（控制理论与控制工程专业论文）基于偏最小二乘的高炉铁水硅含量预测研究.pdf

f i丫j：lllljfflll7lfltll8llfllll9lllll5llffft2flllll6ijtul f 丫17 8 9 5 2 6 基于偏最d - 乘的高炉铁水硅含量预测研究 p a r t i a ll e a s ts q u a r e sp r e d i c t i o no fs i l i c o nc o n t e n ti n bl a s tf u r n a c e 研究生姓名：祁鹏 指导教师姓名：崔桂梅 内蒙古科技大学信息工程学院 包头0 1 4 0 1 0 ，中国 c a n d i d a t e ：p e n gq i s u p e r v i s o r - g u i m e ic u i s c h o o lo f i n f o r m a t i o ne n g i n e e r i n g i n n e rm o n g o l i au n i v e r s i t yo fs c i e n c ea n dt e c h n o l o g y b a o t o u0 1 4 0 1 0 ，p r c h i n a 含其他人已经发表或撰写的研究成果，也不包含为获得内蒙古科技大学或其他 教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均己在论文中做了明确的说明并表示了谢意。 签名： 关于论文使用授权的说明 本人完全了解内蒙古科技大学有关保留、使用学位论文的规定，即：学校 有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全 部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵循此规定) 签名：学导师签名：襁 日期：沙7 秒。文p 内蒙古科技大学硕士学位论文 摘要 高炉生产过程控制是现代钢铁冶金中一个重要的研究课题。由于高炉生产过程的复 杂性和参数的多样性，建立比较合适和实用的控制模型是非常困难的。高炉生产过程综 合自动化系统研发不仅是控制理论与控制工程学科科技的前沿，同时也是钢铁冶金产业 科技进步的前沿课题。高炉冶炼过程是一个极其庞大、复杂的冶炼过程，其运行过程往 往具有非线性、时间滞后大、空间变量维数高、影响噪声大、各种状态参数多重相关等 特性，这些导致很难建立起精确、有效的高炉炉温硅含量预测模型。 偏最d , - 乘方法( p a r t i a ll e a s ts q u a r e s 简写p l s ) 是随着社会实际发展和需要而产生 的一个有广泛适用性、新型的多元统计回归分析方法。它较好地解决了许多以往用普通 多元线性回归难以解决的问题变量之间的多重相关性。而正是这一点，它非常适合 高炉生产的特点，它涵盖了多元线性回归、主成分分析和典型相关分析方法的基本功能 为一体，综合运用了这几种数据分析方法实现建立模型的准确度。 本文选取包钢6 j f j 高炉( 2 5 0 0 m 3 ) 在线采集的数据，首先对影响炉温的各影响因素与铁 水含硅量【s i 】进行相关性进分析，证明了各影响因素与铁水含硅量【s i 】序列之间存在较强 的多重相关性。然后通过它们之间相关系数的计算和时间序列趋势图观测，综合分析了 并得出了所选取的高炉生产过程中的各个状态参数和控制参数与高炉铁水含硅量 s i 】之 间的相关系数及它们的大致滞后时间。 本课题将偏最d - 乘回归建模方法运用到高炉炼铁过程中铁水硅含量炉温预报，运 用主成分分析提取高炉硅含量预报模型输入参数的主成分用于后续建模。本论文主要作 了以下几个方面的工作：分析高炉冶炼特点，熟悉高炉冶炼过程并得出运用偏最小二乘 回归来建立预测模型的有效性。计算了高炉硅含量和炉温的各影响因素的相关系数，并 给出了由主要影响因子作为自变量、铁水硅含量为因变量的预报模型，在此基础上采用 直接预报【s i 】，通过 s i 】与炉温的关系直接预报炉温。该模型通过对料速( l s ) 、风温f f w ) 、 风量( f q ) 、风压( f y ) 、透气性指数( f f ) 、喷煤( p m ) 、铁量差、综合指数等因素进行 综合考虑，；利用他们作为自变量来建立铁水硅含量预测模型，进而预报炉温。 