（运筹学与控制论专业论文）高炉冶炼过程的模糊辨识、预测及控制.pdf

浙江大学博士学位论文 摘要 高炉冶炼过程是一个高度复杂的过程，其运行机制往往具有非线性、大时滞、大噪声、 分布参数等特征。同时，高炉本身是一个集传热与化学反应耦合的开放体。在智能控制论范 畴内解析高炉冶炼过程，并最终实现高炉冶炼过程的智能控制，是冶金科技发展的前沿课题。 本文选取具有代表性的2 座中型高炉( 莱钢1 号7 5 0 m 3 高炉和临钢6 号3 8 0 m 3 高炉) 为 研究对象。 论文前3 章是在炼铁专家知识和模糊数学理论的基础上，从模糊数学角度详细分析了高 炉冶炼过程的复杂性，并且由此得出结论：高炉冶炼过程不仅存在着许多非常规问题( 如， 炉况预报，异常炉况诊断、高炉设备诊断等) ，而且在对其进行分析判断的过程( 炉温【s i 】 辨识、预测及控制等) 中存在着大量的模糊信息。这些非常规问题和模糊信息无法用简单的 方式作出确切的描述，而必须采用模糊数学中的隶属函数对其中的不确定知识进行量化处 理。文中对许多变量建立了隶属函数，采用了多种形式的隶属函数方法，例如，利用3 维隶 属函数法确定了铁水温度及其可信系数间的相互关系。3 维隶属函数法有助于减少规则数 目：利用非参数相似度法对 s i 进行模糊聚类分析，建立相应的模糊相似关系矩阵，并用模 糊熵评价聚类效果。 随着智能控制理论研究的不断深入，建立功能更强的异常炉况预报与诊断模型来改善和 提高模型的预测准确度和诊断效果，成为新的期望目标。本文第4 章从炼铁工艺实际数据出 发，深入分析了影响炉况的几个关键参数，按照这些参数的不同波动情况进行了定量的模糊 分类。在此基础上，建立了异常炉况模糊预报模型和异常炉况模糊诊断模型。这2 个模型不 仅可以对中间过程进行逻辑推理，而且能定量计算高炉异常炉况的符合程度以及发展趋势。 模拟结果表明，异常炉况模糊预报和诊断模型具有较好的可操作性。 高炉炼铁过程的炉温预测与控制的数学模型研究，既是炼铁自动化中的难题，也是实际 炼铁生产中工长和厂长都十分关注的重要课题。炉温的准确预报，将有助于工长提高操作水 平，从而达到提高利用系数和降低焦比的目的。论文第5 章结合莱钢1 号高炉和临钢6 号在 线采集的生产数据，针对高炉冶炼过程存在的时滞，应用广义函数分析法，计算了主要检测 参数的时滞。基于模糊系统和神经网络的逼近特性，将模糊数学理论、随机系统理论以及神 经网络方法结合在一起，建立了一整套的高炉炉温【s i 】的智能预报模型，并进行横向和纵向 的对比研究。仿真结果表明，该套模型不仅能够很好的预测炉温【s i 】，而且能指导高炉工长 调控炉温，使之处于最佳状态。 高炉冶炼过程控制是高炉主控室指挥下的多目标、多工序的复合控制。炉温控制是高炉 冶炼过程控制的核心和基础。“炉温控制”不同于传统意义上的“温度控制”，其区别在于： “炉温控制”不仅与提供的能量有关，而且与物理化学反应过程、流体相态有关。论文第6 章在逆系统理论的基础上，将喷煤量作为主控量，建立高炉炉温【s i 】模糊预测控制模型和炉 温 s i 】的聚类模糊控制模型，在模糊控制论范畴内，探索高炉炉温【s i 】控制规律。 浙江大学博士学位论文 论文第7 章从总体上阐述了解决高炉炼铁过程智能控制的新思路：建立高炉炼铁过程的 系统优化模型，求解高炉冶炼过程在不同条件下的最佳控制；围绕炉温的最佳控制，建立铁 水含硅量【s f 】智能预报模型和智能控制偏微分方程，基于炼铁专家知识和数学理论，从智能 控制高度建立在线自学习模型，实现高炉炼铁过程智能自动化控制。 由于高炉炼铁的复杂性以及采集设备的不完善，使得与之相关的信息不完备，造成高炉 冶炼系统成为一个灰色系统。论文的研究工作，既包含模糊数学理论、随机系统理论以及智 能控制论，又涉及到冶炼工艺过程以及炼铁专家的知识，是一个典型的多学科交叉研究，是 从数学理论和智能控制论角度对实际生产工艺所关心的预测与控制问题所进行的有应用价 值和应用前景的研究。当然，论文所建立的模型要真正应用到实际炼铁生产中去，还要结合 企业的实际作大量深入细致的工作。 关键词：高炉冶炼，智能控制论，模糊聚类，模糊辨识，模糊预测，模糊控制 ， j 一 曼 - n 囊 入 浙江大学博士学位论文 a b s t r a c t b l a s tf u m a c e ( b f ) i r o n m a k i n gp r o c e s si s h i g h l yc o m p l i c a t e d ，w h o s eo p e r a t i n g m e c h a n i s mi sc h a r a c t e r i s t i co fn o n l i n e a r i t y ，t i m el a g ，h i g hd i m e n s i o n ，b i gn o i s ea n d d i s t r i b u t i o np a r a m e t e re t c w h a t sm o r e b fi sa no p e ns y s t e mw i t hh e a tt r a n s p o r ta n d c h e m i c a lr e a c t i o nc