（检测技术与自动化装置专业论文）基于神经网络的烧结终点预测方法及应用研究.pdf

中南大学硕十学何论文摘要 摘要 烧结过程作为高炉炼铁的一个重要流程，直接影响到高炉炉况和 钢铁产量。而烧结终点足判断烧结过程正常与否的标志之一，是与烧 结矿产量、质量和成本密切相关的关键参数，是烧结机操作的主要依 据。对于具有强非线性、强耦和性、大滞后的烧结过程，采用机理模 型或传统的控制理论难以实现对烧结终点的预测和控制。神经网络技 术具有自适应、自组织等能力，适用于描述考虑许多因素的、不确定 的判断和分类问题。因此可以将神经网络应用到烧结终点预测中。本 文提出基于神经网络的烧结终点预测方法，解决烧结终点难以定量 化和存在时间滞后的控制难点，为烧结终点智能控制奠定基础。 本文以某钢铁企业烧结过程为例，对基于神经网络的烧结终点预 测的模型、方法和具体实现进行研究，主要包括以下方面： ( 1 ) 对烧结过程实时信息进行分析和预处理，为实现终点的在 线判断、实时预测和烧结终点位置控制奠定基础： ( 2 ) 分析烧结过程中部风箱热状态变化，选定废气温度上升点 作为烧结终点的预报参数，针对烧结过程各参量之间强耦合性的特 点，采用灰色模型与神经网络模型相结合的方法，提出烧结终点灰色 b p 预报策略。研究了神经网络b p 算法的改进，并采用改进的g m ( 1 ，1 ) 模型，建立烧结终点预测模型。 ( 3 ) 针对烧结过程工况不稳定时，预测精度不高的局限性，提 出结合主元分析法的b p 神经网络预测的预报策略，分析影响烧结终 点位置的参数，建立了基于烧结过程料况的烧结终点预报修正模型。 ( 4 ) 为增强预测模型的自适应性，采用有限新息在线训练方法， 满足了神经网络在线训练的实时要求，建立具有较好泛化能力的系统 模型。 本文将神经网络应用到烧结终点的预测中，并结合主元分析、灰 色理论等人工智能技术，建立了实用有效的预测模型。该方法成功应 用于某钢铁企业2 8 0 m 2 大型烧结机的在线控制。经过验证，该方法克 服了人工判断的随机性，针对不同工况准确预报烧结终点，该预报值 可用来指导生产或送控制计算机，为烧结终点智能控制提供操作依 据。 关键字：烧结终点，主元分析，b p 神经网络，灰色b p ，预报模型 中南大学硕七学位论文a b s t r a c t a b s t r a c t a sa ni m p o r t a n tl o o po f b l a s tf u r n a c es m e l t i n g ，s i n t e r i n gp r o c e s sh a s ad i r e c ti n f l u e n c eo ns t a t eo f t h eb l a s tf u m a c ea n do u t p u to f s t e e l b u r n i n g t h r o u g hp o i n t ( b t p ) o fs i n t e r i n gp r o c e s si sn o to n l yf i ni m p o r t a n t m i l e s t o n ei nj u d g i n gt h es t a t eo fs i n t e r i n g p r o c e s s ，b u ta l s oak e y p a r a m e t e rc l o s e l yr e l a t e dw i t ho u t p u t ，q u a l i t ya n dc o s to fs i n t e r i n go r e ，s o t h es t a t eo fb t pi st h em a i n l yd e p e n d e n c ef o ro p e r a t i n go n - s t r a n ds i n t e r p l a n t s i n t e r i n gp r o c e s si sad y n a m i cs y s t e mw i t hs t r o n gn o n l i n e a r , s t r o n g c o u p l i n ga n dl o n gt i m e d e l a y , n e i t h e rt r a d i t i o n a lm o d e l i n gb ym e c h a n i s m a n a l y s i s n o rc o n v e n t i o n a lc o n t r o lt h e o r yc a n p e r f o r mt h e t a s ko f p r e d i c t i o na n dc o n t r o lo fb 豫t h ea r t i f i c i a ln e u r a ln e t w o r kt e c h n o l o g y ( a n n t ) i sa ni m p o r t a n tp a r to fa r t i f i c i a li n t e l l i g e n c e i th a sm a n y a d v a n t a g e s ，s u c