基于数据驱动和机理分析的高炉布料决策系统研究与应用

摘要

高炉炼铁作为钢铁冶金行业的上游工序，是钢铁工业 CO2排放和能源消耗的主要环节，也使得高炉炼铁是钢铁工业实现节能减排的主要潜力所在。随着计算机存储技术、运算能力的不断发展，以及传感器性能提高带来的高炉内部检测参数越来越丰富、准确，高炉内部大量的运行指标得以检测并长期储存，为建立高炉运行数据驱动模型提供基础。本文通过机理分析结合当前应用广泛的机器学习和数据挖掘技术。研究开发了高炉布料控制决策系统，实时显示高炉运行状况、分析炉况变化趋势，并给出合理的炉顶操作建议。
　　高炉布料操作决定煤气流和炉顶温度场分布，合理的布料制度是高炉稳定的必要条件。本文将离散单元模型应用于高炉布料过程模拟仿真，取代传统的冷态模型，节约成本而且可观测信息丰富，可以对炉料进行受力分析，找到塌料、悬料等异常情况的力学原理；针对布料过程建模提出了高斯函数结合三角函数的料面形状模型，拟合误差较小且参数容易计算，之后利用离散单元模型验证了模型的可行性，为计算合理的布料制度提供基础；在炉况模型方面，通过对高炉运行机理的分析得出炉顶参数之间相关性，针对高炉的时滞特性，从统计分析的角度得到不同滞后时间的相关参数，将待预测参数不同滞后时间的相关变量作为预测模型输入量，建立基于数据和机理分析的炉况预测模型，准确估计炉顶温度、压强和透气性等重要指标的变化趋势；同时预测结果为多模型布料控制方法提供更多的辅助信息，以高炉炉顶温度、压力、煤气流等参数作为炉况顺行的衡量标准，利用高炉运行的大量历史数据，建立了高炉炉况多模型集合，再根据当前炉顶参数指标和多模型集合进行匹配，针对每一种炉况给出合理的布料建议。
　　最后利用MATLAB进行算法进行离线验证，C＃语言实现数据读取、参数预测以及界面显示。基于.NET平台、SQL server数据库、MATLAB仿真软件设计开发了高炉布料控制决策系统。实现预测算法、多模型控制方法在高炉炼铁现场应用，在柳钢2＃高炉进行装机测试，系统长期稳定运行，模型预测效果良好。

目录

声明

第1章 绪 论

1.1 课题背景及意义

1.2 国内外研究现状

1.3主要研究内容和结构安排

第2章 高炉布料过程机理分析和模拟仿真

2.1 引言

2.2料面轮廓模型

2.3 高斯函数参数计算方法

2.4 DEM仿真在高炉上的应用

2.5 改进炉料堆积模型

2.6 本章小结

第3章 基于支持向量机的高炉顶部参数预测建模

3.1 引言

3.2 布料过程机理分析

3.3基于数据的相关性分析

3.4 基于支持向量机的数据驱动模型

3.5 数据驱动仿真

3.6 本章小结

第4章 基于改进邻近传播聚类的炉况分类

4.1 引言

4.2 输入量参数选择

4.3 炉况聚类分析

4.4 基于聚类算法的多模型控制系统

4.5 本章小结

第5章 基于C#的高炉布料决策系统软件

5.1 引言

5.2 系统概述

5.3系统功能说明

5.4 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介