是目前为止最复杂的一种冶金反应器， 发生在高炉内部，特别是高炉下部的各种物理化学现象，至今还没有得到完全 和充分的认识。 ( 2 ) 检测信息不完全。具体表现在检测项目少，且多局限于过程的边界( 炉 顶、渣铁、风口、炉身静压力等) ，很多重要检测数据的采样频度很低。 ( 3 ) 反应迟钝，即控制动作的响应十分缓慢，时间常数很大。 ( 4 ) 可控范围狭窄。这与有两方面的含义，一是因为铁水质量必须满足炼 钢等用户的严格要求，使得高炉的各种控制参数的可调范围相对比较小；二是 炉况必须早调、小调，才不至于发生过大的波动，否则炉况将会急剧恶化导致 失控。 高炉的这些特点，使得高炉的过程控制，特别是实时在线控制成为一项特 别复杂的工作。高炉的控制长期以来不得不主要依赖冶炼专家的经验。高炉的 这些特点，还决定着必须同时在三个水平的时间尺度上对高炉过程实施有效的 控制，即长期控制、中期控制和短期控制，才能达到预期的目的。长期控制又 称生产计划，内容是根据铁矿石、焦炭、喷吹煤粉等固体原料的种类、质量及 价格，公司内部或外部市场对生铁品种规格和数量的要求，热风炉、装料设备 等的工作状况，公司内部的煤气平衡计划等基本条件，提前制定高炉相应的生 产计划，时间尺度为一周到一个月。中期控制的内容，主要是针对难以检测的 长期而微小的原料和燃料质量以及入炉量的变化及高炉操作炉型等的变化，定 期核查炉热水平，进行炉型管理，预报及控制崩、悬料、炉凉等异常炉况，时 间尺度为几小时到一周。短期控制的内容，主要是针对不可避免的原料性质和 入炉重量的波动以及渣皮脱落和冷却器漏水等因素，对炉热水平进行实时监控， 尽早发现或预测炉况失常，及时采取必要的调剂措施，保证高炉优质、低耗、 高效、长寿，时间尺度为1 分钟到几小时。 1 4 国外高炉专家系统的开发应用现状 为了根本上解决高炉的短期控制问题，1 9 8 6 年日本n k k 公司( 日本钢管公 司) 最先尝试将专家系统技术应用到高炉炼铁领域上来。自此以后，世界各国钢 铁企业开始了开发和应用高炉专家系统的热潮。世界上已经成功开发实际应用 了很多高炉专家系统，各国大型的钢铁企业都有专家系统在运行。 1 ，4 1日本钢铁公司的专家系统开发 8 0 年代初，日本新日铁公司( n s c ) 自主开发了高炉操作管理系统，并且已 经成功地应用于名古屋一号和三号高炉上，系统简称为a g o s ( a c t i o ng u i d e 0 p e r a t i o ns y s t e m ) 。该操作管理系统是根据大量的操作经验所得到的知识，经 过推演和整理，按炉热、透气性、下料指数等六个项目加以综合分类。同时， 根据生产管理的需要，并考虑到能源平衡和经济方面的因素，确定最恰当的高 炉操作条件和操作指标，然后把合理的管理指标和控制手段结合起来，以期实 现高炉操作的标准化和系统化。一方面确定高炉长期管理的方针，另一方面对 操作中出现的干扰能够迅速地作出判断，确定应急操作管理，以保持高炉炉况 的稳定a g o s 系统的流程如下图1 一l 所示： 图i la g o s 系统流程 为了避免高炉炉况的波动，川崎制铁公司于1 9 8 7 年开发了g o s t o p 系统。 g o s t o p 系统的主要特点在于以炉料下降作为判断炉况的主要考虑因素，结合 了许多高炉操作、炉况判断和控制的丰富经验而形成炉况判断系统，能够预报 高炉崩料和炉凉等重大炉况异常，并提供相应的操作指导，以改变风量作为控 制炉况的应急对策。该系统能够消除因为操作者经验和水平的差异及操作不一 致而造成的炉况波动。为高炉的稳定、顺行作出了贡献。 为了评价高炉的状况，g o s t o p 系统采用了3 种评价标准，即g o 、b a c k 、 s t o p 。