ha ss e l f - a d a p t i v e ，s e l f - l e a r n i n g ，s e l f - o r g a n i z a t i o n ，p a r a l l e l c o m p u t a t i o na n da s s o c i m i v em e m o r y i t i s p a r t i c u l a r l y s u i t a b l et o d e s c r i b eu n c e r t a i na n dc o m p l i c a t e dn o n l i n e a rs y s t e m s oi ti sr e a s o n a b l e t o a p p l yn n tt o t h ep r e d i c t i o no fb 记a f t e ra na n a l y s i so ft h e c h a r a c t e r i s t i c so fs i n t e r i n gp r o c e s s ，t h et h e s i sp r o p o s e sab t p p r e d i c t i o n b a s e do nn e u r a ln e t w o r kt e c h n o l o g y , w h i c ho f f e r st h es o l u t i o no fl o n g t i m ed e l a ya n dh a r d d e t e c t i o no fb t pa n de s t a b l i s h e sag o o db a s i sf o rt h e i n t e l l i g e n tc o n t r o lo f b t p w i t ha ne x a m p l eo fs i n t e r i n g p r o c e s s ，h o wt ob u i l dt h eb t p p r e d i c t i o nm o d e lb a s e do nn e u r a ln e t w o r kt e c h n o l o g y , a n dh o wt o e f f e c t i v e l ya p p l yt h e s e sm e t h o d ss t a t e di nt h em o d e l ，h a sb e e nd e t a i l e d l y s t u d i e di nt h i sp a p e r 1 1 1 em a i n p a r t sa r el i s t e db e l l o w ： ( 1 ) t om e e tt h en e e do fb t pj u d g m e n ta n dp r e d i c t i o n ，t h er e a lt i m e i n f o r m a t i o ni sa n a l y z e da n dp r e t r e a t e d ，w h i c he s t a b l i s h e st h ef o u n d a t i o n f o rt h eo n - l i n ej u d g m e n tr e a l t i m ep r e d i c t i o na n dp o s i t i o nc o n t r o lo f b t p ； ( 2 ) t h eh e a r ts t a t eo ft h em i d d l eb e l l o w sh a sb e e ns t u d i e da n d a n a l y z e d ，a sar e s u l t ，t h eb u r n i n gr i s i n gp o i n to fw a s t eg a st e m p e r a t u r e c u r v ei sc h o s e na st h ep r e d i c t i v ev a r i a b l eo fb t p a i m e da tt h es t r o n g c o u p l i n go ft h em u l t i v a r i a b l es i n t e r i n gp r o c e s s ，t h ea d a p t i v ep r e d i c t i o n m o d e lf o rb t pb a s e do ng r a yb pn e u r a ln e t w o r kh a sb e e ne s t a b l i s h e d 中南大学硕七学位论文 a b s t r a c t w h i c hi sb a s e do nt h ei n t e g r a t e dm e t h o d so fg r a ym o d e la n dn e u r a l n e t w o r km o d e l ( 3 ) h e a r ts t a t ec a n n o tf o r