（控制理论与控制工程专业论文）高炉智能诊断专家系统的研究与设计.pdf

摘要 高炉是钢铁企业的咽喉，它的能耗极大，控制过程非常复杂。运用人工智能与知识工 程技术，建立高炉智能诊断专家是实现高炉冶炼“优质、高产、低耗、长寿”的重要途 径之一。 不同高炉的冶炼条件存在着很大的差异，而且国内高炉的自动化技术和检测水平还 很落后，因此直接引进国外的专家系统往往价格昂贵且使用效果并不理想。 本课题依托于沙钢6 # 高炉，立足于我国高炉生产的实情，研究并自主开发了高炉 智能诊断专家系统。采用产生式规则、正向推理模式，实现了对异常炉况的在线和离线 诊断功能。并建立了参数自学习子系统，通过对高炉炉况特征指数统计特性的分析，对 参数的界限值进行定期学习和自动更新，提高了炉况诊断的准确性，使专家系统具有很 强的自学习，自适应能力。 沙钢6 # 高炉实际运用结果表明，该专家系统可以稳定、连续的在线运行，通过实 时对炉况变化进行评价，对可能出现的异常给出预报，且命中率较高，具有良好的实用 性和可靠性。 关键词：高炉专家系统炉况诊断参数自学习 a b s t r a c t a sa ni m p o r t a n ti r o n m a k i n ge q u i p m e n t , ab l a s tf u r n a c ec o p l s u m e $ e n o r m o u se n c r 雹y i n w h i c ht h ec o m r o lp m c 鼯si sm u c hi n t r i c a t e ，s oi ti sn e c e s s a r yt ok e e pb l a s tf u r n a c es t e a d ya n d m h i g h e f f i c i e n t l y t h e r ea 托m a n yl d n d so fr e s e a r c h e so nt h i sp r o b l e m , e x p e r t - s y s t e mi s c o a s i d e r c da sa ne f f e c t i v ew a y d u et ot h el o wa u t o m a t i z a t i o nd e g r e e 、l i m i t e dm e 舢c l l l o l l tl e v e la n dd i f f e r e n ts m e l t i n g c o n d i t i o n ，e x p e r t - s y s t e mi n t r o d u c e df r o mo v e r s e a sc o u n t r i e si sn o ta na d a p t a b l es o l u t i o no n d o m e s t i cf u n l a c e t h i sr e s e a r c hr e l i e so i lt h e6 群b l a s tf u r n a c ei nj i a n g s us h a g a n gg r o u pc o ，t h em a i n p u r p o s e i st od e v e l o pab l a s tf l l r n a c ei n t e l l i g e n td i a g n o s i se x p e r t - s y s t e mi n d e p e n d e n t l y i nt h i s s y s t e m , k n o w l e d g er e p r e s e n t a t i o ni sc o m p i l e db a s e do nt h ep r o d u c t i o nr u l e sa n df o r w a r d r e a s o n i n gm e c h a n i s m t h eo n l i n ea n d o f f l i n ea b n o r m a ls t a t u sd i a g n o s i sf u n c t i o n sp r o v i d et h e s y s t e ma b i l i t i e st oe v a l u