o u p l i n g s t u d yo nb fi r o n m a k i n gp r o c e s sw i t hi n t e l l i g e n tc y b e r n e t i c s a n dr e a l i z a t i o no f i n t e l l i g e n tc o n t r o l t oi ta r et h ef r o n t i e ri nt h ef i e l do fm e t a l l u r g i c d e v e l o p m e n t i np r e s e n td i s s e r t a t i o n ，n o 1b f ( 7 5 0 m 3 ) a tl a i w ui r o na n ds t e e lg r o u pc o a n dn o 6 b f ( 3 8 0 m 3 ) a tl i n f e ni r o na n ds t e e lc o ，w h i c ha r et h er e p r e s e n t a t i o no fm e d i u m s i z e db f i nc h i n a ，w e r es e l e c t e do u ta st h es t u d y i n go b j e c t i v e t h ec o m p l e x i t yo fb fi r o n m a k i n gp r o c e s sw a sa n a l y z e di nd e t a i li nt h ef i r s tt h r e e c h a p t e r so ft h i sa r t i c l e ，b a s e do nf u z z ym a t h e m a t i c sa n dk n o w l e d g eo fi r o n m a k i n g e x p e r t s t h ef o l l o w i n gc o n c l u s i o n sw e r ed r a w n ： n o to n l ym a n yu n c o n v e n t i o n a i i t y p r o b l e m s ( i n c l u d i n gp r e d i c t i o na n dd i a g n o s i so fa b n o r m a lb fs t a t e ，d i a g n o s i so fb f e q u i p m e n te t c ) e x i s ti nb fi r o n m a k i n gp r o c e s s ，b u tm u c hf u z z yi n f o r m a t i o ni se n c o u n t e r e d i na n a l y s i sb fi r o n m a k i n gp r o c e s s ( f o re x a m p l e ，i d e n t i f i c a t i o n ，p r e d i c t i o na n dc o n t r o lo f 【s i 】) w h i c h m a k e s s i m p l e i n f e r e n c ed i s a b l e d m e m b e r s h i p f u n c t i o n si nf u z z y m a t h e m a t i c sm u s tb e u s e dt os o l v e dt h o s ep r o b l e m s m a n yk i n d so fm e m b e r s h i p f u n c t i o n sw e r ec o n s t r u c t e d ，f o re x a m p l e t h er e l a t i o n s h i pb e t w e e nh o tm e t a lt e m p e r a t u r e a n di t sc o n f i d e n c ec o e 饰c i e n t sw a sc o n f i r m e dw i t ht h em e t h o do ft h r e e d i m e n s i o n a i m e m b e r s h i pf u n c t i o n ，a n dt h ea m o u n to fr u l e sc a nb er e d u c e dt h r o u g ht h r e e d i m e n s i o n a l m e m b e r s h i pf u n c t i o n n o n p a r a m e t r i cs i m i l a rd e g r e em e t h o dw a su s e di nt h ef u z z yc l u s t e r o f 【s i ，a n dt h ef u z z ys i m i l