高爐煤氣系統(tǒng)模糊建模方法研究及應用.pdf

1、高爐煤氣(Blast Furnace Gas, BFG)是鋼鐵生產(chǎn)過程中重要的二次能源。為有效合理調(diào)度高爐煤氣，需要實時預測煤氣柜位變化趨勢。高爐煤氣系統(tǒng)生產(chǎn)過程復雜，各變量之間存在強非線性動態(tài)關系，對其建立精確的數(shù)學模型難度較大。鑒于在煉鋼過程中積累的大量歷史數(shù)據(jù)，可以采用數(shù)據(jù)驅動的方法對高爐煤氣系統(tǒng)進行建模分析，構建煤氣柜與系統(tǒng)產(chǎn)消用戶之間的關系模型，從而制定合理的高爐煤氣使用計劃，對企業(yè)節(jié)能減排具有重要意義。
　　本研究針對

2、工業(yè)現(xiàn)場采集數(shù)據(jù)含噪聲較高，波動較大，變量關系復雜等問題，且考慮到對高爐煤氣柜位預測準確穩(wěn)定的需求，提出一種基于多目標優(yōu)化的高爐煤氣系統(tǒng)模糊建模方法，旨在提高模型精度、降低模型復雜度、增強模型可解釋性。該方法在建模過程中同時優(yōu)化各變量的隸屬度函數(shù)和模糊規(guī)則庫，建立最終的模糊模型。針對隸屬度函數(shù)的確定問題，提出兩階段的隸屬度函數(shù)確定方法，第一階段，基于多目標優(yōu)化的密度聚類算法確定最佳的聚類參數(shù)，得到合理的聚類個數(shù)和聚類中心；在第二階段，根

3、據(jù)數(shù)據(jù)分布特征和隸屬度函數(shù)的特性，設計了隸屬度函數(shù)公式，并根據(jù)聚類結果確定各個隸屬度函數(shù)的形狀和參數(shù)。鑒于模型預測時規(guī)則庫中沒有匹配規(guī)則的情況，本文將Wang-Mendel(WM)規(guī)則提取算法融入訓練過程。為驗證本文方法的有效性，選取我國某鋼鐵企業(yè)實際生產(chǎn)數(shù)據(jù)進行實驗，并與已有方法進行多組對比實驗。實驗結果表明本文方法對高爐煤氣系統(tǒng)建立的模糊模型在模型精度、模型復雜度和模型可解釋性方面具有較好的效果。最后，開發(fā)了工業(yè)數(shù)據(jù)建模分析應用平臺