关键词：高炉；铁水硅含量；多重相关性；偏最d - - 乘 a b s t r a c t b l a s tf u l m a c ep r o c e s sc o n t r o li nm o d e mi r o na n ds t e e lm e t a l l u r g y i na l li m p o r t a n t r e s e a r c ht o p i c a st h eb l a s tf u r n a c ep r o d u c t i o np r o c e s sc o m p l e x i t ya n dt h ed i v e r s i t y o f p a r a m e t e r s ，t oe s t a b l i s hm o r ea p p r o p r i a t ea n dp r a c t i c a lc o n t r o lm o d e li sv e r yd i f f i c u l t b l a s t f u r n a c ep r o d u c t i o np r o c e s sr & d i sn o to n l yt h ei n t e g r a t e da u t o m a t i o ns y s t e mc o n t r o lt h e o r y a n dc o n t r o le n g i n e e r i n gt e c h n o l o g yf r o n t i e r , b u ta l s oi r o na n ds t e e lm e t a l l u r g i c a li n d u s t r y , t h e f o r e f i r o mo fs c i e n c ea n dt e c h n o l o g yt o p i c s b l a s tf u r n a c ep r o c e s si sav e r yl a r g e ，c o m p l e x r e f i n i n gp r o c e s s ，t h eo p e r a t i o np r o c e s si so f t e nn o n l i n e a r , l a r g et i m el a g s ，s p a t i a lv a r i a b l eh i g h d i m e n s i o n s n o i s ei m p a c to f al a r g e ，m u l t i - s t a t ep a r a m e t e rc o r r e l a t i o no f v a r i o u s c h a r a i 删s t i c s ，w h i c hm a k e si td i f f i c u l tt oe s t a b l i s hf r o mp r e c i s e ，e f f e c t i v es i l i c o nc o n t e n ti n b l a s tf u r n a c et e m p e r a t u r ep r e d i c t i o nm o d e l p a r t i a ll e a s ts q u a r e sm e t h o d ( p a r t i a l l e a s ts q u a r e ss h o r tp l s ) ，w i t ht h e a c t u a l d e v e l o p m e r i to fs o c i e t ya n dt h en e e d sa r i s i n gf r o ma b r o a da p p l i c a b i l i t y , t h en e wm u l t i v a r i a t e r e g r e s s i o na n a l y s i s i th a ss o l v e dm a n yo ft h ep r e v i o u so r d i n a r ym u l t i p l el i n e a rr e g r e s s i o n 、i t l ld i f f i c u l tp r o b l e m s m u l t i p l ec o r r e l a t i o nb e t w e e nv a r i a b l e s i ti sp r e c i s e l yt h i sp o i n t ，i ti s v e n ，s u i t a b l ef o rt h ec h a r a c t e r i s t i c so fb l a s tf u r n a c ep r o d u c t i o n , w h i c hc o v e r st h em u l t i p l e l i n e a rr e g r e s s i o n p r i n c i p a lc o m p o n e n ta n a l y s i sa n dc a n o n i c a lc o r r e l a t i o na n a l y s i sm e t h o d f o r 也e i n t e 灯a t i o no ft