a r i t yr e l a t i o nm a t r i xo f 【s i 】w a sp r e s e n t e d ，w i t ht h ef u z z ye n t r o p y a st h ee v a l u a t i o nc r i t e r i o n w i t ht h ed e v e l o p m e n to fi n t e l l i g e n tc y b e m e t i c s ，n e wa n dm o r ee f f i c i e n tp r e d i c t i o n a n dd i a g n o s i sm o d e l so fa b n o r m a lb fs t a t es h o u l db ee s t a b l i s h e do n i n t e l l i g e n t c y b e r n e t i c s ，a n di ti st h eo b j e c to fi r o n m a k i n gp r o c e s s t h o s em o d e l sw e r ep r e s e n t e di n t h ef o u r t hc h a p t e ro ft h i sp a p e r s o m ek e yp a r a m e t e r so fb fs t a t ew e r ea n a l y z e di nd e t a i l 。 b a s e do nf u z z ym a t h e m a t i c s a n dt h e n ，f u z z yp r e d i c t i o nm o d e la n df u z z yn e u r a ln e t d i a g n o s t i cm o d e lo fb fs t a t ew e r ep r e s e n t e d n o to n l yt h ei n t e r n a ll o g i c a l i n f e r e n c e ，b u t q u a n t i t a t i v ec a l c u l a t i o no fc o n f o r m i t ya n dv a r i a t i o nt r e n do fb fs t a t ew a sg i v e nw i t ht h o s e t w of u z z ym o d e l s ，a n dt h e ya r eo p e r a t i o n a lm o d e l s s t u d yo np r e d i c t i o na n dc o n t r o lm o d e l so ft e m p e r a t u r ei nb fi s t h em o s td i f f i c u l t p r o b l e mi na u t o m a t i o no fb fi r o n m a k i n gp r o c e s sa n dp r a c t i c a lp r o d u c t i o n t h ee x a c t i l l 浙江大学博士学位论文 p r e d i c t i o no ft e m p e r a t u r ei n b fi st h ek e y ，w i t hw h i c h ，o p e r a t o ro fb fc a nc o n t r o lb f i r o n m a k i n gw e l l ，t h eu t i l i z a t i o nc o e f f i c i e n to fb fw i l li n c r e a s ea n dr a t i oo fc o k eb u r d e nw i l l d e c r e a s e s o m ep r e d i c t i o nm o d e l so ft e m p e r a t u r ei nb fw e r eg i v e ni nt h ef i f t hc h a p t e ro f t h i sd i s s e r t a t i o n a st ot h et i m el a go fp a r a m e t e r so fb fi r o n m a k i n gp r o c e s s ，g e n e r a l c o r r e l a t i o nc o e f f i c i e n tm e t h o d ，b a s e do nm u t u a li n f o r m a t i o n ，w a su s e dt oc a l c u l a t et i m e l a go fe a c hv a r i a b l e t h o s ep r e d i c t i o nm o d e l sw e r ec o n s t r u c t e dw i t hf u z z ym a t h e m a t i c s ， s t o c h a s t i cs y s t e mt h e o r ya n dn e u r a ln e t ，b a s e do nt h ec h a r a c t e ro fa p p r o x i m a t i o no f 。 