a t et h ev a r i e t i e so f r e a l t i m es t a t u $ a n dt op r e d i c tt h ea b n o r m a ls t a t u s o ft h eb ef u r t h e r m o r e ，t h ep e r f o r m a n c eo ft h es y s t e mi si m p r o v e db ym e a n so fp a r a m c t o r s e l f - a d a p t i v ea l g o r i t h m t h ei n t e l l i g e n td i a g n o s i se x p e r t - s y s t e mi sp r o v 。da v a i l a b l et h r o u g ht h eu s i n go fi to nt h e 6 撑b l a s tf i l m a c ei ns h a g a n g k e y w o r d s ：b l a s tf u i l l a c e ，e x p e r t - s y s t e m , s t a t u sd i a g n o s i s ，p a r a m e t e ra u t o l e a r n i n 原创性声明 本人郑重声明：本人所呈交的学位论文，是本人在导师指导下，独立进 行研究工作所取得的成果。尽我所知，除文中已经注n i i n 的内容外，本学 位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研 究工作做出贡献的其他个人和集体，均己在文中以明确方式标明。 作者签名：斜晦日i i ：尘必， 关于学位论文使用授权的说明 本人完全了解冶金自动化研究设计院有关保留、使用学位论文的规定， 即：自动化院有权保留送交论文的复印件，允许论文被查阅和借阅，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遵守此规定) 作者签名：丛盔够日期：型! z ：舻 导师签名：鳞 日 i i ：删弘 第一章引言 第一章引言 1 1 课题背景 在冶金过程中，绝大部分的生铁( 包括铸造用铁及炼钢用铁) 都来自于高炉。这主 要取决于高炉生产率高、热利用系数高的特点，因此高炉被誉为“冶金企业的咽喉”。 高炉冶炼是一个连续而复杂的物理、化学过程，它不但包含有炉料的下降与煤气流 上升之间产生的热量和动量的传递，还包括煤气流与矿石之间的传质现象。只有动量、 热量和质量的传递稳定进行，高炉炉况才能稳定顺行。高炉要取得较好的生产技术经济 指标，必须实现炉况的稳定顺行。炉况稳定顺行一般是指炉内的炉料下降和煤气流上升 均匀、炉温稳定充沛、生铁合格、高产低耗。要使炉况稳定顺行，高炉操作必须稳定， 而其主要标志是炉内煤气流分布合理和炉温正常。 高炉冶炼的影响因素十分复杂，主要包括原燃料物理性能和化学成分的变化；气候 条件的波动：高炉设备状况的影响：操作者的水平差异以及各班操作的统一程度等。这 些都将给炉况带来经常性的波动。高炉操作者的任务就是要随时掌握影响炉况波动的因 素，准确地把握外界条件的变动，对炉况做出及时、正确的判断，及早采取恰当的调剂 措施，保证高炉生产稳定顺行，取得较好的技术经济指标。【l 】 1 2 研究现状 1 9 8 5 年以来，日本在专家系统开发应用方面做了大量卓有成效的工作，先于其他各 国开发了用于高炉操作控制的b a i s y s 、s a f a i a 、y b r i d 及g o s t o p 等专家系统，并在实 际中得以应用。比利时、瑞典、澳大利亚、美国、俄罗斯等国也都相继开发应用了自己 的专家系统，并以其作为推动炼铁技术进步、挖掘高炉生产潜力，实现节能降耗的重要 措施。我国国内自行开发的专家系统有首钢高炉专家系统、鞍钢高炉专家系统、马钢高 炉炉况诊断专家系统等。宝钢、武钢等引进芬兰罗德洛基公司的高炉控制专家系统。首 钢、本钢、昆钢、攀钢等大型高炉也相继引进芬兰、奥地利的高炉专家系统。其中比较 有代表性的有： l 第一章引言 ( 1 ) 日本川琦g o s t o p 专家系统。3 日本川崎水岛4 号高炉的a d v a n c e dg o s t o p 专家系统，将采集数据分为用于炉况水 准判断的分类参数8 个和用于炉况变动判断的分类参数4 个。 