e c a s tt h em o v e m e n to fb t pp o s i t i o n ，w h e n t h es t a t eo fs i n t e r i n gp r o c e s si su n s t a b l e i no r d e rt os o l v et h e i n s u f f i c i e n c yo fd o w n t r e n do f p r e d i c t i v ep r e c i s i o n ，t h ep r e d i c t i o ns t r a t e g y b a s e do nb pn e u r a ln e t w o r kh a sb e e np u tf o r w a r d w h i c hi si n t e g r a t e d w i t hp r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) t h ei n f l u e n c ep a r a m e t e r so fb t p p o s i t i o nw h e nt h es i n t e r i n gs t a t ei su n s t a b l eh a v eb e e na n a l y z e d s ot h e b t pn e u r a ln e t w o r kp r e d i c t i o nm o d e lb a s e do nt h es t a t eo fs i n t e r i n go r e h a sb e e ne s t a b l i s h e di no r d e rt om o d i f yt h eg r a yb p p r e d i c t i o nm o d e l ，a n d i m p r o v et h ep r e d i c t i v ep r e c i s i o n ( 4 ) t h eu n i v e r s a ll i m i tn e w - i n f o r m a t i o no n l i n et r a i n i n gm e t h o di s p r o p o s e di no r d e rt om e e tt h en e e do fr e a l t i m et r a i n i n go fa n na n d e n h a n c et h es e l f - a d a p t i v e t h ea d a p t i v ep r e d i c t o ro fb t pb a s e do na n n i sd e s i g n e da n dm a k e sa c c u r a t ep r e d i c t i o no fb t p i nt h i sp a p e r , a n nt e c h n o l o g yi sa p p l i e dt ob u i l dt h ep r a c t i c a la n d u s e f u lp r e d i c t i o nm o d e lo fb t p , w h i c hi sc o m b i n e dw i t ho t h e ra r t i f i c i a l i n t e l l i g e n tt e c h n o l o g ys u c ha sp c a g r a yt h e o r y t h em e t h o do fb t p i n t e l l i g e n tp r e d i c t i o nh a sb e e ns u c c e s s f u l l ya p p l i e di no n l i n ec o n t r o lo f s i n t e r i n gi n2 8 0 m 2p l a n to fs o m ei r o n s t e e lc o m p a n y n l er e s u l ts h o w s t h em e t h o dc a l la v o i dt h er a n d o m n e s so fa r t i f i c i a lj u d g m e n t ，a n dp r o v i d e a na c c u r a t ep r e d i c t i o nb t pp o s i t i o nu n d e ra l lk i n d so fs t a t eo fs i n t e r i n g p r o c e s s ，t h ep r e d i c tr e s u l tc a n b eu s e dt og u i d et h eo p e r a t o r so rt ob eu s e d a st h ed e p e n d e n c eo f i n t e l l i g e n tc o n t r 0 1o f b t e k e y w o r d s ：b u r n i n gt h r o u g hp o i n t ( b t p ) ，p r i n c i p a lc o m p o n e n t a n a l y s i s ( p c a ) ，b a c k - p r o p a g a t i o nn e u r a ln e t ，鲈a yb p , p r e d i c t i o nm o d e l 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。