其中g o 表示高炉的操作还有潜力，可以进一步强化( 如加大风量、提高 温度、降低目标焦化等) ；s t o p 指保持高炉的现有状态、不变操作参数；而b a c k 则指高炉正在发生或者即将发生不稳定的状态，建议调控操作参数以避免或者 减少炉况的波动。 4 这个模型本身非常简单，其基本想法就是模拟高炉操作人员的决策思维过 程。可以分为六个步骤： 1 1 高炉运行参数的收集：收集与炉况变化有关的1 7 个运行参数和6 个运 行参数的变动量。如高炉全压差、铁水温度、炉热指数、崩料空穴指数等。 2 ) 运行参数的判断：1 7 个多数的数值分别与各自预先确定的边界额定值 进行比较，确定其是属于”好”、”注意”或者是”坏”三个范围中的哪一个。无论哪 个参数的判断结果足“坏”，系统都会报警，提 醒操作人员，同时对1 7 个参数进行归类，并综合成8 个复合参数。 3 】复合参数的评价：对8 个复合参数的数值进行评价，它们的数值也分 别与各自的边界额定值进行比较，确定其属于”好”、”坏”和 ”注意”的范围，并将判断结果用归整化的数字表示出来。判断结果用正值表示， ”好”为2 ，”注意”为1 ，”坏”为o 。这些成为复合参数的g s 值。 4 1 复合参数的综合判断，综合判断是将上述判断所得的g s 值，根据参数 在判断过程中的重要程度，乘上各自的权重然后再加起来，就得到复合参数数 值判定的g s 值，称为g s n l 。当所有复合参数判断结果均为2 时，利用权重调 整使g s n l 为1 0 0 。当所有复合参数判断结果均为o ，利用权重调整使g s n l 为 o 。g s n l 的值在0 l o o 之间波动，炉况越正常，g s n l 值越大。 与上述步骤对应，对六个参数的变动量还要进行判断，先是参数的变动量 与各自的边界额定值做比较，若结果为”坏”，就显示报警。在此对6 个参数也 归纳为4 个复合参数。同样进行比较，确定其属于”好”、”注意”或者”坏”。其判 断结果用负值表示，”好”为0 ，”注意”为一l ，而”坏”为一2 。接着是综合判断， 得到符合参数变动值综合判断的g s 值，称为g s n 2 。各个参数变动量加权求和 时，调整各自的权重使g s n 2 在0 3 0 之间，当全都参数都评为”好”时，g s n 2 = o 。 全部参数为”坏”时，g s n 2 = 3 0 。 5 1 炉况综合判断：将上面得至4 的g s n l 和g s n 2 相加，其和为总的g s n 值。 即g s n = g s n l + g s n 2 。g s n 被分成三个范围，当g s n 7 0 时，表明高炉状态 良好，可以维持现状继续前进；当g s n 在( 5 0 ，7 0 ) 之间时，判断为s t o p ，表 明高炉应停止前进，否则会使炉况失常；当g s n 大于5 0 时，判断为b a c k ，表 明高炉炉况失常。必须返回到正常的运行条件上来。 6 1 综合判断结果显示：一般是用八角蛛网图来显示8 个特征参数的判 断结果。在显示图上有三个同心圆，外圆表示”好”，中间圆表示”注意”，内圆 表示”坏”。根掘蛛网图上八个参数的评价总分，在荧光屏上将显示出该蛛网图 是属于g o 、s t o p 、b a c k 。按照荧光屏显示的判断结果，采取相应的对策来 改善炉况。 上述系统在川崎钢铁公司的高炉上用了十多年。到8 0 年代末期随着对高炉 冶炼过程的进一步认识，g o 。s t o p 系统的缺点也越来越突出。 首先是早期g o s t o p 系统灵活性较差，它不能适应生产状况的变化。也不 能将这十几年来新开发的高炉操作技术加入到该系统中，即系统的扩展性较差。 