f u z z ys y s t e ma n dn e u r a ln e tw o r ks y s t e m w i t ha n a l y s i so fs i m u l a t i o nr e s u l t s ，g o t t e nb y a p p l y i n gt h o s ep r e d i c t i o nm o d e l s ，t h ef o l l o w i n gc o n c l u s i o n sc a nb ed r a w n ：t h o s e p r e d i c t i o nm o d e l sc a nf o r e c a s ta n ds i m u l a t et h ep r a c t i c a ld a t ac o l l e c t e do n l i n e ，a n d o p e r a t o r sc a nc o n t r o lp r a c t i c a lp r o d u c t i o nw e l lw i t hf o r e c a s t i n gr e s u l t so ft h o s ep r e d i c t i o n m o d e l s b fi r o n m a k i n gp r o c e s sc o n t r o li s m u l t i o b j e c t i v ea n dm u l t i p r o c e d u r e ，a n di ti s a c o m p o u n dc o n t r o la c t i o n ，a n dt e m p e r a t u r ec o n t r o li st h ek e y t e m p e r a t u r ec o n t r o lo fb f i r o n m a k i n gp r o c e s si nt h i sp a p e ri sn o ts i m i l a rt ot h ec l a s s i c a lc o n t r o l ，n o to n l yw a st h e e n e r g yc a l c u l a t e d ，b u tt h ep h y s i c a lc h e m i s t r yr e a c t i o np r o c e s sa n df l u i d s t a t ew e r et a k e n i n t oa c c o u n t t h a tw o r kw a sd o n ei nt h es i x t hc h a p t e r t e m p e r a t u r ec o n t r o ls y s t e mw a s l i n e a r i z e da sal i n e a rs y s t e mb yf u z z yp r e d i c t i v ef u n c t i o nc o n t r o lm e t h o d t h ep u l v e r i z e d c o a li n j e c t i o n ( p m ) s e l e c t e do u ta st h em a i nc o n t r o lp a r a m e t e r , a n df u z z yp r e d i c t i v e f u n c t i o nc o n t r o jm o d e la n df u z z yc l u s t e rc o n t r o lm o d e lw e r ep r e s e n t e d ，b a s e do ni n v e r s e s y s t e mt h e o r y f u z z yc o n t r o lr u l e so ft e m p e r a t u r ei nb fi r o n m a k i n gp r o c e s sw e r eg i v e n a u t o m a t i o ng r o u n d w o r k8 1 3 dt r a n s m i s s i o no fi n f o r m a t i o nb yn e t w o r k r e a l i z a t i o no f i n t e l l i g e n ta u t o m a t i cc o n t r o lo fb fi r o n m a k i n gp r o c e s s ，w e r es u m m a r i z e di nt h es e v e n t h c h a p t e ro ft h ed i s s