论文主要是自己的研究所得，除了已注明的地 方外，不包含其它人已经发表或撰写过的研究成果，也不包含为获得 中南大学或其它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，已在论文的致谢语中作了说明。 作者签名：强嗔戈 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和借阅；学校可以公 布学位论文的全部或部分内容，可以采用复印、缩印或其它手段 保存学位论文：学校可根据国家或湖南省有关部门的规定，送交 学位论文。对以上规定中的任何一项，本人表示同意，并愿意提 供使用。 作者签名：酝砭也蕉导师签名； 中南大学硕十学位论文第一章绪论 第一章绪论 烧结( s i n t e r i n g ) 是人造块状原料的主要生产方法之一，是将粉状料或细粒 料进行高温加热，在不完全熔化的条件下烧结成块的过程【l 埘。所得产品成为烧 结矿。烧结过程不仅能使矿粉成块，而且还对高炉炉料起着火法预处理的作用， 使得高炉冶炼达到高产、优质、低耗、长寿的目的。烧结矿质量的优劣将直接影 响到炼铁生产的产量、质量及能源消耗，而判断烧结矿烧结质量的一个重要内容 就是烧结矿烧结结束时的位置，即三种烧结状态：烧结均匀、过烧和欠烧。烧结 结束时的位置，即烧结终点( b u r n i n gt h r o u g hp o i n t - 简称为b t p ) ，一般用料 层烧透时所对应的风箱位置来表示，对烧结矿的产、质量有很大影响：可以准确 反映烧结过程的热状态，反映烧结矿产量、返矿率、有效利用面积以及一级品率。 因此，烧结终点位置判断和控制是混合料在机车运行过程中完成烧结化学变化的 关键环节。烧结终点无法通过仪表检测，同时对于大型烧结机，从向台车上布料 到烧结矿在机尾被卸下，大约需要4 0 分钟以上，因此，烧结终点是滞后于烧结 过程的，这种滞后性使烧结终点难以控制，因此必须对烧结终点实行提前预报， 在烧结过程结束之前提前预报烧结终点的状态，才能及时采取措施进行调节。 本文以钢铁冶炼工业中典型的抽风烧结过程为研究背景，通过运用人工智能 方法建立非机理模型实现了烧结终点位置的提前预报，克服了现场人工经验判断 的随机性和不准确性，为烧结终点的准确控制奠定了基础。 1 1 研究背景及意义 钢铁行业是国民经济的重要基础产业，是实现工业化的支撑产业。伴随着 石油危机的出现，以及全球工业化的初步建设，全球对钢铁产量的需求也在不断 加大 4 1 。在现代钢铁生产流程中，传统流程仍然占据主导地位，高炉炼铁仍足 将铁矿石冶炼成生铁的最高效、高产、节能的方法【5 l 。而在高炉炼铁时，为了保 证料粒透气性良好，要求炉料粒度均匀，粉末少，机械强度高( 冷强度和热强度) 。 为了降低高炉焦化，要求炉料含铁品位高有害杂质少，且具有自熔性和良好的 还原性能。全世界高炉炉料9 0 以上是靠烧结法提供的。可以说铁矿石烧结对于 钢铁工业起着举足轻重的作用。 中国是一个发展中国家，国民经济正以约8 的增长速度高速发展，对钢铁 的需求量很大。上世纪9 0 年代以来，我国钢铁工业进行大规模结构调整，产量 逐年大幅度提高，1 9 9 0 年产量为6 5 3 5 万吨，1 9 9 8 年达到1 1 4 0 5 亿吨，成为世 中南大学硕士学伊论文 第一章绪论 界第一产钢大国，2 0 0 2 年达到1 8 1 5 5 亿吨。加上进口的钢材。实际消耗量将近 2 亿吨。由于大规模的基本建设正在进行，西部大歼发、西气东输、南水北调等 项目刚开始实施，据预测，2 1 世纪，中国达到最高钢铁消费量还有1 0 1 5 年，钢 铁仍然是最主要的结构材料和产量最大的功能材料，中国的钢铁工业正迎来正规 化健康发展的机遇。虽然我国粗钢产量近年来一直保持着世界第一的位置，成为 产钢大国，但却不是产钢强国，除了人均钢产消费量还不及世界平均水平的一半 外，我国钢铁工业在能耗，环保，品种，质量、劳动生产率及生产成本等方面与 发达国家相比还很落后 6 - 8 1 。 目前，钢铁企业的竞争日益激烈，高炉炼铁生产技术经济指标的改善和技术 进步，主要是依靠入炉原料性质的改善。而烧结矿是我国高炉炉料的主要组成部 分，可以说我国钢铁工业的发展在很大程度上与烧结矿的用量和质量紧密相关， 要保证在高炉炉料中有足够的烧结矿用量以及良好的烧结矿质量。传统的依靠人 工“眼观一手动”的调节方式已经无法满足大型烧结设备的控制要求，需要更加 精确和稳定的自动控制。目前新建和改建的烧结机都配备了集散控制系统，具备 了基本监测和基础控制功能，为进一步实现自动控制和智能控制提供了可能。 