该系统尽管很有用，但毕竟是太简单了。为解决这个问题，川崎公司1 9 8 8 年利 用人工智能中的专家系统技术对早期c o s t o p 系统作了全面调整。这个系统的 显著特点就是将知识库和知识获取及推理系统分开，这样对知识库的修改不会 影响整个系统的结构及运行。这样做就可以根据高炉的运行及炼铁技术的发展 来不断修正知识库，使系统处于不断更新、完善之中。系统结构如图1 2 所示： 圈1 2 g s 系统的结构 整个系统的设计符合一般专家系统的设计原理，知识库中的内容按所要j | 矗控的 现象进行组织。对每一种现象而言，为了得到一个最终操作指导，一般要通过 以下三步实现。要对一个现象进行监控，其推理过程一般包括以下三部分， 即”状态分析、现象识别、动作决策”。充分考虑到处理异常炉况所要求采取 的动作及其顺序，并参考己经采取但尚未起作用的动作，对中每种现象所提 示采取的动作进行复查。根据中所提供的动作建议选择一个最大值，并把 这个最终动作建议作为一个操作指导告诉高炉操作人员。 a g s 系统1 9 8 8 年1 0 月在川崎水岛四号高炉进行了调试，1 9 8 9 年初投入 运行，现在高炉操作人员是根据系统所提供的指导来进行高炉的炉况判断，炉 况命中率超过9 5 。 日本的住有金属公司在1 9 8 8 年1 0 月在住有鹿岛一号高炉上开发了综合高 炉专家系统，它把传统的t s 数学模型和专家规则结合起来，使用一维动态数 学模型的t s 炉热指数来预报炉热趋势，采用人机对话方式诊断炉况失常原因 及动作决策，实现低温炉操作，失常炉况的处理以及快速恢复。 专家系统中有1 2 0 0 条规则，在高炉生产中，约有8 0 8 5 的时间高炉由t s 模型控制，15 2 0 的时间高炉靠经验规则控制。从控制效果上看，人工控制 时，铁水含硅量的目标值为0 ，4 ，以0 1 为偏差容限控制命中率为5 0 9 。 6 在引入t s 模型后目标值和偏差容量不变，控制命中率提高到6 6 8 。在引入 综合专家系统后，进行控制，将铁水含硅量的目标值降为0 3 5 ，在偏差容限 不变的情况下，命中率可以提高到8 5 5 ，同时铁水温度的命中率也提高到9 0 4 。 在日本富山5 号高炉上开发的b a i s y s 专家系统用l i s p 实现，能够进行 炉热决策与控制、异常炉热预报和控制、炉况判断控制。b a i s y s 的主要特点 是判断周期短，炉热判断2 0 m i n ，炉况判断2 m i n ，应用模糊函数的c f 因子和 资格函数方法处理不确定知识，具有自学习功能，使用连续检测的铁水温度数 据，它的异常炉况预报准确率达到8 0 以上。 1 4 2 世界其他各国高炉专家系统的开发与应用 德国帝森克虏伯公司( t h y s s e n k r u p p ) 于1 9 8 8 年在其施尔根l 号和2 号炉上开发了t h y b a s 高炉自动化系统。t h y b a s 能够实现软熔带的监控、 最低比燃料控制、铁水温度预报、炉缸液位及侵蚀控制。该系统的特点是：固 体炉料在各个环节的粒度偏析状况的检测及应用；用统计学高炉模型确定高炉 的“效率系数”采用k o h o n e n 自组织神经元网络辨识炉身静压力分布模式；在线 处理数据种类达5 0 个。实际效果是燃料比下降5 ，利用系数提高1 0 。 比利时s u d m a ( 西德马公司) 在1 9 9 3 年在西德马a 和b 高炉上开发了 m o d i t 高炉专家系统，该系统是用c 语言实现的，能够完成入炉矿石性能控 制，炉热控制，炉缸破损控制，最佳布料模式控制的确定。