系统首先进行个别参数判断，各参数判断标准可由操作数据的统计分析确定上下两 个边界值，将实时参数与之比较，判定属于“好”、“坏”、“注意”三个范围，以数值来 分别代替，即为g s 值，当其判断结果为“坏”时，系统立即报警。 ( 2 ) 芬兰罗德洛基专家系统咖 芬兰罗德洛基公司应用计算机控制高炉冶炼过程和改进原料质量，实现了高炉燃料 比低、产量高、操作稳定顺行。 他们开发的专家系统的结构是以日本川崎公司的g o s t o p 系统的专门技术为基础 的，而其基本设计方案是由罗德洛基公司根据所积累的高炉操作控制经验完成的。系统 中可调参数是风量、附加焦炭量和焦炭量，其他可能调节的参数为鼓风温度、重油喷吹 量和富氧率。 此系统知识库包括8 5 0 条专家知识，共设有两个数据库，一个用于高炉的正常操作， 而另一个是用于停炉后开炉、低风量操作和炉况迅速变化的事故预报。在高炉运行正常 时的数据库中设置有热平衡的一昼夜预报调节、炉况波动预报和防范措施。炉况失常的 实例有崩料、管道形成、炉凉、炉热、炉瘤滑落等。 ( 3 ) 奥钢联y a i r o n 专家系统“1 在奥钢联的林茨厂使用的高炉专家系统结合了统计方法、人工智能、物理模型。每 隔5 分钟生成一份详细的当前高炉状态分析结果，这些分析结果最终又产生工艺过程新的 设定值。由于大多数工艺参数的相互影响，因此整个高炉操作状态是自动调节的。 此高炉专家系统有两个自动控制级组成( 过程控制及过程优化) 。其主要目标为：1 ) 原料优化：优化原料输人配合比和输入质量；2 ) 全自动化高炉操作：优化高炉控制系统 以处理可变输入配合比和输入量。运行时可以用两种不同的方式操作专家系统：咨询方 式和闭环方式。还具有良好的人机界面以及较完备的数学模型，具有的模型有：热风炉 控制模型、炉料控制模型、炉料分布模型、间接还原模型、熔炼管理模型、动力学过程 模拟模型等。 2 第一| 章引青 ( 4 ) 浙江大学高炉智能控制专家系统。1 该系统集信息技术、计算机、自动化与冶金工艺技术于一体，是信息化改造传统高 炉炼铁工艺的高新技术成果。系统具有完全的自主知识产权，构建的数学模型是其技术 核心，包括冶炼过程参数最佳化的积分方程及其算法、炉温耦合控制微分方程及其算法。 它由高炉炼铁工艺的基础自动化改造、以高炉主控室为中心的信息网络化改造、建立智 能控制自动化软件系统三部分组成。该系统建立了专家知识库和多层次的实时数据库， 给出了炉墙结瘤、管道、悬料、炉缸堆积4 种主要异常炉况的诊断和冷却系统故障诊断模 型。 总体而言，目前我国国内专家系统在满足高炉过程控制方面仍很落后，同国外相比 整体水平不高。其主要原因如下： 1 ) 检测手段的落后。目前我国高炉自动化水平较低，检测仪表与手段仍很落后， 许多参数无法直接实时获得，使得专家系统获得的信息残缺，大大影响了专家系统的推 理精度与准确度。 2 ) 固有的操作习惯。目前我国高炉操作仍然是粗放式的，重产大于重质，兼之，我 们对于高炉内部机理认识的缺乏，知现象而不知其本质成为普遍，此点严重阻碍了高炉 专家系统的发展。 3 ) 企业信息化水平较低难以做到配料、烧结、高炉、技术中心等各个方面的信息互 通，使得专家系统孤立的运作于某一方面。当某一环节发生变动，其它系统难以及时调 整。 4 ) 缺乏自己的专家系统专用开发工具。目前我国专家系统开发较少使用专家系统专 用开发工具，使得系统开发耗时长、投入高、系统实时性与可移植性较差，国外专家系 统引进耗资巨大，难以适合本国国情，技术难以掌握。 5 ) 缺乏复合型的开发人才。专家系统的开发人才需要对高炉知识及计算机编程都相 当的熟悉，而目前我国较缺乏这样的人才，领域专家缺乏编程能力，而计算机编程人员 又缺乏高炉领域知识。目前多数专家系统的开发是采用了领域知识专家与计算机工程师 相结合开发的方法。 第。章g f 言 1 3 论文主要内容 我国开展专家系统研究工作比较晚，尤其在高炉运行控制方面目前还没有出现一套 比较完整的实用专家系统，基本上靠引进国外技术来指导生产。但是由于目前国内高炉 的自动化水平较低，检测手段落后，监测数据不完整、不及时，这使得引进的外国专家 系统并不适合本国国情，耗费昂贵但实用性较低。 本课题立足我国高炉生产的实际情况，研究并开发高炉炉况智能诊断专家系统，通 过对高炉实时参数的综合分析，对炉况进行判断，辅助高炉操作者进行控制。 