e r t a t i o n ，a n ds o m ei n t e l l i g e n tm a t h e m a t i c a lm o d e l so fb fi r o n m a k i n g p r o c e s sw e r ee s t a b l i s h e db a s e do ni n t e l l i g e n tc y b e r n e t i c s b fi r o n m a k i n gp r o c e s sw a s o p t i m i z e d ，t e m p e r a t u r ei nb fw a sa c c u r a t e l yp r e d i c t e d ，a n db fi r o n m a k i n gp r o c e s s c o n t r o lp a r a m e t e r sw e r ea u t o m a t i c a l l ya d j u s t e do n l i n ea n dt h et e m p e r a t u r ei nb fw a s m a d et r e n dt ot h eb e s t ，a n dt h e nt h ei n t e l l i g e n tc o n t r o lo fb fi r o n m a k i n gp r o c e s sw i l lb e r e a l i z e d c o m p l e x i t yo fb fi r o n m a k i n gp r o c e s sa n df a u l t i n e s so fd e t e c t i o nd e v i c em a k e sb f i r o n m a k i n gs y s t e ma sag r a ys y s t e m a n dt h e nt h er e s e a r c h e so ft h i sa r t i c l ec o n t a i nf u z z y m a t h e m a t i c st h e o r y ，s t o c h a s t i cs y s t e mt h e o r y ，a r t i f i c i a li n t e l l i g e n tm e t h o d ，i r o n m a k i n g t e c h n i c a lp r o c e s sa n dk n o w l e d g eo fi r o n m a k i n ge x p e r t ，a n di ti sam u l t i d i s c i p l i n a r y s u b j e c tc r o s s i n gm a n yt h e o r i e s i ti sp r a c t i c a la n dp r o s p e c t i v er e s e a r c ho nf o r e c a s t i n ga n d c o n t r o l l i n gp r o b l e mf r o mm a t h e m a t i c a lt h e o r i e sa n di n t e l l i g e n tc y b e r n e t i c s m u c hw i l lb e 一 套 _ 浙江大学博士学位论文 d o n ei ft h er e s u l t sg o t 【e ni np r e s e n td i s s e r t a t i o nt ob ea p p l i e do np r a c t i c a li r o n m a k i n g p r o d u c t i o n k e y w o r d s ：b fi r o n m a k i n gp r o c e s s ，i ct h e o r y ，f u z z yc l u s t e r ，f u z z yi d e n t i f i c a t i o n 。f u z z y p r e d i c t i o n ，f u z z yc o n t r o l 浙江大学博士学位论文 第一章引言弟一早j li 1 1 高炉冶炼过程智能控制自动化研究的目的和意义 国家自然科学基金委员会在1 9 9 5 年出版的自动化科学与技术一自然科学学科发展战 略调研报告【l l 书中，把工业自动化、复杂系统的建模与控制、智能自动化三方面课题列 为“中近期战略目标、重点方向”的交叉学科分支的共同问题。书中指出：“钢铁、能源、 石油化工等连续生产过程往往涉及许多复杂的对象，其中包括最常见的高炉、反应器等。它 们的运行机制都尚未弄清，往往带有非线性、分布参数等特征，并有着强烈的随机特性。因 此需要探索新的建模和控制的原理和技术，其中不仅包括自适应控制、鲁棒控制、预测控制、 容错控制、模糊控制等新控制手段的应用，而且要研究定性建模，以及基于( 专家) 知识控 制等智能化技术的应用。”