h eb a s i cf u n c t i o n so ft h ei n t e g r a t e d u s eo ft h e s et y p e so fd a t aa n a l y s i s m e t h o d st oa c h i e v ed e v e l o p m e n to f t h em o d e la c c u r a c y t h i sp 印e rs e l e c t sb a o t o u6j 6 fb f ( 2 5 0 0 m 3 ) o n l i n ec o l l e c t i o no fd a t a , f i r s to nt h ei m p a c t o fe a c hf a c t o ra n dt h et e m p e r a t u r eo fh o tm e t a ls i l i c o nc o n t e n t 【s i 】t h ec o r r e l a t i o ni n t ot h e a n a l y s i st op r o v e t h a tt h ei n f l u e n c ef a c t o r sa n ds i l i c o nc o n t e n t s i 】m u l t i p l es e q u e n c e ，t h e r e e x i s t ss t r o n gc o r r e l a t i o n t h e nt h ec o r r e l a t i o nc o e f f i c i e n tb e t w e e nt h e m ，t h ec a l c u l a t i o na n d t i m es e r i e st r e n d so b s e r v e d ，ac o m p r e h e n s i v ea n a l y s i so ft h es e l e c t e da n do b t a i n e dt h eb l a s t 如m a c ep r o d u c t i o np r o c e s so fs t a t ea n dc o n t r o lp a r a m e t e r sa n db l a s tf u r n a c eh o tm e t a l 【s i 】 t h ec o r r e l a t i o nb e t w e e nc o e f f i c i e n t sa n dt h e i ra p p r o x i m a t e t i m el a g t h es u b j e c to ft h ep a r t i a ll e a s ts q u a r e sr e g r e s s i o nm e t h o da p p l i e dt ob l a s tf u r n a c eh o t m e t a ls i l i c o nc o n t e n td u r i n gt e m p e r a t u r ef o r e c a s t i n g ，t h eu s eo fp r i n c i p a lc o m p o n e n ta n a l y s i s e x t i a c t i o nf u r n a c es i l i c o nc o n t e n tp r e d i c t i o nm o d e li n p u tp a r a m e t e r sf o rs u b s e q u e n tm o d e l i n g o ft i l em a i nc o m p o n e n t s t h et h e s i sm a d et h ef o l l o w i n gw o r k ：a n a l y s i so fc h a r a c t e r i s t i c so f b l a s t 如m a c e 。b l a s tf u r n a c es m e l t i n gp r o c e s sa n da r ef a m i l i a rw i t ht h eu s eo fp a r t i a l l e a s t s q 眦e sr e g r e s s i o no b t a i n e dt oe s t a b l i s ht h ev a l i d i t yo fp r e d i c t i o nm o d e l c a l c u l a t e ds i l i c o n c o n t e n ti nb l a s t 如m a c ea n dt h ef u r n a c eo