全文共分为六章： 第一章：引言，介绍了该系统的知识背景与研究现状。 第二章：高炉专家系统的介绍，包括专家系统的定义，功能以及它在高炉生产中的 运用。 第三章：高炉炉况智能诊断专家系统的设计，介绍了系统设计的背景、设计思想以 及设计平台，并详细阐述了系统知识库的设计和系统的具体实现。 第四章：参数自学习系统，依据数据的统计特性，对高炉炉况特征指数进行分析， 针对各类参数设定具体的算法进行参数界限值学习。 第五章：高炉炉况智能诊断专家系统运用分析，通过对现场运行结果的分析，说明 该系统具有良好的性能和实用价值。 第六章：总结。 4 第：章高炉专家系统介绍 第二章高炉专家系统介绍 2 1 高炉炼铁简介 高炉是钢铁企业的咽喉，这是由必须为炼钢工序及时提供足够数量的合格铁水所决 定的。高炉的能耗极大，占整个钢铁企业约6 0 ，因此它的有效操作是至关重要的。为了 实现冶炼过程中的高产、低耗，对高炉炉况进行自动化判断就显得更为重要。高炉冶炼 是一个复杂的化学、热力学、动力学的动态过程，对炉况的评价具有模糊性和综合性。 ”高炉生产的特点是：除风口和出渣出铁是可观察的外，整个机组是密闭的，故操作员 只能根据一些检测仪表的数据来间接推断炉内状况；另外，高炉的控制过程复杂，含气、 液、固三相，除了物料平衡和热传导外，还有空气动力学问题，所以对于操作工来说正 确操作十分困难；同时由于高炉内部的不平衡分布以及一些随机干扰因素的影响，人们 不可能得到一个精确的应用分析模型。因此，仅仅依靠建立数学模型的方法对炉况进行 判断遇到了许多困难。实际上，对高炉炉况的判断和操作管理在很大程度上还要依赖操 作技术人员的知识和经验。随着人工智能及知识工程技术的发展，高炉炉况判断专家系 统越来越受到重视。州 2 2 专家系统简介 2 2 1 专家系统定义 专家系统( e x p e r ts y s t e m ，简称e s ) 是指在某些特定的领域内，具有相当于人类 专家的知识经验和解决专门问题的能力的计算机程序系统。专家系统不同于一般的计算 机软件系统，它具有的特点是：知识信息处理、知识利用系统、知识推理能力、咨询解 释能力。2 0 世纪8 0 年代人们开始将专家系统引入高炉领域，按高炉操作专家所具备的 知识进行信息集合和归纳，通过推理做出判断，并提出处理措施，形成了高炉冶炼的专 家系统。【1 】 人工智能( a r t i f i c i a li n t e l l i g e n c e ，简称a i ) 是模拟人类思维方式去认识和控制客 观对象的技术，如用神经网络技术去辨识客观事物的隐含规律，用模糊理论去处理过程 第。：章高炉专家系统介绍 很复杂的控制问题。专家系统是人工智能技术的一个分支，是对传统人工智能问题中智 能程序设计的一个非常成功的近似解决方法。专家系统早期先导者之一，斯坦福大学的 e d w a r df e i g e n h a u m 教授，把专家系统定义为“一种智能的计算机程序，它运用知识和 推理来解决只有专家才能解决的复杂问题”。也就是说，专家系统是一种模拟专家决策能 力的计算机系统，模拟一词表明专家系统要在所有方面都做得像专家样。 图2 1 ；人工智能的一些领域 2 2 2 知识获取和规则编写 专家系统的核心问题是对知识的处理，即知识的表达、推理的方式和知识的获取等。 由于领域专家往往对工艺不是十分了解，因而很难一下子提出满足知识专家构成专 家系统所需的知识。此外，有些很熟练的操作员对处理操作问题及故障问题很有经验， 但往往难以提出一套完整的知识，因此最好是双方( 领域专家和知识专家) 向对方的知 识靠拢，知识专家深入工艺和操作实际，提出初步知识框架，然后向领域专家请教、提 出问题、讨论、删改与增添。 知识的来源有书本和杂志、有关文章、规程和手册、有经验的操作员和专家的知识， 例如“高炉炉况诊断专家系统”，其知识可来源于书本( 炼铁学、高炉操作等书本，杂志 中有关异常炉况及其处理等的文章) 、规程( 炼铁厂的高炉操作规程中有关异常炉况名称 6 第：章高炉专家系统介绍 及其征兆和处理方法的部分) 、高炉操作日报等记录( 记有故障及如何处理) 以及有经验 的炉长和工长的知识。例如中小高炉常见异常和失常炉况有：边缘煤气过分发展、边缘 煤气不足、炉温向热、炉温向凉、偏料、管道、崩料、悬料和炉墙结厚，除了要预报是 哪种炉况外，还要报出是“不会发生”、“可能发生”或“已发生”等的综合结论。