由此可知，高炉炼铁自动化数学模型课题是一项“需要探索新的 建模和控制的原理和技术”的难题。 在国家冶金局、中国金属学会和冶金科技发展中心组织制定的2 0 0 0 2 0 0 5 年冶金技 术发展指南一书中，关于冶金自动化技术和炼铁专业技术的科技进步课题方面，把“高炉 过程自动化系统及其数学模型”、“高炉操作优化、智能化”的研究与应用，建立“高炉冶炼 过程优化智能控制系统”，确定为炼铁学科技术进步的前沿技术。 2 0 0 4 年5 月，中国工程院吴澄院士在第五届全球智能控制与自动化大会的报告中讲到 钢铁冶金的能耗情况时指出：2 0 0 3 年国内的高炉综合焦比由上年的5 2 0 公斤上升到5 2 8 公 斤，吨铁增加8 公斤，转炉钢铁料由上年1 0 9 0 公斤上升到1 0 9 2 公斤，吨钢增加2 公斤。电 炉钢铁料消耗由上年的1 0 8 2 公斤上升到1 0 9 8 公斤，吨钢增加1 6 公斤。面对日益严重的全 球能源危机，科学地把握高炉冶炼过程的内在规律，降低高炉炼铁焦比，提高利用系数的任 务日益迫切地摆在我们的面前。 综上所述可知，高炉炼铁智能控制自动化课题不仅是技术进步的前沿难题，也是经济建 设中具有重大技术经济价值的迫切课题。 浙江大学是国家科技部批准的国家级科技成果重点推广计划1 2 】i 员目“高炉炼铁优化 专家系统”的技术依托单位。多年来，浙江大学系统技术优化研究所，在高炉炉温预测和控 制等方面做了大量的探索研究工作，并且在推广应用实践中取得了一定成果【3 4 】。针对存在 的问题和发展方向深入探索新的建模理论和方法，并且进一步完善“高炉智能控制专家系 统”，这是实现高炉冶炼过程智能控制自动化的技术进步需要，同时也是本文关于“高炉冶 炼过程模糊辨识、预测与控制”研究的目的。 高炉冶炼过程是一个高度复杂的非线性动力学过程。仅从化学反应动力学角度考察，据 不完全统计，炉内发生的主要化学反应就多达1 0 8 种【5 】其高度复杂性可想而知。而从流体 动力学角度考察，高炉冶炼过程的流体是三相混合可压缩的粘性流体，其流体动力学方程完 全是非线性的。从高炉冶炼过程的信息检测角度看，外部与边界检测的信息，并不能完备地、 浙江大学博士学位论文 准确地反映冶炼过程的化学反应与流体运动的复杂性，许多信息对于过程判断是属于模糊信 息。此外，高炉冶炼过程还具有时变、高维、分布参数等复杂特性1 6 j 。封闭、高温等条件下 的操作，给过程参数检测与控制带来了无法逾越的困难。 高炉炼铁工艺操作的各种复杂性；冶炼信息与控制之间数量关系与逻辑关系的模糊性；- 高炉专家系统在推广应用实践中所取得的成果，都使论文作者坚信：高炉冶炼过程的自动化 控制难题不是一个单纯的经典控制论难题，而是一个智能控制论前沿的难题，是需要从智能 化数学模型角度深入解剖客观规律的难题。模糊数学、神经网络、遗传算法、多级递阶智能 控制等等智能控制模型都应该能够用来解剖高炉冶炼过程的复杂性。本文则选择了从模糊数 学角度研究高炉冶炼过程的模糊辨识、预测与控制。作者期望通过高炉冶炼过程种种复杂性 的模糊解析，揭示控制高炉冶炼过程客观的模糊数学规律。相信本文的研究工作能够为高炉 冶炼过程的智能控制自动化增添一个坚实基础。 1 2 国内外高炉炼铁数学模型的研究情况和进展 高炉炼铁具有悠久的历史，一直以来，专家、学者们致力于高炉过程的模拟与解析，以 达到掌握炉况、自动控制高炉的目的。归纳起来，高炉过程数学模型具有如下特点： ( 1 ) 高炉冶炼过程是一个在高温状态下进行的复杂的物理、化学与传输过程，存在气 ( 煤气) 、固( 炉料) 、液( 渣铁) 三相之间的复杂反应，而且沿高炉高度方向和径向具有不 均匀性； ( 2 ) 高炉冶炼过程是在密闭状态下进行的，许多过程参数不能直接观伙u ，足j 已i 口j 接测 定过程的输入输出变量，通过这些变量间接认识高炉过程，因而增加了高炉数学建模的难度； ( 3 ) 影响高炉冶炼过程的因素十分复杂，生产中需要加入许多操作人员的知识与经验， 来控制炉况随时间的变化，以进行综合判断，达到控制高炉的目的。 一 高炉冶炼过程中，铁水含硅量【s i 】是评定高炉炉况稳定性和铁水质量的重要指标，也是 表征高炉热状态及其变化的标志之一。早期的专家和学者们试图建立统计模型和经验模型， 对高炉铁水含硅量进行控制。为了有效地控制高炉冶炼过程，对铁水含硅量【s i 预测方法的 研究一直是炼铁生产中的重要课题。但是由于高炉过程的复杂性，这类模型的困难在于： ( 1 ) 高炉冶炼过程并非稳定过程，炉况变化往往是多个参数的综合影响，人们常用一 些理论推导的概念指标来表征高炉状态，但这些统计指标难以得到明确结论； ( 2 ) 高炉作业受干扰因素太多，因素之间相互干扰难以筛除，考虑各方面条件需要把 各种影响因素都包含在内。如果参数选取的太少，则造成样本空间太小； ( 3 ) 为充分反映内在规律，原始数据采集不能太少：但是数据一多，则时间间隔就会 太长，各种中间条件( 操作状态和外部条件) 变化：从而造成长期统计数据对微观变化的描 述不起指导作用。 据不完全统计，国内外用铁水含硅量表征高炉的热状态，所建立的数学模型有： ( 0 ) 日本钢管公司的“水江模型” 假定第”次出铁的铁水含硅量与第力- - 1 次铁水含硅量之差与此期间热储备 成正比。 