ft h ec o r r e l a t i o nc o e f f i c i e n to f e a c hf a c t o ra n dg i v e s i i t h em a i nf a c t o r sa si n d e p e n d e n tv a r i a b l e s ，s i l i c o nc o n t e n ta st h ed e p e n d e n tv a r i a b l eo ft h e f o r e c a s tm o d e l ，t h eb a s i so ft h ed i r e c tp r e d i c t i o n 【s i ，b y 【s i 】a n dt h er e l a t i o n s h i pb e t w e e nt h e d i r e c tp r e d i c t i o no ff u r n a c et e m p e r a t u r ef u r n a c e t h em o d e lo ft h ee x p e c t e ds p e e d ( l s ) ，a i r t e m p e r a t u r e ( f 哪，a i rf l o w ( f q ) ，w i n d ( f y ) ，p e r m e a b i l i t yi n d e x ( f f ) ，p c i ( p m ) ，i r o np o o la c o m p r e h e n s i v ei n d e xa n do t h e rf a c t o r sc o n s i d e r a t i o n ；u s i n gt h e ma si n d e p e n d e n tv a r i a b l e st o e s t a b l i s hp r e d i c t i o nm o d e lo fh o tm e t a ls i l i c o nc o n t e n t ，a n dt h e nf o r e c a s tf u r n a c et e m p e r a t u r e k e yw o r d s ：b l a s tf u r n a c e ；s i l i c o nc o n t e n ti nh o tm e t a l ；m u l t i p l ec o r r e l a t i o n ； 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 i i i 内蒙古科技大学硕士学位论文 目录 摘要i a b s t r a c t i i 1 绪论1 1 1 高炉冶炼过程硅含量预报模型建立的目的和意义l 1 2 高炉铁水硅含量预报模型研究综述2 1 3 偏最小二乘法的概述3 1 3 1 偏最d - - 乘法的研究背景3 1 3 2 偏最小二乘法的定义3 1 3 3 偏最小二乘法的特点3 1 3 4 偏最小二乘法应用研究4 1 4 偏最小二乘法在高炉铁水含硅量预报模型研究综述4 1 5 本文研究的内容和目标5 1 6 本文的组织结构6 2 高炉过程控制7 2 1 炼铁工艺流程的主要设备和其功能7 2 2 高炉炼铁生产的主要技术经济指标9 2 3 高炉生产过程特点及对高炉过程控制的基本思想1 0 2 3 1 高炉生产过程特点1o 2 3 2 高炉过程控制的基本思想1 1 2 3 3 对高炉生产操作的要求1 2 2 a 高炉冶炼过程的控制复杂性。1 3 2 5 高炉炼铁过程中的状态参数和控制参数1 4 2 5 1 料：速1 5 2 5 2 透气性指数16 2 5 3 风量1 6 2 5 4 风速1 7 2 5 5 风温。18 2 5 6 风压和压差19 2 5 7 喷煤1 9 2 5 8 富氧2 0 2 5 9 综合负荷2 0 2 6 高炉铁水温度与含硅量之间的相关关系2 l 2 7 高炉铁水含硅量的控制策略2 2 2 8 高炉冶炼过程智能控制数学模型的复杂结构2 3 2 9 高炉炉温预测的技术路线和研究方法2 4 3 多重相关性问题和偏最小二乘算法的基本原理2 6 2 6 2 6 2 7 。2 7 2 9 。3 0 。3 0 3 1 3 2 。3 2 3 3 3 7 3 8 4 0 4 0 4 2 选取的自变量参数与铁水硅含量时间滞后分析4 2 4 2 1 风量与铁水硅含量时间滞后分析4 2 4 2 2 风温与铁水硅含量时间滞后分析。4 3 4 2 3 风压与铁水硅含量时间滞后分析一4 4 4 2 4 喷煤量与铁水硅含量时间滞后分析。4 5 4 2 5 透气性与铁水硅含量时间滞后分析4 6 4 2 6 综合负荷与铁水硅含量时间滞后分析4 7 4 3 用偏最小二乘回归方法建立硅含量回归模型4 8 4 4 精度分析51 4 5 特异点的发现5 4 结论5 9 文献参考6 0 附录a 选取建模数据6 2 附录b 模型检验数据。