且每 种异常炉况征兆都有炉项煤气情况( 温度、压力、成分等) 、炉身温度及冷水温差情况、 下料情况、冷热风情况以及复合参数( 如透气性指数、空穴指数等) 情况等，包括其平 均值、波动值及升降梯度情况等等。最后把这些原知识整理成文以供编成专家所需的规 则，即“i f t h e n 可信度? ”的形式。相同结论的规则，其综合可信度= l 一 ( 1 一可信度1 ) 木( 1 一可信度2 ) ( 1 一可信度n ) 。 规则编写方法可先把上述知识列成表，然后写成规则( 例如i f 征兆是3 ，t h e n 结 论是a ，可信度为2 0 ；结论是d ，可信度是2 5 ) ，但关键问题是可信度的决定，如果 确定不好，则会得出错误结论。如“边缘煤气过分”发展时有1 3 种征兆，当然这1 3 种征 兆中某些征兆还表征“炉温向热”和“崩料”，如果这1 3 种征兆写成1 3 条规则时，若其可 信度定得很低，就会造成已经出现多种征兆，但其综合可信度仍然很低( 例如小于5 0 ) 而使综合结论为未发生“边缘煤气发展过分”，与实际不符。故必须按实际情况来决定各 个征兆的可信度，少于多少个征兆为“不会发生”，达到多少个为“有发生趋向“( 5 1 综合可信度 1 5 0 0a n d 热风压力 正常值上限a n d 热 风压力 正常值上限a n d 热风压力 = 正常值上限a n d 1 ) 1 5 短期 炉腰冷却水温差 = 正常值上限a n d 2 )1 5 短期 炉身上部冷却水温差 = 正常值上限 1 5 短期 全压差 = 正常值上限 鼓风动能 = 正常值上限 6 ) 边缘煤气流温度指数 = 极大值 2 0 短期 7 ) 炉身上部冷却水温差 = 极大值 2 0 短期 8 ) 炉腰冷却水温差 = 极大值 2 0 短期 边缘煤气流温度指数 = 正常值上限a n d 9 )2 0 短期 上升管四点温度均值 = 正常值上限 炉喉温度 = 正常值上限a n d 1 0 )2 5 短期 边缘煤气流温度指数 = 正常值上限 1 1 ) 炉体第一段温度平均值 = 极大值a n d 3 5 短期 第三章高炉智能诊断专家系统的设计 边缘煤气流温度指数 = 正常值上限 炉体第二段温度平均值 = 极大值a n d 1 2 ) 3 5 短期 边缘煤气流温度指数 = 正常值上限 炉体第三段温度平均值 = 极大值a n d 1 3 )3 5 短期 边缘煤气流温度指数 = 正常值上限 十字测温边缘四点温度均值 = 极大值a n d 1 4 ) 4 0 短期 边缘煤气流温度指数 = 正常值上限 其上即为规则描述的本体部分，它对于不同高炉及同一高炉的不同生产时期都是适 用的，不会因高炉炉龄增长或外部生产条件的改变而不适用。 使用产生式规则，即“i f t h e n ，形式。例如：“i f ( 炉腰冷却水温差 = 正常 值上限) a n d ( 炉腰冷却水温差 极大值) t h e n ( 边缘煤气过度发展) 概率= 1 5 ( ) ”。 在规则中，“i f ”表示前提，“t h e n ”表示结论，本规则可解释为：如果炉腰冷却水温 度偏大但不超过极大值则1 5 的情况下边缘煤气流过度发展。可以看到，对应一种异常 炉况有多条规则，这样当n 条规则同时推出边缘煤气流过度发展时，如果概率分别为p - 、 p 。则经过概率综合运算后的概率为( 1 一( 卜p ) ( 1 - p 。) ) * 1 0 0 ，称这种概率 综合方式为独立乘积。 推理机使用规则库和已知事实进行推理。推理方式为正向推理，推理过程中保存了 规则的匹配状态，略过已经证真或是证伪的规则以提高推理效率。在事实( 包括中间推 理结论) 用完之前，系统会一直循环匹配规则库，每循环一次所产生的中间结果放在冲 突集中，对冲突集进行冲突消解时取规则的优先级较高的，优先级相同的取第一个。 推理使用的事实来源于存储到数据库的采集数据、输入数据等，使用哪些数据用于 推理可以通过把规则变量与数据表列进行配对来实现( 见图3 5 所示) ，当数据库增加新 列时，不需要改程序即可将其用于推理。 第三章高炉智能诊断专家系统的设计 、一 酬嚣，( 数据 风量1 、风量2 一 图3 5 ：规则变量与数据配对 规则中的极大值、极小值、偏大值、偏小值、正常值上限、正常值下限、目标值由 参数域值自学习系统定期学习得到，并及时更新到规则库，使炉况诊断专家系统具有实 时性，结果更加准确。 