目前国内烧结厂的先进自动化系统己达到两级水平：机、电、气一体化的设 备控制级和过程管理级，但是与国外相比，我国烧结厂的控制质量并不高。究其 原因，主要可以归纳为：研究和应用的条件、技术水平和控制方法的研究两个方 面的不足： ( 1 ) 研究和应用的条件 烧结是一个高温、高湿、高粉尘的系统，对检测元件要求高，而国内烧结厂 大多不具备先进的透气性在线测定装置，超声波感应器、f e o 在线检测装置以及 分量分布测定装置等先进检测手段，很多重要工艺参数不能实施检测，这就决定 了国内烧结厂不能够生搬硬套国外的自动控制系统以及人工智能系统，而必须结 合我国烧结生产设备和检测条件的实际情况，有针对性地开发适合我国烧结行业 的控制系统。 ( 2 ) 先进的技术手段和控制方法的研究 如果说数学模型和人工智能模型是过程控制的灵魂，性能优良的过程控制软 件则是控制系统的心脏，决定着系统的成败。目前国内在控制方法方面的研究还 远不够深入，对烧结这样一个影响因素众多、具有大滞后性的动态复杂系统，仅 靠传统的控制方法难以达到高质量的控制，仅靠操作人员和领域专家的实际经验 来进行操作调整，势必引来控制的盲目性和不确定性。 在国内烧结生产控制中还存在一些薄弱环节，如烧结终点的控制。由于烧结 终点无法直接监测，而且涉及的因素众多，几乎所有的原料参数、操作参数和状 2 中商大学硕士学伊论文第一章绪论 态参数都会直接或间接地对烧结终点状态产生影响。控制不当将会导致烧结过程 更大的波动。目前，国内大多数烧结厂对于这洋难以控制的环节仍然采用人工方 法凭主观判断和调节，给烧结生产带来很大的不稳定性。但是烧结终点与烧结产 量、质量和能耗的密切关系，又使得人们无法忽视终点控制的作用终点控制适 宜且保持稳定，不仅能保证烧结过程稳定，而且能保证有效利用烧结面积，在保 证质量的同时把握提高产量的时机，降低能源消耗。 在国外，已经有很多先进的智能控制系统在烧结领域得以成功应用，但是我 国烧结生产的实际情况与国外不尽相同，汲取国外先进的技术方法，结合国内实 际，研究烧结智能控制系统是当务之急。生产实践中发现，烧结终点是烧结过程 中的一个关键中间参数，是操作烧结机的主要依据，但对其机理缺乏系统的研究， 也未能对烧结终点实现准确的控制。揭示烧结终点对于稳定烧结过程的意义，研 究其判断方法，结合人工智能技术预报其位置，是目前许多烧结厂感兴趣的课题 之一。 根掘烧结过程的实时过程参数、状态参数以及操作参数。合理判断烧结过程， 并准确预报烧结终点位置，以调整烧结机台车速度，达到稳定烧结终点，减少烧 结终点位置波动，提高烧结矿产量、质量的控制目的。开展这项研究对于合理利 用现有烧结设备，稳定烧结生产，促进烧结控制水平的提高以及提高烧结厂经济 效益具有十分重要的意义。 1 2 国内外研究现状 烧结过程是一个机理复杂、影响因素众多、强祸合、大滞后的动态系统，难 以建立精确的数学模型来进行控制。在生产实践中，大多依据熟练操作工人的经 验来调节和控制烧结机台车速度。但是经验知识的不确定性、局限性以及经验的 继承等人为因素必然给生产控制带来盲目性和不确定性。而将模拟人的判断、思 维的人工智能技术用于过程控制、正是解决这类复杂系统控制的有力工具。 人工智能技术在烧结领域中的应用使得烧结控制研究避开了对烧结过程深 层规律的探求，它不是从基本原理出发，而是以事实和数据作为依据，来实现对 过程的优化控制【9 。这就克服了过于依赖人工经验和个人素质的不确定性因 素。人工智能方法依据在生产线上取得的实际数据，经过处理后用于指导同一条 生产线。这样针对性强，可靠性高，更有利于烧结过程的优化控制。 1 2 1 国外研究与应用现状 人工智能技术在烧结过程中的应用始于八十年代的日本烧结厂，并由于显 中南大学硕士学位论文第一章绪论 著的控制效果而得到广泛应用。针对烧结终点位置的判断，预报以及控制，国外 烧结厂进行了大量的研究【l l - 1 6 l 。 川崎钢铁公司水岛厂开发了诊断型号家系统，它由烧结终点控制、设备保护 和产、质量控制功能组成。其中烧结终点的控制功能包括正常终点控制和异常终 点控制功能，正常终点控制采用预测的方法，建立了基于风箱温度的短期预报值 和基于原始料层透气性的长期预报值。该诊断型专家系统的应用使烧结终点的波 动由7 下降到3 ，稳定了烧结过程，提高了烧结矿的产质量。 日本神户钢铁公司提出用神经网络技术实现对烧结热状态的识别和控制，根 据其安装在台车篾条下的2 5 个测温装置测得的温度，用神经网络方法判断烧结 热状态。 美国的r i c h a r dc c o r s o n 提出，烧结终点位置也可用前馈的方法控制，在 靠近烧结机中部的风箱上安装几个热电偶，以监视废气温度开始上升点处的温 度，这点在烧结机上的位置略超过机长的一半。奥钢联林茨钢铁公司为了克服原 有烧结终点控制系统反应时间馒，烧结矿质量和返矿率差的问题，安装了一套模 糊逻辑控制系统，在所有条件下部可以精确地控制烧结终点，提高了生产率。 韩国浦项钢铁公司光阳厂采用安装在风箱内的1 0 套热电偶和在机尾卸矿端 安装的红外摄像机，实时观测在烧结机台车宽度和长度方向上的温度变化，综合 判断料层内的热状态，控制分道闸门的开度，以改善烧结矿质量和成品率。 意大利冶金公司尼加里亚烧结厂建立了风箱废气成分与烧结矿f e o 含量和 烧结终点的统计模型，应用效果良好。