2 浙江大学博士学位论文 h 可以表示为： ah = ( 焦炭燃烧热+ 热风带入热+ 重油带入热 + 湿分带入热+ 成渣放热+ 简介还原放热) 一 ( 水煤气反应耗热+ 直接还原耗热+ 铁水带走热 + 炉渣带走热+ 煤气带走热+ 氧化还原热 + 炉料及水分蒸发热+ 热损失) 由统计方法处理生成数据得到： & 。= 6 l g + 6 2 9 弓+ 6 3 v + 6 4 9 缈+ 6 5 品g + 6 6 【& k ，+ 6 7 q + 6 8 ( 1 1 ) & n = 6 l g + 6 2 9 弓+ 6 3 v + 6 4 9 缈+ 6 5 罚g + 6 6 【& h + 6 7 q + 6 8 ( 1 1 ) 其中，q 表示出铁量，a s i 。表示第 次铁水含硅量与第胛- - 1 次含硅量之差， s q 川表示 第n - 1 次铁水含硅量，绣表示风量，乃表示风温，妒表示湿度，v 表示喷吹量，e 表示煤 气中含c 原子量，。表示煤气中含j ：量，n ：= 1 一( c o + c 0 2 + ：) ，岛( f - 1 ，2 ，3 ) 表示系数。 这个模型就是著名的“水江模型”。当炉况平稳时，“水江模型”的效果比较好，炉况不顺时， 实际数据常常超出了统计范围，造成了系数波动比较大。 ( 1 ) 耽模型7 】 “耽模型”是由法国钢铁研究院于1 9 6 7 年建立的。w u 值表征高炉下部热量，即按高 炉下部区域热平衡推导出来的表征炉身下部热量的指数，其基本方法是： 1 ) 焦炭风1 ：3 燃烧生成c o 放热( q 1 ) q = ( 5 3 3 - 1 7 3 f ) 4 1 8 ( 1 0 0 0 k ，铁) ( 1 2 ) 2 ) 留在高温区鼓风带入的热量( q 2 ) q 2 = 1 0 0 0 ( 而t b 一1 ) 1 ( 0 3 6 2 + 口厂) 4 1 8 ( 1 0 0 0 k j f 铁) ( 1 3 ) 3 ) 熔损反应热( q 3 ) 0 3 = 3 2 4 z x4 1 8 ( 1 0 0 0 k j t 铁) ( 1 4 ) 其中，尸- 1 0 0 0 m 3 干风的生铁量，严鼓风湿度( e c m 3 ) 。乙一风温，口一水蒸气比热， z l 0 2 熔损反应的反应热。 假定以1 0 0 0 0 c 为高炉高温区界限，则可求出 w u = q l + o 2 一q 3 = ( 5 3 3 1 7 3 f ) + ( 而t b 一1 ) ( o 3 6 2 + 口删一3 4 2 z ( 1 5 ) ( 2 ) e c 模型【8 1 e c 是根据高炉质量平衡和热量平衡，推导出代表高炉热状态的指数，反映高炉铁水【s i 】 3 浙江大学博士学位论文 的变动特征。 e c = b r b s( 1 6 ) 式中，b r 为达到规定含硅量时冶炼1 吨铁水所需的全部热量；b s 为一定温度渣铁熔化，f e 、 l f l n 、p 还原，水分分解和热损失的热量总和。 ( 3 ) 多变量一阶自回归矢量模型【9 】 w i s c o n s i n 大学的p a n d i t 等教授于1 9 7 5 年基于数理统计方法，以高炉铁水【s i 】的历史数 据为基础，按照时间序列自回归模型a r ，结合其它参数建立的一阶线性预报模型。该模型 在炉温平稳的情况具有较高的命中率。 ( 4 ) t c 模型1 0 】 1 9 8 0 年，日本新日铁公司在高炉冶炼机理模型的基础上，根据焦炭理论燃烧温度，建 立了反映风口燃烧带平均温度与实际铁水温度之间关系的数学模型，从而通过控制重油喷吹 量来控制铁水温度。 ( 5 ) 神经网络模型【1 1 , 1 2 】 神经网络是2 0 世纪8 0 年代后期发展起来的一门新兴科学，文献【1 1 ，1 2 】利用神经网络的 非线性动态数据处理特性，将其引入到高炉铁水含硅量 s i 】预报中，采用4 种不同的算法加 以比较，结果表明，模糊神经网络具有较好的预报效果。 ( 6 ) 动力学模型【1 3 , 1 4 】 1 9 9 5 年重庆大学高小强等人1 2 1 将高炉冶炼过程视为非线性动力系统，利用混沌理论建 立高炉铁水【s i 】和【s 预报模型，以预报值和实际值之间的相关系数为衡量指标，得出模型的 预测效果较好。 ( 7 ) 贝叶斯网络模型【1 5 】 2 0 0 4 年浙江大学数学系刘学艺在其硕士学位论文中，利用贝叶斯网络在处理复杂不确 定性方面的优势，结合高炉冶炼过程各个参数的因果关系，建立了高炉炉温预测的贝叶斯网 络模型。利用b a y e s 条件概率公式计算参数的后验分布： 。 吼 。g ir ( ( 耻+ n 驰) ) 。 尸( 曰，【d ，s 6 ，孝) = 丌兀p ( o o d ，s 6 ，善) = 兀兀t 丝一兀哆。 ( 1 7 ) 扛1 川 扛1 川兀r ( ( r 募+ 畔) ) b 1 其中，d 为样本数据库，是数据库d 中满足五= # 且p a ( x ，) = p a l 的记录个数。 根据公式( 1 7 ) 对网络参数进行学习，得到b a y e s 网络的后验分布。再通过b a y e s 网络预测公 式( 1 8 ) 对连续生产数据进行预测计算。 叫。