3 6 智能诊断专家系统的程序实现 3 6 系统的实现方法 系统采用面向对象的c # 语言实现，充分利用面向对象的一些高级特征对系统进行 封装，同时采用设计模式对系统高效的设计。面向对象的设计开发充分运用了面向对象 程序设计中的对象、类、数据抽象、继承、动态绑定、数据封装、多态性、消息传递等。 通过这些特性使大型程序得到很好的设计与开发。设计模式和设计原则已经成为面向对 象的编程( o o p ) 、以及面向对象的设计( o o d ) 的最新进展。 高炉智能诊断专家系统通过采用设计模式和面向对象的设计方法使得系统有了很好 的控制扩充与维护能力。系统的开发采用了c # 语言，在开发设计运用的设计模式主要 有f a c t o r ym e t h o d 模式，该模式可以使系统的扩充变得非常容易，而且使代码变得非常 容易理解简单，充分发挥了面向对象语言的作用。 3 6 2 系统总体结构 炉况智能诊断专家系统包括离线炉况诊断、在线炉况诊断和规则变量配对三大模块。 在线诊断是对当前炉况的诊断，而离线诊断主要用来检验规则的正确性，从而不断提高 专家系统的准确率，规则变量配对用于在规则变量与数据表列之间建立连接。其总体结 构图见图3 6 所示： 2 s 第三章高炉智能诊断专家系统的设计 i 离线炉l 在线炉 规则变1 ”_p i 苎兰望。li ；兰竺璺i i 墨苎翌。i 图3 6 ：专家系统总体结构图 在u m l 语言中，用户事例图用于显示若干角色以及这些角色与系统提供的用例之间 的连接关系，用例图仅仅从角色( 触发系统功能的用户等) 使用系统的角度描述系统中的 信息，也就是站在系统的外部察看系统功能，它并不描述系统内部对该功能的具体操作方 式。图3 7 即为专家系统的用例图。 在本系统中a c t o r s 包括a c t o r ( 用户) 、r u l e f i l e ( 规则文件) 和s o l s e r v e r d b ( s q l s e r v e r 数据库) ；u s ec a s e s 为r e f e r e n c e o f f l i n e ( 专家系统离线推理) 、 r e f e r e n c e o n l i n e ( 专家系统在线推理) 、m a t c h r u l e v a r s ( 规则变量配对) 。其中r u l e f i l e 和s q l s e r v e r d b 为系统的两个数据源。 m a t c h r u l e v a r s 图3 7 ：专家系统的u s ec a s e 框图 第三章高炉智能诊断专家系统的设计 3 6 3 离线炉况诊断模块的实现 离线炉况诊断主要用于检验规则的正确性。可以从界面中显示的规则变量集中手工 选择需要的规则变量，手工为其设置炉况征兆，通过系统推理后给出诊断结果、发生概 率及相应的处理意见。并可以查看推理过程中所激发的相关规则和相关数据的取值。其 模块事件结构图如图3 8 所示。 图3 8 ；离线诊断模块事件结构图 离线炉况诊断部分包括四个边界类( f r l i i e s _ o f f l i n e 、f r m e s _ r e s u l t 、f r l e s e x p l a i n 、 f r m e s _ d a t a d i s p l a y ) 、一个控制类( d i s p o s e o n l i n e ) 、两个实体类( r u l e b a s e 、 r e f e r e n c e e n g i n e ) 。用户打开“离线炉况诊断”窗口，通过边界类f 瑚e s o f f l i n e 的 f r m d i g n o s e o f f l i n e _ l o a d 事件调用实体类r u l e b a s e 的i m p o r t 方法导入“沙钢新1 号 高炉炉况预报专家系统规则表”x m l 文件，在变量树中添加规则变量。用户通过界面上 控件的操作来设置炉况征兆，点击“设置”激发b t n s e t _ c l i c k 事件，该事件调用边界类 f r m e so f f l i n e 的a d d p a t t e r n 方法添加炉况征兆。