埃及的m e h 沙拉比等人通过实验也 表明烧结终点可用废气中n ( c o ：) ( c o ) 达到最大值的时闯来确定。 g f i n t h e rs t r a k a 开发了基于燃烧带模型的烧结终点控制模型。根据预先计算 好的烧透时间和设定的烧结终点来计算台车速度设定值。 韩国的bkc h o 等认为，与采用在最高温度区域得到的数据相比，采用拐 点前区域的这些温度数据作为分道闸板控制参数，可使时间滞后大大缩短。这实 际上也是根据废气温度开始上升处的温度来预报烧结终点 1 2 2 国内研究与应用现状 国内从9 0 年代开始将人工智能技术应用于烧结生产，研究和应用较多的是 专家系统。国内对神经网络在烧结生产过程中的应用较少，仅有用神经网络技术 根据机尾断面预报f e o 含量m 1 以及用神经网络超前预报模型预报烧结矿化学成 分的探索性研究的报道f l ”。 杨兆祥、杜继红等人在实验家条件下系统研究了烧结废气成分同碱度、配煤 量、燃料种类、粒度类型等因素的关系，探讨了利用废气成分判断烧结终点以及 4 中有大学硕七学位论文 第一章绪论 碱度的可能性。中南大学范晓慧等开发的烧结生产过程控制专家指导系统中，用 系统辨识方法建立了多个时间序列模型，以此来预报烧结矿化学成分以及烧结终 点。郑鹿鸣开发了烧结终点闭环控制模型，根据实际生产情况，自动交换使用全 自动和半自动两种控制方式来实现烧结终点的控制。 中南工业大学为鞍钢开发了烧结生产过程控制专家系统。该系统包括以碱度 为中心的烧结矿化学成分控制专家系统和以透气性为中心的烧结过程状态控制 专家系统。该系统离线运行效果良好，能够提高烧结矿化学成分一级品率，稳定 烧结终点，达到优化烧结矿质量、提高产量和降低燃耗的目的。 张苹等应用模糊神经网络技术建立了烧结终点辅助预报模型，采用b p 算法 的模糊神经网络烧结终点辅助预报模型能够根据生产数据提前预报烧结台车倒 数第三个风箱的温度，作为判定烧结终点的依据。程武山等以马鞍山钢铁公司烧 结厂现场生产数据为依托，建立了基于神经网络的烧结终点预报系统，预测1 8 # 风箱温度、压力，及大烟道温度、压力。 综上所述，随着烧结技术的进步，我国烧结过程的检测和自动控制技术得到 了相应的发展，人工智能技术也在烧结行业得到了应用，但大部分技术都处在探 索研究阶段，大多未能在线实时运行，因此结合烧结生产具体实际，综合运用烧 结理论、现代控制理论等多学科知识，将人工智能技术合理运用于工艺实际，具 有重要的理论意义和实用价值。 1 3 研究内容与研究目标 随着钢铁生产规模的不断扩大以及高炉的扩容和产量的增加，烧结设备逐渐 趋于大型化，新烧结机的建成对烧结矿产量和质量的提高，以及提高高炉生产能 力起至0 了至关重要的作用。但在实际生产中，由于种种原因并没有达到很好的效 果，主要体现在：烧结状态控制不够稳定，容易引起过烧，损坏烧结机尾皮带； 烧结机控制仍然需要人工经验判断烧结终点( b t p ) 位置，并以此来调节烧结机 台车速度；在实际的烧结控制中，烧结终点控制仍是滞后调节控制；当烧结混合 料发生变化时，需人工反复调节探索才能取得较好的控制效果，随机性大。因此， 为了充分利用有效烧结面积，防止设备损坏，提高烧结矿强度，降低返矿率，稳 定烧结过程，需要对烧结终点进行研究。 为了保证高炉料理透气性良好，要求炉料粒度均匀，粉末少，机械强度高， 因此必与保证烧结矿的质量，减小烧结终点位置波动，以及烧结终点温度波动。 烧结终点控制系统必与能够提高控制的准确性，能简化操作手续，从而保证工艺 过程的最优化。烧结过程作为一个强非线性、强耦合性、时变、大滞后的多输入 多输出复杂过程，必须对烧结终点位置进行准确预报。主要研究内容： 中南大学硕士学位论文第一章绪论 ( 1 ) 烧结终点状态与烧结机的生产率、烧结矿的质量以及稳定烧结过程有 密切的关系，是一个关键的中间参数，本文将对烧结终点进行准确在线连续测定， 利用软测量技术得到连续烧结终点实时位置，并进行提前预报的研究； ( 2 ) 通过分析影响烧结终点位置的参量，确定合适的预报参数，结合烧结 过程的特点，将神经网络与灰色系统有机结合起来，建立基于周期序列的灰色神 经网络烧结终点预测模型，得到烧结终点的预测值； ( 3 ) 烧结料况发生变化时，中部风箱废气温度不能完全反映烧结终点的波 动情况，因此应该对烧结过程工况进行分析，对烧结终点预测模型进行修正，以 提高预测精度。研究b p 神经网络建模的方法，建立b p 神经网络烧结终点预报 模型，反映料况对烧结终点位置的影响，进一步优化b p 网络结构，改进b p 网 络学习算法，提高预测模型的预测精度，使模型更好的适应工况变化； ( 4 ) 针对上述模型，开发高陛能的软件，结合烧结终点智能优化控制算法， 对烧结终点控制进行控制，并针对2 8 0 n a 2 烧结机进行现场应用。 基于上述目标，主要是应用智能优化控制技术，从烧结终点废气温度变化入 手，建立烧结终点智能预报模型，通过对烧结过程各状态参数、原料参数及操作 参数的获取、分析，达到对烧结终点的计算、判断，并准确预报烧结终点位置的 目的。具体可以实现以下目标： ( 1 ) 根据中部风箱的热状态提前预报烧结终点位置，判断烧结状态，并达 到控制烧结机台车速度，以稳定烧结过程或操作人员的生产操作的目的： ( 2 ) 当烧结过程工况发生变化时。