系统的主要特点， 利用统计模型进行炉顶煤气成分和铁水温度移动平均值的监控：对布料作业实 现“数学模型一一布料仪一一布料溜槽”闭环控制；考电热风炉高炉操作的整 体优化。m o d i t 系统能够提前7 个小时进行含硅量预报。 瑞典s s a b ( 瑞典钢铁公司) 在1 9 9 3 年利用c c + + 语言n e x p e r to b j e c t 在瑞 典律列欧2 号高炉上开发高炉智能报警系统，系统运行在v a x 工作站上，能 够进行铁水含硅量预报和控制。系统的特点：开发中运用了人体工学技术：综 合应用b p 神经元网络和专家系统和专家规则判断和预测炉温：网络的动态训 练。该系统提供的炉温调剂决策建议符合率达8 0 。 澳大利亚的b h p ( b h p 公司) 在1 9 9 1 年开始进行出铁指导系统的开发，在 1 9 9 6 年在澳大利亚堪培拉港5 号和6 号高炉上成功应用了p a m 高炉过程分析 专家系统。该系统用c 语言编写，在a b ba d v a n c e5 0 0 控制系统上运行。该系 统能确定炉热、铁渣成分、炉缸液面及出铁操作、布料及煤气流分布的在线控 制方案，系统的特点起；c p u 负荷最小的时候司数据处理；快速的剪贴式图形 显示功能；可设用c ，c + + 及f o r t r a n 外部程序；采用死料柱清洁度炉缸焦碳层 空隙度和出铁流出系数等指数进行液面和出铁管理。该系统使生铁的成本降低， 炉缸耐火材料的热稳定性褥到改善。 法国的s o l l a c ( 索拉克公司) 于1 9 9 6 年在f o s l 号和d u n k e r q u e4 号高炉上 开发应用s a c h e m 高炉高级监控系统。该系统可以对异常炉况进行监测，对 当前炉况进行诊断，给操作员提供操作建议。系统的特点是，强调多人、多处 开发的项目管理模式：实时性、可靠性、人机协同性能高：对次要过程数据的 依赖性低；具有自适应功能：对炉况的调剂动作的决策以风险大小及其代价或 者费用为依据。系统可以消除炉温超标，月炉况失常从8 小时减少到2 小时。 综上所述，在众多的高炉专家系统之间存在着一些共同点：一般都具有炉 热和异常炉况的监测和控制这两大主要短期控制功能；推理判断主要基于产生 式规则，但是在规则的具体内容、功能的实现方法、系统规模、综合应用的数 学模型的种类及性能方面却存在着很大的差异。 1 4 3 国内高炉专家系统的开发与应用 随着高炉监测水平的提高和信息技术的进步，我国的各大钢铁公司也开 始进行高炉专家系统的开发和研究。主要采取从国外引进和自主研发两种形式， 或者从国外引进再进行二次开发，或者和高校联合独立开发。 ( 1 ) 首钢高炉冶炼专家系统 首钢与北京科技大学在1 9 8 6 年9 月开始合作开发高炉冶炼专家系统， 到1 9 9 3 年初在首钢2 号高炉成功地开发了具有高炉热状态判断、高炉顺行和高 炉炉体状态判断功能的冶炼专家系统。首钢高炉冶炼专家系统主要是利用统计 回归模型与专家系统相结合来预报硅含量和判断炉热状态。该系统采用c 语言 和f o r t r a n 混合编制而成，在v a x 小型机上运行。该系统能应用高炉专家 的知识和计算机采集的信息经过逻辑推理，判断高炉顺行状况，提示发生异常 炉况的可能性大小，通过炉体状态判断数学模型预测炉墙结厚或者破损的趋势。 f 2 1 宝钢高炉人工智能专家系统的开发 宝钢三座高炉分别建于7 0 、8 0 、9 0 年代，装备水平不尽相同。一号高 炉使用了日本新日铁公司开发的炉内数据处理系统和热风炉煤气流量控制模 型。二号和三号高炉在此基础上添加了从日本川崎制铁引进的6 个模型，即高 炉炉况判定g o s t o p 模型、无料钟布料推定模型、高炉操作预测模型、热风 炉操作预测模型。