6 3 附录cp l s 建模m a t l a b 程序( m 文件) 6 4 在学研究成果6 8 j 复谢6 9 内蒙古科技大学硕十：学位论文 1 绪论 1 1 高炉冶炼过程硅含量预报模型建立的目的和意义 钢铁工业是国民经济的主要支柱产业之一，是我国重要基础产业之一，已连续多年 保持较高速度增长，近1 0 年来稳居世界第一。从目前来看，我国基本是世界上最大的 钢铁生产和钢铁消费国，也是钢铁投资比较集中的地区之一。研究和解决钢铁工业存在 的问题是当前较为现实性的课题。在原国家冶金局、中国金属学会和冶金科技发展中心 组织制定的钢铁发展纲要中郑重指出，在冶金自动化技术和炼铁专业技术的关键科技进 步课题方面，把“高炉冶炼过程自动化系统及其数学模型的实现 ，建立“高炉过程优 化控制智能控制系统”，确定为当前科学技术进步的前沿技术之一。高炉生产过程控制 是现代钢铁冶金中一个重要的研究课题之一。由于高炉生产过程的复杂性和参数的多样 性，建立比较合适和实用的控制模型是及其困难的【lj 。 自动化科学与技术自然科学学科发展战略调研报告中特别指出，高炉冶炼 生产过程实现自动控制系统中建立精确的高炉炉温预测模型是其难点和关键性问题。高 炉炼铁是在封闭条件下进行较复杂的热力学、动力学、化学变化混合过程，保持合理的 高炉炉温是高炉炼铁生产过程稳定顺行的关键因素之一。在高炉冶炼生产过程中，炉温 控制在正常可控范围之内，高炉生产就能达到“顺行 。如果炉温控制发生波动，形成 “向凉或“向热 ，则容易导致高炉炉况故障。所以高炉能否顺行，看其炉温控制的 好坏而炉温的控制模式又由高炉热状态决定。由于高炉生产过程的复杂性及测量上的准 确性，高炉冶炼生产过程中实现整个综合自动控制系统的统一，关键还在于建立精确、 合理和有效的高炉炉温预测数学模型。高炉实际生产中，高炉炉内的温度变化的大小， 一般可通过铁水硅含量高低来间接地体现，进而判断高炉当前热状态。高炉铁水硅含量 变化的大小和频率直接反映了冶炼过程的稳定性，所以高炉铁水硅含量可作为反映炉内 炉温情况和生铁质量的一个很重要的指标【2 】。 本课题将偏最小二乘回归建模方法运用到高炉炼铁过程中铁水硅含量炉温预报，运 用主成分分析提取高炉硅含量预报模型输入参数的主成分用于后续建模，达到建模降维 的效果。高炉铁水中硅含量作为高炉操作的重要指标之一，不仅同高炉的高炉热状态和 燃料比密切相关，同时也是高炉体现炉温的重要参数和依据，而且对炼钢过程中渣的生 成都有很大的影响。同时高炉进行着高温状态下众多的化学反应，各个状态下的化学反 应吸热又不同，反映在铁水含硅量上最明显，因为在高炉生产众多的高温状态的热化学 反应中，从s i o ，中还原l k g 硅所需要的热量，相当于f e o 中还原l k g 铁所需要热量的8 倍【4 l 。所以铁水硅含量是铁水的状态与变动情况的直接反映，那么对硅含量进行测定和 估计是高炉炉温控制常用手段。与以往的多元统计的建模方法相比，偏最小二乘回归方 内蒙古科技人学硕士学位论文 法可以集多元线性回归分析、主成分分析和典型相关分析的基本功能为一体，将建模预 测类型的数据进行降维和去除多重相关性，得到主成分后进一步建模，获得了更好的预 报精度。 1 2 高炉铁水硅含量预报模型的研究 铁水含硅量 s i 作为高炉冶炼过程中评定高炉炉况稳定和生铁质量的重要指标之 一，同时也是表征高炉热状态及其变化的重要标志之一，对它的研究显然非常重要。自 1 9 6 0 年以来，为了达到有效的高炉炉温预测模型，国内外已经相继做了较多的铁水硅含 量预报模型。其中有借助热平衡计算合高炉物料平衡高来实现炉热状态指数对硅含量进 行预报的，如水江模型、e c 模型、w u 模型等；有应用动态数据更新的方法来体现炉温， 如p a n d i t 等的多变量一阶自回归统计模型。国内对硅预报模型的研究和应用大约从1 9 7 0 年以来也开始进行。特别的，1 9 8 6 年北京钢铁研究总院、太原钢铁公司和北京科技大学 应用广义典型的最d x - - - 乘法，来研究硅含量预测模型模型；1 9 8 7 年鞍钢与清华大学联 合研究出基于多变量时间序列预测模型；还有将其他辨识方法和专家系统相结合的方法 来实现对高炉炉温的预报【3 j 。下面介绍几种较为典型的模型。 炉热指数w u 指数模型 炉热指数w u 是用来描述高炉内高温区的热平衡，最先由法国钢铁研究院提出并应 用。其指数w u 按下述方法计算： 呒= 5 3 3 - 1 7 2 h - ( 1 。一南( 3 6 0 + 0 0 6 h ) 】_ 3 2 3 z ( 式1 1 ) 式中：p 一每炉瞬时生铁产量，t l l ； z 一热反应损失碳量，k g t , 办一高炉鼓风湿度，g m 3 ； 一高炉热风温度，。 通过对铁水含硅量和多炉铁的w u 值进行了对比分析，发现硅含量变化率和w u 值 的正负号大致相同。