根据烧结物料原料参数及操作参数，得 到烧结终点修正预报值，以便更好地对不同烧结物料进行调节和控制； ( 3 ) 可以与原有系统进行通讯，在原有设备基础上实现计算机与现场工作 站的数据通讯，在预报模型的基础上建立两级计算机烧结终点控制系统。 ( 4 ) 建立的软件应能实时检测烧结终点过程参数，进行模拟画面监视、过 程参数监视以及实时曲线显示、报警及其记录等，满足实施监视和控制的要求。 1 4 论文构成 论文以某钢铁厂2 8 0 m 2 烧结机烧结过程为研究对象，进行过程机理及特性分 析，提出了基于神经网络的烧结终点智能预报策略，解决了烧结过程大滞后、时 变特性、强非线性的控制难点。论文提出了烧结终点状态智能预报策略，进行了 烧结终点预报模型研究，并针对工况不稳的情况，对预报模型进行修正，为烧结 终点的准确控制奠定了基础，最后研究烧结终点智能预报策略在工业现场的应 用，实现了烧结过程烧结终点智能预报模型的应用。 论文的结构安排如下：第二章在烧结过程机理分析及特性研究的基础上，确 6 中南大学硕士学伊论文 第一章绪论 定了烧结终点预报的目的与主要的预测参数交量，并针对烧结终点位置受烧结原 料料况和烧结过程热状态影响的特性，提出烧结终点预报策略，并分析了基于神 经网络的智能预报模型结构。 第三章介绍基于周期序列的灰色神经网络烧结终点预测模型。研究表明。烧 结终点位置波动与烧结过程中部风箱热状态有关，因此中部风箱废气温度可以反 映烧结终点位置波动，本章主要是进行中部风箱温度状态研究，并进行烧结终点 位置的预报。首先介绍了周期序列的灰色神经网络理论，然后根据机理分析得到 灰色神经网络预报的预报参数，基于烧结过程温度上升点，采用周期序列的灰色 神经网络建立烧结终点预测模型，最后针对此模型进行预测结果分析验证其合理 性及先进性。 第四章主要介绍了工况不稳时，基于b p 神经网络的烧结终点预报修正模型， 并详细介绍了模型的在线修正方法，以提高模型的自适应性。采用主元分析方法， 对原料参数、设备参数和操作参数进行分析，确定了烧结终点神经网络预测模型 的结构，接着结合实际，改进b p 网络学习算法，建立烧结终点神经网络预测修 正模型对烧结终点进行预测，以克服烧结终点预测在工况不稳时预测精度不高的 不足，最后分析预测结果，验证其合理性。 第五章进行模型的实际应用及运行效果分析。介绍钢铁厂烧结过程实时数据 的获取及预处理，分析模型实现流程、优化控制算法实现和数据通讯技术，通过 对实际运行效果进行分析，验证了模型的工业有效性。 第六章为结论与展望，简要总结本论文研究成果，对进一步的研究工作进行 展望。 7 中南大学硕七学伊论文 第二章过程机理分忻与烧结终点预测方案 第二章过程机理分析与烧结终点预测方案 烧结过程具有大滞后、时变、强非线性、强祸合性、多输入多输出的特点， 属于工艺流程长、控制设备大型化的连续复杂工业过程。由于烧结终点无法直接 检测，而且涉及的因素众多，几乎所有的原料参数、操作参数和状态参数都会直 接或间接的对终点状态产生影响，控制不当会导致烧结过程更大的波动。对于这 样难以控制的环节，仍然采用人工方法凭主观判断和调节，会给烧结生产带来极 大的不稳定性，因此采用人工智能方法，准确判断并提前预报烧结终点位置已经 成为烧结终点控制的主要研究问题。本章详细分析了烧结过程的烧结机理，并提 出了基于神经网络的烧结终点预测基本思想，并分析了工况不稳时，对预测模型 进行修正的方法，提出了预测模型的结构。 2 1 烧结生产工艺流程 现在各烧结厂使用的烧结机，几乎都是从下部抽风的带式烧结机。铁矿石经 过烧结后变成还原性良好和热稳定性高的炉料，同时，铁矿石中的某些有害元素， 特别是硫，可以在烧结过程中大部分脱除，因此烧结工艺在钢铁企业中被广泛使 用【i 】。 铁矿粉、熔剂和燃料按照一定配比，并加入一定的返矿以改善透气性、配好 的原料按一定配比加水混合，送到料槽，然后到烧结机由点火炉点火，混合料中 的固体燃料被点燃，烟气由抽风机自上而下抽动，在台车移动过程中，烧结自上 而下进行。当台车移动接近末端时，烧结结束。在大型烧结机上，为了保持表层 温度和防止急冷，采用延长点火炉和设置保温炉，烧结完了的烧结块由机尾落下， 经破碎成适当块度，筛分和冷却，筛上物送高炉，筛下物作为返矿和铺底料重新 烧结。抽风烧结的工艺流程如图2 1 所示。 烧结过程是一个复杂的物理化学过程，包括水分的蒸发和冷凝、燃烧反应、 化学水的分解、碳酸盐的分解、氧化还原反应、固相反应以及化学物的熔化与冷 凝等，涉及热力学、动力学、传热学等学科知测”。 烧结物料中含有多种矿物，其烧结过程是非常复杂的，其基本原理是：将已 经配好的的混合料送入烧结机上，在一定点火温度下，由于下部风箱强制抽风， 通过料层的空气和烧结料中的焦炭燃烧所产生的热量，使烧结混合料经受物理和 化学变化，生成烧结矿。 8 中南大学硕士学位论文 第_ - g t 过程机理分析与烧结终点预测方案 图2 - 1 烧结生产工艺流程图 烧结过程中发生的主要化学反应包括： ( 1 ) 烧结过程中的去硫反应 硫是钢铁的主要有害杂质，在烧结过程去除大部分硫，既不需要额外的燃料 消耗，又可大大减轻炼铁炼钢过程中的去硫任务，是十分经济合理的，这也是烧 结生产的一大优点。