高炉软熔带推定模型、高炉炉底侵蚀模型，为高炉炉况的分 析、诊断和预测提供了手段。从1 9 8 9 年开始，宝钢又投入力量自行开发高炉专 家系统，用于二号高炉。1 9 9 8 年武汉冶金科技大学与宝钢合作在3 号高炉开发 了高炉数学模拟系统。该系统由4 大功能块及热水平模拟模型、流场模拟模型、 回旋区形态模型和可操作区模型组成，通过求解描述高炉基本现象的方程组， 计算某一局部的传质、传热和化学反应情况，耦合集成以后，即可展示高炉某 一时刻，由于过程多数的变化而引起的系统状态。 ( 3 1 武钢高炉冶炼专家系统的应用 武钢从8 0 年代起和高校、科研院合作进行高炉过程控制模型的开发， 取得了定的经验，但由于客观条件，尤其是精科水平和仪表装备水平的限制， 没有条件开发在线运行的高炉控制模型。 武汉钢铁公司四号高炉在1 9 9 6 年5 月停炉进行了第二次大修，大修 时提高了二级机系统的装备水平。鉴于高炉过程控制模型在高炉操作和管理方 面的巨大价值，同时充分发挥计算机系统的功能，武钢和芬兰r a u t a r u u k k i 经过 多次技术交流和派团组织实地考察，决定引进r a u t a r u u k k i k a w a s a “高炉冶炼 专家系统，从1 9 9 8 年9 月起四号高炉专家系统开始试运行，在1 9 9 9 年4 月经 过考核验收后转入正常运行。 武钢四号高炉专家系统以n e x p e r to b j e c t 作为知识库开发工具，利用 o r a c l e 建立了数据库，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。武钢四号高炉专家系统按控制内 容进行分类共分为四部分，即专家系统对炉温的控制、对炉型管理的控制、对 炉缸中渣铁平衡的控制。该系统可以准确预报炉温的变化趋势，并提前一铁次 对炉温作出预报，利用系统丰富的信息可以对高炉操作炉型进行及时有效的管 理和对高炉顺行进行有效的预报和监测。 ( 4 ) 济钢高炉专家系统开发 济钢集团和浙江大学合作建成的济钢一铁厂炼铁优化专家系统已经成 功的在一号高炉控制室运行了一年。该系统借鉴国外高炉控制专家系统的先进 经验，不仅具有人工智能的数学模型，具备生产过程系统优化的能力，而且能 够把炼铁专家和生产现场的判断经验变成计算机的智能化判断，数学模型预测 炉温命中率达到8 5 以上。同时，该系统发挥了计算机数据资源共享的优势， 让计算机全面参与生产管理，包括生产原始记录管理、铁水质量管理、风渣口 备件管理、在线成本管理、炉前指标考核、统计报表管理等方面。 济钢一号高炉是一铁厂的“标杆炉”。各项技术指标在该厂的六座同等 规模高炉中居先进水平。在同样的条件下，高炉工长应用专家系统仍取得明显 应用成效，具有极大的挖潜能力。一号高炉应用专家系统的经济效益包括提高 铁产量，降低焦比，增加喷媒比和减少风口烧损等方面。计算得到的年经济效 益为2 1 4 万元。如果与二号炉同期比较，仅计算入炉焦比低2 1 k g t ，其一年的 经济效益即达3 1 6 万。 1 5 国内外高炉专家系统的特点 综合分析国内外高炉专家系统实例，可以发现： ( 1 ) 数学模型与专家经验相结合组成的高炉专家系统具有较高的预测命中率 ( 8 0 9 0 ) 。 9 ( 2 ) 由过程机与智能机组成的分级系统，兼有模型计算与推理判断的功能且 具有一定的相互独立性，是一种较佳方案。 ( 3 ) 专家系统中知识表示问题尚未深入研究，般采用了产生式规则，由于 推理方法简单，控制策略不灵活，容易出现“匹配冲突”、“组合爆炸”等一 系列问题，影n 向了专家系统的推理效率。