高爐煤氣流預(yù)測算法研究及其在爐況分析中的應(yīng)用.pdf

1、高爐煉鐵是鋼鐵生產(chǎn)過程的關(guān)鍵環(huán)節(jié)，長期順行的爐況是高爐操作的先決條件。高爐煤氣流作為高爐操作的重要依據(jù)，具有攜帶信息量豐富、時效性好的優(yōu)點。因此，合理利用高爐煤氣流信息對高爐運行狀況進(jìn)行分析，對爐況的合理調(diào)整具有重要的應(yīng)用價值。本文針對高爐煉鐵生產(chǎn)中爐況分析問題，綜合考慮高爐煤氣流的各項指標(biāo)，結(jié)合柳州鋼鐵集團(tuán)(柳鋼)＃2高爐數(shù)據(jù)，運用貝葉斯技術(shù)、群優(yōu)化算法、回聲狀態(tài)網(wǎng)絡(luò)(ESN)、專家知識推理等方法對“高爐煤氣流預(yù)測及爐況輔助分析系統(tǒng)”

2、進(jìn)行了研究。該系統(tǒng)已在柳鋼#2高爐上進(jìn)行了現(xiàn)場驗證。運行結(jié)果表明，系統(tǒng)能較準(zhǔn)確地預(yù)測高爐煤氣流的變化趨勢，進(jìn)而為高爐爐況分析提供實時準(zhǔn)確的指導(dǎo)，確保高爐穩(wěn)順運行。本文的主要研究工作和成果如下：
　　首先，通過深入研究煤氣流各指標(biāo)數(shù)據(jù)及爐況分析資料，建立煤氣流與爐況的關(guān)系；利用灰色度關(guān)聯(lián)算法計算了各指標(biāo)之間的關(guān)聯(lián)度，以從中選取對爐況影響較大的指標(biāo)，并建立其與煤氣流失常型異常爐況的關(guān)系，為后面章節(jié)建立煤氣流指標(biāo)預(yù)測模型奠定基礎(chǔ)。

3、>　　其次，針對ESN模型在高爐爐腹煤氣量指數(shù)預(yù)測中易陷入病態(tài)的問題，提出了兩種改進(jìn)的ESN模型。在較小訓(xùn)練樣本條件下，提出基于貝葉斯技術(shù)的粒子群優(yōu)化(BPSO)算法，并將其應(yīng)用于ESN模型輸出權(quán)重的求解；在較大訓(xùn)練樣本條件下，將L-曲線法應(yīng)用于病態(tài)ESN模型輸出權(quán)重的求解。兩種方法都有效緩解了ESN模型的病態(tài)性。對爐腹煤氣量指數(shù)的預(yù)測結(jié)果表明了所提算法在預(yù)測精度上的優(yōu)勢。
　　再次，針對ESN在預(yù)測中難以分析模型內(nèi)部結(jié)構(gòu)的弊端，

4、提出了改進(jìn)的Hammerstein模型。利用貝葉斯技術(shù)對該模型的參數(shù)和階次進(jìn)行同時辨識，并把可逆跳馬爾可夫鏈蒙特卡羅方法(RJMCMC)算法應(yīng)用于模型參數(shù)的近似求解中。所提算法大大減少了模型參數(shù)求解的計算量，降低了計算復(fù)雜度。通過對爐頂煤氣流4個指標(biāo)的實驗結(jié)果進(jìn)行分析可以看出，所提算法具有較好的預(yù)測精度和穩(wěn)定性。
　　進(jìn)一步，針對改進(jìn)ESN和Hammerstein兩種模型對訓(xùn)練數(shù)據(jù)結(jié)構(gòu)信息利用不充分的弊端，提出了改進(jìn)的T-S模糊系

5、統(tǒng)模型，并將其應(yīng)用于風(fēng)壓預(yù)測。首先提出自適應(yīng)塊結(jié)構(gòu)正交追蹤(AOMP)算法，該方法能合理的計算規(guī)則數(shù)。在T-S模糊系統(tǒng)的后件參數(shù)辨識中應(yīng)用離散的貝葉斯技術(shù)，在保證預(yù)測準(zhǔn)確性的基礎(chǔ)上降低了模型的復(fù)雜度。從對兩個經(jīng)典實際數(shù)據(jù)集合和高爐風(fēng)壓的預(yù)測中可以看出，該模型具有較好的預(yù)測精度和抗噪聲能力。
　　最后，通過對以上3個模型的理論研究，開發(fā)了“高爐煤氣流預(yù)測及爐況輔助分析系統(tǒng)”，并將其應(yīng)用于柳鋼#2高爐現(xiàn)場。實驗結(jié)果表明該系統(tǒng)可以對高爐