烧结过程的去硫主要是靠硫化物的高温分解和氧的燃烧作 用： 1 2 f e s2 + 5 o2 = f e2 03 + 4 s o 2 + 1 6 6 8 9 0 0k j 二 3 f e s 2 + 8 0 2 = f e 3 0 + 6 s 0 2 + 2 3 8 0 2 3 8 k j 分解和燃烧产生的s 0 2 随气流逸去，达到了去硫的目的。 9 中商大学硕七学位论文第二章过程机理分析与烧结终点预测方案 ( 2 ) 氧化物的分解、还原以及氧化反应 氧化物的分解、还原以及氰化反应足烧结过程中化学反应的一个零要部分， 它影响烧结矿的矿物组成及液相生成，从而影响烧结矿的质量。 烧结矿中的铁氧化物有f e 2 0 3 、f e 3 0 4 和f e o 。氧化物分解的条件式是分解 压力大于气相中氧的分压。f e o 在烧结条件下不能分解。由于物料在1 3 0 0 c 以 上的高温区停留时间很短，同时f e 2 0 3 在小于1 3 0 0 c 时已大量被还原，所以f e 2 0 3 的分解率很小。而在s i 0 2 存在时，在大于1 3 0 0 c 的高温下，f e 3 0 4 可能按下式 分解：2 f e 30 4 + 3 s i 0 2 = 3 ( 2 f e o s i 0 2 ) + 0 2 烧结料层中，固体炭颗粒周围具有还原气氛，因此，铁的各级氧化物可能被 还原： 3 f e 2 0 3 + c o = 2 f e 3 0 + c 0 2 f e 3 0 4 + c o = 3 f e o + c 0 2 s i 0 2 的存在对铁氧化物的还原有利，这是因为s i 0 2 与f e o 形成稳定的铁橄 榄石2 f e o s i 0 2 ：2 f e 3 0 4 + 3 s i 0 2 + 2 c o = 3 ( 2 f e o s i 0 2 ) + 2 c 0 2 而c a o 的存在对f e 2 0 3 和f e 3 0 4 的还原性不利，因为c a o 与f e 2 0 3 作用形 成c a o f e 2 0 3 ，阻止了f e 2 0 3 的还原和2 f e o s i 0 2 的形成。 烧结物料从下往上进行烧结过程，物理化学变化分别在各层中发生，在烧结 终了时，烧结物料全部变为烧结矿。由此可见，烧结料层中的温度变化是烧结料 物理和化学变化的推动力。烧结机台时产量与物料的垂直烧结速度和台车运行速 度有直接的关系。在成块率不变的情况下，两个速度的提高必将会增加产量。因 此根据烧结物料的原料参数的不同以及烧结过程的状态参数，选择合理的烧结机 台车速度，使烧结终点稳定在理想位置，可以稳定烧结过程，提高烧结矿产量和 质量。 2 2 烧结终点影响因素分析 烧结终点是指烧结过程结束时，烧结物料温度最高点所在风箱位置。烧结终 点主要是由烧结矿混合料的垂直烧结速度“和台车水平前进速度y 共同决定。从 理论上分析如果已知垂直烧结速度( r a m s ) ，则根据料层厚度h ( m m ) 可以求出烧结 时间t = h 。根据烧结进行时间和台车水平前进速度就可以获得烧结终点位置： b t p = v e t = v h i ( 2 1 ) 虽然台车速度已知，但是乖商烧结速嗖无法寅接测帚。通过机珲分析和专家 经验可知，影响烧结过程烧结终点位置的因素包括烧结混合料成分、烧结过程透 气性、台车速度等因素。 l o 中南大学硕士学付论文 第二章过程机珲分析与烧结终点预测方案 为将各检测输入变量因素与烧结终点位置间的关系量化表示，利用单因素法 得到各因素对烧结终点的影响程度。其具体做法是：先确定各变量各自的取值范 围，然后选取其中一个变量，如点火温度作为单因素变量，单因素变量的取值为 该变量的取值范围内的等差序列，其它变量取值不变。根据所得数据样本，得到 其模拟输出，即对应的烧结终点位置。分别得出各检测量与烧结终点之间的关系 图。 ( 1 ) 点火温度的影响 烧结料的烧结是依靠其中的燃料燃烧进行的。点火器将烧结料表层加热到高 于燃料的燃点，再由抽风机抽风是烧结过程向下进行。点火的目的之一是补充混 合料表面温热的不足，使表层混合料烧结成块；同时使表面层混合料中的燃料经 点火后开始燃烧，并借助于抽风使烧结过程自上而下的进行。点火的好坏，将直 接影响烧结过程能否正常进行和烧结矿的产质量。点火温度与烧结料的物理化学 性质密切相关，对于铁矿物料来讲，一般介于1 1 0 0 1 2 0 0 之间。当火温度过 高，会使烧结物料表面层形成不透气的外壳，而且f e o 含量增加，降低烧结料 透气性，导致烧结终点位置后移；而当点火温度过低时，会使混合物料不能烧结 成块，同时也会降低烧结料透气性，使烧结过程变慢，而且还会导致返矿量增加。 实际数据表明，当点火温度控制在1 1 2 1 1 9 0 之间时烧结终点比较稳定。 ( 2 ) 烧结混合料料层厚度的影响 目前，大型烧结料层厚度大多达到6 0 0 m m 以上，而且还有上升趋势。适宜 的料层厚度取决于原料性质、原料的准备过程、风机风量和真空度等因素。烧结 工艺要求烧结过程必须在倒数第二个风箱处结束，所以料层薄时机速必须加快， 而料层厚时机速必须放慢。具体烧结工艺要求烧结料层厚度在5 6 0 m m 左右，而 实际中以布料速度和烧结机台车速度共同决定料层厚度。在现有条件下，布料速 度一般控制在4 3 4 8 之间可使