这表明，w h 指数可以用来对高炉热状态作定性的分析【3 j 。 e c 模型1 4 荷兰比荷卢冶金研究中心于1 9 7 2 年开发e c 预报模型。该模型同w u 模型一样，大 一可以反应炉热状态。 多变量一阶自回归统计模型1 4 在1 9 7 5 年，w i s c o n s i n 大学的p a n d i t 等人提出基于简单数理统计的方法，以高炉铁 水硅含量的历史数据为基础，按照其生成的时间序列统计模型，结合其它参数建立的多 内蒙古科技大学硕士学位论文 元统计线性预报模型。其效果还并不是很精确。 智能系统的神经网络模型 神经网络作为- - f - 新兴学科是2 0 世纪8 0 年代后期发展起来的，它利用神经网络的 非线性动态数据处理特性，将其融合到高炉铁水含硅量【s i 】预报中，得出模糊神经网络 具有较好的预报效果。 1 3 偏最小二乘法的概述 1 3 1 偏最小二乘法的研究背景 偏最d - - 乘方法( p a r t i a ll e a s ts q u a r e s 简写p l s ) 是随着社会实际发展和需要而产生 的一个有广泛适用性、新型的多元统计回归分析方法。它较好地解决了许多以往用普通 多元线性回归难以解决的问题变量之间的多重相关性。而正是这一点，它非常适合 高炉生产的特点，它涵盖了多元线性回归、主成分分析和典型相关分析方法的基本功能 为一体，综合运用了这几种数据分析方法实现建立模型的准确度。它最于1 9 8 3 年由c a l b a n o 和s w o l d 等人首次提出了偏最小二乘回归法并首先在化工领域得到了广泛的应 用，与此同时在统计学较发达的金融领域和市场分析也得到广泛的应用。在此之后，由 于它的特点和计算简单，在其他领域也得到相应的应用【5 】。 1 3 2 偏最小二乘法的定义 偏最小二乘法是首先应用主成分回归思想，对自变量数据进行将为处理，寻求原始 自变量五，x 2 ，x p 之间的线性函数，同事考虑到自变量五，x 2 ，x ，与因变量咒，y 2 ，y m 之间的相关性，选择既与因变量相关性强又可方便计算五，而，x 。的线性函数作为新的 自变量主成分。将新的自变量( 得到的主成分) 与因变量进行线性回归，它的算法 基础还是最小二乘法，但由于它只选取与因变量有关的解释变量，而并非考虑全部的自 变量，所以称其为部分最小二乘法一偏最小二乘法【5 j 。 1 3 3 偏最小二乘法的特点 偏最小二乘回归由于综合多元线性回归分析、主成分分析和典型相关分析的基本功 能为一体，因此它不同于一般的数据分析方法。有如下几个较突出特点【5 j ： 偏最小二乘法在解决自变量集合内部存在的严重多重相关性问题的同时可实现 多因变量对多自变量的线性回归建模方法，是一种新型的多元统计方法，对建模预测进 行主成分的提取，其预测结果更加精确。 偏最小二乘法适合在样本容量小于变量个数的情况下解决变量之间的多重相关 内蒙古科技大学硕士学位论文 性问题，进行回归建模。这是普通多元线性回归所不能解决的问题。 偏最小二乘法在同一算法下，可以同时实现多元回归建模、降维( 主成分分析) 以 及典型相关分析多种统计分析方法的综合应用。 由于偏最小二乘法可以在二维平面上对高维数据的特性进行观察，因为在建模的 同时实现了数据的简化，因此，这使得偏最小二乘法回归分析方法的图形功能十分强大， 更利于工程人员的分析，应用直观理解更强。 偏最小二乘法在计算过程中考虑自变量的信息的同时也考虑因变量的信息进行 提取主成分，使提取的主成分能同时反映自变量和因变量的信息，以便在回归和预测方 面能达到很好的效果p j 。 也正是由于偏最小二乘算法的这些特点，它能很好地适应高炉生产的特点，从而能 比较精确地建立高炉硅含量预测模型。 1 3 4 偏最小二乘法的应用研究综述 偏最小二乘法的的应用如此广泛，主要归结于它的特点。其广泛地应用于各个领域 并取得了令人满意的成果。同时和其他高级算法也有紧密联系，共同完成相关功能。 由于在偏最小二乘法的强大的数据处理功能，在光谱分析的方面、药物分析和医 学方面，能够快捷、有效地处理大量光谱数据，是一种很有效的多元统计分析方法。 由于偏最小二乘法可以改善模型的回归预测效果，在地质勘查和水文观测方面， 运用较好。 在市场分析方面，由于偏最小二乘法通过提取主成分能帮助研究者找出较为重要 的因素以利于更进一步的分析研究工作，减少了大量的工作量，提高了研究成果的准确 度。 同时和其他高级算法也有紧密联系，共同完成相关功能。 在人工智能神经网络方面，应用偏最小二乘法预处理神经网络训练样本的数据 库，这样使训练时间缩短了很多，提高了学习性能和学习效率。 在遗传优化算法方面，有些研究者用偏最小二乘法考虑因变量与自变量的关系的 特点的降维优势，解决了遗传算法建模后容易陷入局部最优的缺点，提高了算法的准确 富【6 】 ，丈0 1 4 偏最小二乘法在高炉铁水含硅量预报模型研究综述 高炉炼铁过程是一个十分复杂的高温物理化学过程。