因此，高炉专家系统采取什么样的知 识表示、搜索方法仍是一个需要深入研究的问题。有关这方面的研究工作也有 论文发表，探索不高的知识表达方法和推理方式。 ( 4 ) 传统专家系统在知识获取方面存在“瓶颈”问题，通常主要依靠人工来 总结和移植，这种方法费时、效率低、自学习、自组织能力较差。 ( 5 ) 实时性差。目前，多数专家系统都是在“离线”或“非实时”情况下进 行的，系统的实时性、鲁棒性均较差。 ( 6 ) 全国高炉自动化水平普遍较低，一次元件落后，检测点少，不能准确检测 出实时数据，对准确预报炉况有很大影响：由于原料供应不稳定，造成炉况多 变，数学模型难适应，操作经验难总结。 1 6 高炉专家系统发展趋势 当前，各高校、钢铁研究院等单位对高炉专家系统的研究是多方位的，高 炉专家系统技术呈现出许多与以往不同的特点。而高炉专家系统技术发展的显 著特点是它与其他高新技术的结合，正是这种结合使高炉专家系统技术发展进 入一个崭新的阶段。 ( 1 )高炉专家系统和数据库相结合 由于高炉要从传感器采集大量的数据，因而高炉专家系统知识库必须存放 传感器的瞬时数据、平滑处理数据，参数特征值、历史数据及推理参数值。随 着高炉专家系统的运行，知识库的管理也更加困难。高炉专家系统可以借鉴数 据库中关于信息存贮、共享、并发控制和故障恢复技术，对知识库进行管理、 设计，从而实现大型知识库、共享知识库和分布式知识库，改善高炉专家系统 的特征，使规模提高到实用水平。如果在专家系统引入数据库技术，将加大高 炉专家系统的推理能力。 ( 2 ) 高炉专家系统与神经网络技术相结台 在高炉过程控制中，如果将神经网络技术和专家系统相结合，会收到良好 的效果。以炉温预测为例，由于其逻辑关系不明确，抽取规则十分困难，难以 建立专家系统，可通过神经网络来进行知识获取，通过建立神经网络专家系统 来进行高炉炉温预测。由于神经网络具有鲁棒性，可对传感器进行滤波，消除 高炉信号噪声的干扰，神经网络具有理想能力，能对高炉料面曲钱、炉顶煤气 温度分布、炉顶煤气温度分布、软熔带形状进行模式识别，为高炉专家系统的 知识获取提供方便。 ( 3 )高炉专家系统与多媒体技术相结合 要把文字、数值、图形、图像及声音等各种信息结合起来，并引入高炉专 家系统，必须采用多媒体的智能信息接口技术。实现语音、文字、图形和图像 的直接输入输出是对新一代专家系统提出的要求，也是高炉专家系统走向真正 实用化的重要期望。多媒体技术与高炉专家系统技术相结合将为操作者提供高 炉生产过程的全部信息，并提供合理的种种建议，以避免因不熟悉带来的误操 作。 ( 4 )高炉专家系统与机器人技术相结合 近年来，机器人技术的出现和发展使传统的工业生产面貌发生了根本性的 变化。专家系统技术和机器人技术相结合，便形成了智能机器人。智能机器人 具有知识库和推理机，能实现运动、感知、思维、人机通讯4 种机能。在高炉 冶炼过程中，可以采用智能机器人进行操作和控制，使智能机器人能根据工作 环境、对象及操作人员给予的指令和“自身”认识外界的结果来独立地决定工 作方法，利用操作机构和移动机构来实现任务目标，从而完成诸如高炉布料控 制、异常炉况控制、设备故障对策、工艺参数控制、出渣出铁控制等多种操作。 由于智能机器人基本上能独立作业，适应环境能力强，尤其是能适应高炉生产 中的高温、高煤气含量的危险环境，使产品质量稳定、成品率高。因此，实现 高炉智能机器人与高炉专家系统的共同控制是当今高炉专家系统的发展方向。 ( 5 )高炉专家系统的固化技术 目前不少研究是针对硬件的，把专家系统加以固化的努力便形成了智能化 仪表的概念。如果高炉专家系统通过智能化仪表来开发，从而通过智能化仪表 群对高炉炉况进行预测，必将大大地提高高炉的智能化控制水平。 ( 4 ) 系统应具有良好的自学习功能，即在教师指导若干次后，能够自行更新知 识。 根据以上分析，研制新型高炉专家系统应当达到以下目标： ( 1 ) 新型专家系统的知识库与推理机必须在广泛收集专家经验，反复现场验 证的基础上建立。 ( 2 ) 实时性强。 ( 3 ) 建立原模型之后，应反复修正，使预测、诊断命中率提高。 ( 4 ) 系统应具有良好的自学习功能，即在教师指导若干次后，能够自行更新 知识。 ( 5 ) 能实现闭环自动控制，无操作人员介入。 1 7 当前高炉控制的主要问题 高炉冶炼是在高温下发生的包含许多物理、化学变化及传输过程的一个复 杂过程。生产实践表明，只有保持炉况稳定顺行，才能取得较好的技术经济指 标，数学模型在炉况稳定时命中率较高，但对异常炉况却不适用。而炉况是经 常波动的，因此对异常炉况的预测和判断是当前高炉控制的主要问题。 1 8 解决办法 目前的解决办法是建立高炉炉况预报专家系统，依靠专家提供的经验和知 识建立知识库，凭借系统的推理机进行逻辑推理和判断，对异常炉况进行预测 和判断，并给出相应的操作指导，从而提高了高炉控制的准确性和规范性，但 仍有缺陷。传统的高炉专家系统是利用产生式规则来表达知识，其推理方法为 采用基于规则匹配的专家的系统推理方法，由于其庞大的规则搜索、匹配时问 要占全部推理时间的9 0 ，系统的实时性较差，在高炉实时性和动态环境下， 产生式系统的推理速度尤其不能满足要求：高炉专家系统的前提参数是通过隶 属函数进行模糊推理，其隶属函数的设定是主观的，不精确，当具有相同结论 的规则匹配时，由于采用加权综合运算，学习能力较差。为改善这种情况，必 须开发高效的算法和结构。 神经网络由于其很强的学习能力和自适应性，被成功地应用于很多控制系 统中。采用神经网络进行模糊推理，结论的可信度由各条规则结论的可信度非 线索形组合而得，可实现更合理的可信度传播：利用神经网络的并行处理特性 进行模糊推理，神经网络的并行数学计算过程取代了传统专家系统符号处理中 的匹配搜索、回朔等过程，因而具有更高的推理效率；采用神经网络可实现隶 属函数的精确模拟：利用神经网络的学习能力可很容易地实现隶属函数和模糊 规则的自学习，从而满足高炉专家系统知识库的动态特性，提高高炉专家系统 的适应能力。因此，探索建立神经网络高炉异常炉况专家系统是当前的研究方 向 19 课题背景 目前，国内许多炼铁厂的中小型高炉的计算机应用基本上是利用集散系统 和工业微机实现对炼铁工艺参数的集中检测和报警提示取代传统的高炉仪表， 这表明炼铁厂高炉的炉前操作的智能化水平比较低，计算机的强大功能还没有 被高炉工作者充分应用，因此，如何在中小型高炉应用专家系统，对于提高炼 铁的产量和质量。节约炼铁的能源，增加企业的效益具有十分重要的意义。 由于市场需要，某地方钢铁厂计划新建一座容积为3 0 0 m3 的高炉，由于地 方钢铁厂无法筹措巨资引进国外的技术应用专家系统，所以我们借鉴国内外大 型高炉应用计算机技术先进经验，结合钢铁厂实际情况，节省非必须的硬件投 2 资，加大软件开发力度，开发基于神经网络的高炉炉况预报专家系统。 1 1 0 本论文的主要任务 1 通过查阅有关书籍和在现场实地调研，对高炉各参数与异常炉况之间的 关系做深入细致的分析，并结合炉长经验和工艺过程，明确输入、输出关系获 取模型的有关参数和样本，建立神经网络高炉炉况预报专家系统的离线模型； 2 根根现场情况设计出一套数据采集处理系统，为专家系统的推理判断提 供了充分准确的数据； 3 利用v i s u a lc + + 6 0 语言强大编程能力，设计出高炉炉况预报专家系统 的软件。 4 系统通过实验仿真，实现了专家系统的在线