id , s h ) = 胁i o , 啪删拶脱= 冉密糟( 1 8 ) 其中，m = 芝n 0 ， 0 = i v , j , 。炉温的智能预报模型同时计算了炉温“剧升一微升持平一微 降一剧降”的概率，并且按照最大概率事件作为炉温发展趋势的判断准则。预测结果表明，模 4 浙江大学博士学位论文 型在炉温波动情况下，仍有较高的命中率。 ( 8 ) 混沌预报模型【1 6 】 2 0 0 4 年，浙江大学数学系郜传厚在其博士论文中，将混沌理论应用于高炉铁水含硅量 s i 】预报，基于高炉铁水含硅量的时间序列“s i 】) 。，建立了铁水含硅量【s i 】的混沌预报模型。 式+ l = a x n + b ( 1 9 ) 其中， 彳y + b d t ：cb ：e a d kk ( y ) 。= e o ) j x n j m x m ”( c ) 。= 哆x m + l m x ，” ( 1 1 0 ) = i= l k七 ( d ) 。= ( o j x ，”( e ) 。= 哆h ，+ 1 ” j = l= l v 、c 为dx d 矩阵，e 、d 为d 维列向量，x ，”、x ，+ l ”为向量x ，和h ，+ 1 的m 分量。 模型( 0 ) 一( 8 ) 中，既有静态模型，也有动态模型，或者是两者的综合。由于高炉冶 炼过程是一个非线性、大噪声的动态过程，动态模型更能反映高炉动态变化特征。但这些模 型也有不足之处，如神经网络模型在炉况波动比较大的中、小型高炉上运用并不理想。动力 学模型没有确定高炉冶炼过程的混沌性，也没有考虑高炉冶炼过程中的时滞现象，基 于炉温数据直接对其预报，国内许多高炉目前的检测条件还达不到。模型( 7 ) 虽能适应炉 温波动的情况，但炉况波动大时，预测效果并不理想。模型( 8 ) 不能适应炉况波动隋形。 这些高炉炉温 s i 】的预报模型分为两类：确定性模型和随机性模型，但是不论把高炉冶炼过 程作为一个确定性过程来描述，还是把它作为一个随机性系统来处理，这些模型只是讨论了 高炉冶炼过程中一个状态指标，即表征高炉热状态的指数，高炉铁水含硅量 s i 的变动特征。 随着对高炉铁水含硅量 s i 】预测模型研究的不断深入，2 0 世纪7 0 、8 0 年代，人们意识 到，利用专家系统实现对高炉冶炼过程的控制，是高炉计算机控制的发展方向【4 1 。实现高炉 冶炼过程的智能控制成为炼铁技术进步的前沿课题。 日本是最早将专家系统技术引入到高炉操作领域的国家，随后美国、芬兰、奥地利等国 也相继开发了各自的专家系统。目前，国际上开发应用的有代表性的“高炉专家系统”有： ( 1 ) 日本川崎公司开发的a g s ( a d v a n c e dg o s t o p ) 系统【1 7 】 g o s t o p 系统是由日本川崎公司于2 0 世纪7 0 年代开发的，目前已发展升级至第三代， 称为a d v a n c e dg o s t o p 系统。该系统是按照高炉工艺机理和操作经验相结合的方法建立的。 它采用全局透气性、局部透气性、高炉热状态、炉顶煤气与温度分布、炉体温度、炉缸渣、 铁残留量等8 个参数的水准值，以及风压、各层炉身压力、炉热指数、炉顶煤气c o 及n 2 浓度等参数的变动值进行综合判断，从而得出炉况的“好”、“注意”、“坏”的结论，以此指 导工长对高炉冶炼过程的操作。 ( 2 ) 芬兰r a u t a r u u k k i 公司开发的高炉控制专家系统【1 8 】 该系统是芬兰r a u t a r u u k k i 公司在引进日本a d v a n c e dg o s t o p 系统的基础上，于1 9 9 1 s 浙江大学博士学位论文 年结合自己控制高炉生产的认识完成的。它包括两个智能库，共有8 5 0 条规则。一个智能库 用于高炉正常操作，而另一个用于停炉后的开炉，以及炉况突变时降低鼓风量和故障诊断等。 ( 3 ) 奥钢联的v a i r o n 高炉优化控制系纠1 9 】 v a i r o n 高炉优化控制系统是奥钢联于1 9 9 2 年开发的“咨询式”专家系统，并在1 9 9 6 年升级为闭环专家系统。该系统综合了高级过程模型、人工智能、闭环专家系统、软件强化 应用以及操作统计数据库各部分。该系统能使操作人员在高炉操作中看到炉内冶炼情况的 模拟，从而实现操作状况的透明化。同时该系统实现了冶炼过程部分子工序的自动操作( 上 料系统，铁水测温系统等) ，促进了高炉炉况稳定、铁水质量稳定及生产成本进一步降低。 国外研发的这些专家系统的主要模型和功能不尽相同，但都要求高炉有高质量稳定的原 燃料条件和高水平的基础自动化装各与检测条件。而且这些专家系统中的所建立的数学模型 类型比较单一，例如，日本川崎公司开发的a g s ( a d v a n c e dg o s t o p ) 系统，该系统建立的 数学模型核心技术是“评价因子法”，此数学模型属于随机型数学模型。 在追踪国际先进水平过程中，国内开发的具有代表性的“高炉专家系统”有： ( 1 ) 首钢人工智能高炉冶炼专家系统【2 0 】 首钢从7 0 年代开始研制高炉模型，1 9 8 9 年与北京科技大学合作开发首钢2 号高炉 ( 1 2 6 0 m 3 ) 的“人工智能高炉冶炼专家系统”。该系统应用模糊矩阵、隶属度、隶属函数等 构成知识库、