在高炉炉温预报方面，在不同 的历史时期，不同的生产条件下人们曾建立过许多数学模型，这些模型，在建立之初都 曾起到过一定的作用，但其缺点很快就暴露出来。比如由于参数有限而精度不高、范围 内蒙古科技大学硕七学位论文 可控域小而应用条件受到限制、炉况不稳定时有明显的滞后而导致高炉生产系统波动较 为频繁，这些都导致得到的预报值与实际值会产生大的误差。 上述模型所能提供的信息对操作人员来说，高炉炉内可视化的直观印象虽然有限， 但也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。但基于好多数 学模型的方法，要有建立起准确的、可靠的模型的，都依赖需要完善的、准确的检测信 号，同时验证也十分困难，所以在中小高炉的自动化设备条件不足下较难实施。即便实 现也只能反映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，模型建立是需要很多假设条件，在实际高炉中这些假设条件是不存在的，这些限制 了模型的使用效果。 由于试图采用多种数学模型体现高炉各种炉况的努力没有获得较好的成功，人们转 而寻求其它方法解决高炉硅含量预报模型。随着数理统计学的发展，许多高炉专家也认 识到概率统计模型还是能够比较准确的解决问题，于是就有了统计分析，但是高炉采集 到的数据，他们的相关性特别明显，如透气性指数，它和风量及高炉压差都有直接的关 系，变量多重相关性十分复杂，如果采用普通的最小二乘方法建模，这种变量之间多重 相关性就会严重危害预测模型的参数估计，扩大模型辨识误差，并破坏模型的稳定性。 而在偏最d x - - 乘回归模型中开辟了一种有效的技术途径，它利用对系统中的数据的信息 进行分解和筛选的方式，提取对因变量解释性最强的综合变量，辨识系统中的信息和噪 声，从而更好地克服变量多重相关性在系统建模中的不良作用【7 j 。 偏最小二乘回归是一种较好发展前景的新型数据分析方法。它的内容十分丰富，而 思想方法却又巧妙简单，很容易为熟悉一般多元统计方法的研究人员所理解，便于在实 际工作中操作和推广。目前大多数系统分析人员将其广泛应用于经济管理、社会科学和 自然科学的各个领域。相信一定会有更多人将其应用于高炉数据分析当中。 1 5 本文研究的内容和目标 本论文的目标是利用先进数学方法p l s 和m a t l a b 数学建模软件，开发出具有较 高命中率的炉温预报模型。 高炉作为一个有着复杂化学反应的热容器，其温度的控制对高炉顺行及生铁的产量 和质量有很大的影响。炉温的波动较小，频率慢是高炉顺行的基础，也是生铁质量的保 证。高炉炉温预报是一个复杂的控制系统工程，牵涉到炼铁工艺、计算机技术、数据库 技术、控制技术和网络技术，由于铁水硅含量能够正确有效反映炉温水平，因此本文把 高炉铁水硅含量作为判断炉温水平的重要标志。在高炉冶炼生产过程中，如果能及时地 掌握铁水中硅含量及其变化的趋势，并及时做出较准确的估计，便于及时采取调节措施， 则对于减少炉况波动、稳定热制度、以及提高生铁质量和降低焦比等，都是非常有利的。 本论文主要研究的是基于偏最小二乘回归方法硅含量预报研究和开发，主要作了以 内蒙古科技大学硕士学位论文 下几方面的工作：分析高炉冶炼特点，提出在炉温预测方面应采取的计算方法和措施。 计算了影响高炉硅含量和炉温的各影响因素的相关系数，并给出了由主要影响因子作为 自变量、铁水硅含量为自变量的预报模型，在此基础上采用直接预报【s i 】含量，通过 s i 】 含量与炉温的关系直接预报炉温。该模型通过对料速( l s ) 、风温( f w ) 、风量( f q ) 、 风压( f y ) 、透气性指数( f f ) 、喷煤( p m ) 、铁量差、综合指数等因素进行综合考虑， 根据他们对铁水硅含量的影响来预测炉温以及预报模型的实现。 1 6 本文的组织结构 针对目前众多炉温预报研究的发展方向和已有模型存在的问题，本文在高炉炉温预 测研究等方面做了一些探索工作，为了建立更加有效的预测模型，深入掌握炉况控制规 律，并对炉内物理、化学过程进行了深入细致的学习。最后应用偏最小二乘方法建立高 炉炉温控制硅含量预测模型。 第一章对目前高炉硅含量预测模型的研究背景做出详细综述及用偏最d x - - 乘建立 回归模型的意义。 第二章对目前国内高炉炼铁工艺流程、高炉生产过程特点及其过程控制做出详细阐 述。 第三章对偏最小二乘原理及应用特点做出详细阐述。 第四章应用偏最小二乘回归方法建立高炉硅含量预测模型，并进行相关的精度分 析。 最后是总结、参考文献及致谢信。 内蒙古科技大学硕十学位论文 2 高炉过程控制 钢铁工业是国民经济的基础，人类使用钢铁己有数千年的历史。在未来几个世纪， 钢铁依然是应用最广泛的金属材料，是衡量一个国家综合国力和工业水平的重要指标。 高炉炼铁是钢铁工业的上游工序，在其它工序基本实现自动化控制的情况下，由于其自 身的复杂性，高炉炼铁仍然需要工长根据自己积累的经验进行操作控制。 