炉况征兆设置完毕，用户点击“离线 诊断”激发b t n d i g n o s e _ c 1 i c k 事件，该事件打开新的窗体“离线诊断结果” ( f r m e s _ r e s u l t ) 。窗体打开时，调用边界类f r m e s _ r e s u l t 的d i s p o s e o n l i n e _ r u n 方法 2 7 第三章高炉智能诊断专家系统的设计 实现离线炉况诊断。d i s p o s e o n l i n e _ r u n 方法调用控制类d i s p o s e o n l i n e 的r u n 函数实 现推理过程，并调用边界类f r m e s r e s u l t 的r e s u l t d i s p l a y 方法实现推理结果的显示、 保存，可信度与推理意见的显示。d i s p o s e o n li n e 的r u n 函数先通过实体类r u l e b a s e 的i m p o r t 方法导入“沙钢新l 号高炉炉况预报专家系统规则表”x m l 文件，规则库成功 加载之后，初始化a r i e s 推理机对象r e f e r e n c e e n g i n e ，然后调用r e f e r e n c e e n g i n e 的 r e f e r r i n g 方法返回推理结果。在“离线诊断结果”窗体的推理结果区域右键点击鼠标， 弹出“查看解释”菜单，用户确定后将激发m n u r u l e e x p l t e m _ c l i c k 事件，载入“推理过 程解释”窗体f r m e s _ e x p l a i n 和“推理过程中的数据值”窗体f r m e s _ d a t a d i s p l a y ，分 别显示规则解释和主要指标数据。离线诊断时序图如图3 9 所示。 吴ooqqo l盥皿旦lq盟盟皿量l蚴：disdoseonlme：rulebase：reforoncee帕ine二j瞠曰l巨皿l锺nj 皿盛l 垒趋血娃喧 ”| | 2 ，导 专末系袭规则表 。点击蛆螈龃 一班 兆 5 一点击。寓线喾断 8打开诊断结果 7 ，鼎离姥断 言南雅理过 9 。导 专；e 系统规则衰 1 0 钥嫱碳n e s 越机。 1 1 。堰回拒理结果 1 2 一显示勰ie 兰 = 1 3 ，童击右健t r ：m c , l f f f ；, f智口 l 4 _ 戴入推理过程解帝窗体 匾袋”舰遗程中的数据值 窗体 u ： 一t 图3 9 ：离线诊断时序图 第二章高炉智能诊断专家系统的设计 3 6 4 在线炉况诊断模块的实现 在线炉况诊断用于对高炉1 4 种异常炉况的在线实时诊断，分别为：边缘煤气过分发 展、边缘煤气发展不足、中心过分发展、中心不足、向凉、向热、管道、崩料、悬料、 偏料、低料线、炉墙侵蚀、炉墙结厚、炉缸堆积。 系统从数据库中获取实时数据，并赋给已完成配对的相关规则变量，形成事实库， 送给推理机，专家系统自动完成推理后给出诊断结果、发生概率及相应的处理意见，并 可以查看推理过程中所激发的相关规则和相关数据的取值。同时，推理结果以饼状图的 形式展现在主画面中，发生的概率较大时饼状图呈红色，反之呈绿色，处于中间值为黄 色。其模块事件结构图如图3 1 0 所示。 图3 1o 在线诊断模块事件结构图 在线炉况诊断部分包括三个边界类( f r w e s r e s u l t 、f r m e se x p l a i n 、 f r m e s _ d a t a d i s p l a y ) 、一个控制类( d i s p o s e o n l i n e ) 、两个实体类( r u l e b a s e 、 r e f e r e n c e e n g i n e ) 。用户打开“在线炉况诊断”窗口，主框架的在线炉况诊断定时器将 定时的调用边界类f r m e s r e s u l t 的方法d i s p o s e o n l i n e _ r u n 实现在线炉况诊断。 d i s p o s e o n l i n e _ r u n 方法调用控制类d i s p o s e o n l i n e 的r u n 函数实现推理过程，r u n 函 数先通过实体类r u l e b a s e 的i m p o r t 方法导入“沙钢新1 号高炉炉况预报专家系统规则 2 9 第二章高炉智能诊断专家系统的设计 表”x m l 文件，规则库成功加载之后，初始化a r i e s 推理机对象r e f e r e n c e e n g i n e ，然后 调用r e f e r e n c e e n g i n e 的r e f e r r i n g 方法返回推理结果。