2 1 炼铁工艺流程的主要设备和其功能 由于炼钢和铁器制作等行业的生铁绝大多数是由高炉冶炼生产出来的。而高炉是炼 铁生产中的主体设备。了解高炉的构造和其生产状态对课题是有一定帮助的，下面介绍 具有代表性的现代大型高炉主要组成，其包括以下五部分： 高炉本体：其作用是将球团矿和烧结矿等在加入各种熔剂和燃料后还原并冶炼 出含碳生铁。 高炉上料系统：包括贮矿、焦槽、筛分与称量等设备，最后通过皮带机或斜桥把 炉料运至炉顶，经装料设备装入炉内进行冶炼。主要任务是准确、及时、稳定地将合格 原料送入高炉。 送风系统：包括热风炉、鼓风机、热风总管、围管等一系列管道和阀门，主要任 务是连续可靠地供给高炉冶炼所需的热风。 煤气除尘系统：包括重力除尘器、煤气管道、文氏管、洗涤塔、脱水器等，高压 高炉还有高压阀组。主要任务是回收高炉煤气，使其含尘量降至1 0 m g m 3 以下，以满 足用户对煤气质量的要求。 渣铁处理系统：包括出铁场、开铁口机、堵渣口机、炉前吊车、铁水罐车和水冲 渣等设备。主要任务是及时处理高炉排放出的渣铁，保证高炉生产正常进行。 喷吹燃料系统：喷煤有煤粉的制取、运输、收集、喷吹罐及喷枪；喷油的有油的 卸入、存储、加热、油泵及喷枪。主要任务是保证均匀、稳定地向高炉喷吹大量煤粉( 或 油) ，以煤( 或油) 代焦，降低消耗，节约昂贵、短缺的冶金焦炭1 8 j 。 因此，高炉是一个多工序组成的复杂控制系统。这些工序环节由不同岗位人员通过 与高炉主控室值相关技术班人员交流作业信息来操作控制高炉运行，按照值班工长的指 挥，形成高炉进程控制与子工序控制的相互配合与协调。基于对以上的了解，我们详细 熟悉具体的炼铁过程。 高炉冶炼过程是一个在高温状态下进行的复杂物理、化学过程，存在气( 煤气) 、固( 炉 料) 、液( 铁水与炉渣) 三相之间的复杂反应，而且沿高炉高度方向和径向具有不均匀、不 对称性。 如下图2 1 所示： 图2 1高炉过程的控制工序及其信息流程 从图中和工艺流程角度我们可以考察常规的高炉炼铁工艺，它包括以下： 高炉值班工长在控制室的过程记录 炉前的出铁、出渣过程记录； 高炉上料所包括的槽下原燃料的配料与称量子系统，炉顶卷扬的上料与布料子系 统； 送风系统中热风炉的燃烧与送风子系统； 在控制炉温过程中富氧与喷吹煤粉子系统； 高炉也亮过程中高炉冷却水子系统； 设备维护子系统，等一系列其他的辅助子系统【9 】。 高炉炼铁所用的原料是经过处理得到球团矿和烧结矿等符合化学成分及粒度要求 矿石后，由上料系统装入高炉的顶端口；经高炉冶炼生产出来的主产品生铁，可直接送 到其他应用生铁的地方，例如炼钢厂炼钢或铸成铁块；同时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工厂企业、用户燃料；在炉料下降过程中，高炉用鼓风 机鼓风，鼓出的风经热风炉加热后送入高炉，与下降的炉料形成逆向运动。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，与此同时，到达风口的焦炭被热风炉从风口鼓入的热风( 携带一定比例的 内蒙古科技大学硕十学位论文 氧气) 燃烧而产生平均温度为1 7 0 0 左右的高温煤气，同时燃烧的还有随热风一道喷入 的煤粉、重油和煤水混合物等辅助燃料。高温煤气自下而上地运动，随着铁矿石的还原 温度不断下降，而含氧量不断增加，最终由高炉炉顶而出。而铁矿石在从上向下的运动 过程中不断被煤气加热而还原为生铁( 状态为铁水) ，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，高炉本体内部可以化分为上部的块状带、中部 的软熔带、滴下带、和底部的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几乎己经全部被还原，溶剂和脉石相互反应生成低熔点的熔渣。 同时在滴下带内，液态渣和铁水要发生分离。余下熔渣中的氧化压铁在穿过焦炭柱时被 还原成金属铁，而熔铁在下流的过程中继续被渗碳还原同时吸收少量的硅及硫、锰、磷 等多种合金元素，最终在炉缸内汇积并贮存起来。最后铁水和炉渣定期或连续地从铁口 渣口中放出【7 1 。 2 2 高炉炼铁生产的主要技术经济指标 高炉冶炼生产中有多个指标用来衡量高炉经济效益的技术，也能显示出炼铁生产技 术水平【1 0 】： 高炉本体有效容积利用系数( 巩) 。高炉本体有效容积利用系数是指每1 m3 高炉、 每昼夜有效容积的生铁产量，即高炉每昼夜生产的生铁产量p 与高炉有效容积，之 比： r = p ( 式2 1 ) 巩是高炉冶炼的一个比较重要的指标。巩越大，高炉生产率也就越高。 焦比( k ) 。焦比是指每冶炼1 吨生铁所消耗的焦炭量，即一个周期内焦炭消耗量 级与同个周期内生产生铁产量尸之比： k = 绒p ( 式2 2 ) 焦炭消耗量约占生铁成本的3