推理结果的显示、保存，可信 度与推理意见的显示通过调用边界类f r m e s r e s u l t 的r e s u l t d i s p l a y 方法实现。在“在 线诊断结果”窗体的推理结果区域右键点击鼠标，弹出“查看解释”菜单，用户确定后 将激发m n u r u l e e x p i t e m _ c l i c k 事件，载入“推理过程解释”窗体f r m e s _ e x p l a i n 和“推 理过程中的数据值”窗体f r m e s _ d a t a d i s p l a y ，分别显示规则解释和主要指标数据。其 时序图如图3 i l 所示。 吴oq a c m f f r m e s r e s u l t o i s d o s e o n 1 i n o + r u l e b e s o ：frmesd豳disol 图3 i i ：在线炉况诊断时序图 3 6 5 规则变量配对模块的实现 规则变量配对用于在规则变量和数据库中具体的某个数据表的某个字段名之间建立 连接关系。在进行炉况诊断之前，首先要进行变量的匹配。变量配对信息保存在配置文 件中，程序自动读出配置文件的内容，并显示在界面上。对没有完成配对的规则变量可 3 0 第三章高炉智能诊断专家系统的设计 以根据需要新建匹配信息，对已有匹配项可以进行删除和重新匹配。其模块事件结构图 如图3 1 2 所示。 图3 1 2 ：规则变量配对模块事件结构图 规则变量配对包括一个边界类( f r m e s _ r u i e v a r m a t c h ) 、一个实体类( r u l e b a s e ) 。当用 户初次打开规则变量配对窗口，通过边界类的窗体载入f r m r u l e v a r m a t c h _ l o a d 事件调用 实体类对象的i m p o r t 方法，导入“沙钢新1 号高炉炉况预报专家系统规则表”x m l 文件 的规则变量，调用边界类的r e a d m a t c h f i l e 方法读取规则变量配对x m l 文件 “r u l e v a r c o n f i g u r e ”获得已存在的配对关系，调用边界类的i n i t i a l t r e e v i e w 方法获 得数据字典表初始化变量树。用户选择一个变量名和一个字段名，点击“变量配对”按 钮激发b t n m a t c h _ c l i c k 事件添加配对关系。点矗尹重新配对”按钮激发b t n r e m a t c h - c l i c k 事件，删除用户选择的已有配对关系。最后点击“完成”按钮激发b t n f i n i s h _ c l i c k 事 件，将最新的变量配对关系表更新到r u l e v a r c o n f i g u r e 配对文件。其时序图如图3 1 3 所示。 3 1 第三章高炉智能诊断专家系统的设计 吴q 二_ 迪：f r m e sr u l e v a r m a t c h 二b 业蛭l a 塑 3 7 本章小结 图3 1 3 ：规则变量配对时序图 本章首先简要介绍了高炉炉况智能诊断专家系统的工艺背景和技术背景，然后结合 沙钢的实际情况，对其开发环境特点进行了详细的分析。根据其具体应用环境，给出了 知识库的设计思想，及专家系统的具体实现。 知识获取和处理是开发专家系统的一个瓶颈，它贯穿于专家系统开发的整个过程。 在本系统中，知识库的建立是在专家系统开发平台中完成，使用正向推理，采用产生式 规则，将规则分为本体和域值两部分，通过参数域值自学习对参数界限值进行实时更新， 增强了规则的准确性和实时性，解决了规则库在不同高炉中的复用问题，增强了专家系 统的灵活性与可移植性。 第州章参数自学爿系统的设计 第四章参数自学习系统的设计 高炉炉况智能诊断专家系统中，在对知识的处理方面，把规则分成本体和域值两部 分描述。本体部分记录高炉的基本冶炼规律，域值部分提供高炉炉况特征指数的多种界 限值，并通过自学习系统进行设定、更新。本章即重点介绍针对域值的参数自学习