本发明属于高炉冶炼自动控制技术领域,特别涉及一种高炉布料过程布料矩阵优化方法及系统。
背景技术:
布料操作是高炉炼铁四大基本操作制度之一,决定着料面的形状和高炉内部炉料的层状分布。直接影响高炉上部的煤气流分布、煤气利用率。通过布料制度来调整料面形状,使高炉内部煤气流合理分布,增加煤气的利用率,达到高产高效的效果,对高炉的稳定顺行有着深远的意义。然而,高炉是一个伴随着高温、高压、密闭的大型反应器,由于测量仪器的限制,现今正常生产中难以直接对高炉内部进行观察。因而,由布料操作调节布料矩阵得到的料面形状也无法预知。现今操作人员主要根据探尺高度和十字测温温度结合自身经验间接估计料面形状,具有极强的主观性和偶然性,导致时常无法进行合理的布料操作。因此,必须建立准确的数学模型,得到不同布料矩阵下的料面形状,指导操作人员进行合理的布料操作。
专利公开号CN106011350A提出了一种高炉布料的料面形状的估计方法,已经可以得到不同布料矩阵下的料面形状,在一定程度上实现了料面形状的可视化。然而,该方法还无法实现指导操作人员对布料矩阵进行调整,使调整后的布料矩阵下的料面形状达到理想料面形状。
技术实现要素:
针对上述问题,本发明提出一种高炉布料过程布料矩阵优化方法及系统,使优化所得布料矩阵下的料面形状接近于理想料面形状,最终使高炉达到稳定、顺行、高产、高效的效果。
本发明的技术方案是:
一种高炉布料过程布料矩阵优化方法,包括:
设定理想料面形状;
以最小化下一批炉料的料面形状与理想料面形状的偏差为目标,优化布料矩阵;
优化得到的最优布料矩阵作为下一批炉料的布料矩阵。
采用粒子群算法优化布料矩阵:随机产生的布料矩阵作为种群中粒子的初始位置,粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述采用粒子群算法优化布料矩阵,包括:
随机产生的布料矩阵作为种群中粒子的初始位置;
获取下一批炉料的布料过程参数、炉料参数和粒子当前位置所对应的布料矩阵;
计算下一批炉料根据粒子当前位置所对应的布料矩阵所形成的料面形状;
以粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述计算下一批炉料根据粒子当前位置所对应的布料矩阵所形成的料面形状,包括:
根据下一批炉料的布料过程参数计算炉料离开节流阀的初始速度;
根据炉料离开节流阀的初始速度计算炉料在中心喉管末端的速度;
根据炉料在中心喉管末端的速度计算炉料到达溜槽时的速度;
根据炉料到达溜槽时的速度计算炉料在溜槽末端的速度;
根据炉料在溜槽末端的速度计算粒子当前位置所对应的布料矩阵中的各溜槽倾角档位下炉料所形成料堆堆尖点横坐标;
计算粒子当前位置所对应的布料矩阵中的最后一个溜槽倾角下的料面形状,即下一批炉料在粒子当前位置所对应的布料矩阵下的料面形状。
本发明还提供一种高炉布料过程布料矩阵优化系统,包括:
设定单元:设定理想料面形状;
优化单元:以最小化下一批炉料的料面形状与理想料面形状的偏差为目标,优化布料矩阵;
输出单元:优化得到的最优布料矩阵作为下一批炉料的布料矩阵输出。
所述优化单元,采用粒子群算法优化布料矩阵:随机产生的布料矩阵作为种群中粒子的初始位置,粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述优化单元,包括:
初始化模块:随机产生的布料矩阵作为种群中粒子的初始位置;
获取模块:获取下一批炉料的布料过程参数、炉料参数和粒子当前位置所对应的布料矩阵;
料面形状计算模块:计算下一批炉料根据粒子当前位置所对应的布料矩阵所形成的料面形状;
迭代优化模块:以粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述料面形状计算模块,包括:
第一计算模块:根据下一批炉料的布料过程参数计算炉料离开节流阀的初始速度;
第二计算模块:根据炉料离开节流阀的初始速度计算炉料在中心喉管末端的速度;
第三计算模块:根据炉料在中心喉管末端的速度计算炉料到达溜槽时的速度;
第四计算模块:根据炉料到达溜槽时的速度计算炉料在溜槽末端的速度;
第五计算模块:根据炉料在溜槽末端的速度计算粒子当前位置所对应的布料矩阵中的各溜槽倾角档位下炉料所形成料堆堆尖点横坐标;
第六计算模块:计算粒子当前位置所对应的布料矩阵中的最后一个溜槽倾角下的料面形状,即下一批炉料在粒子当前位置所对应的布料矩阵下的料面形状。
有益效果:
本发明为高炉布料矩阵的调节提供了依据,操作人员可根据本发明提供的方法及系统所优化得到的布料矩阵,实现高炉布料操作中布料矩阵的调节,本发明优化所得布料矩阵下的料面形状接近于理想料面形状。使高炉煤气流合理分布,提高原料利用率,达到高炉高产、高效的效果。
附图说明
图1为本发明具体实施方式中理想料面形状图;
图2为本发明具体实施方式中基本料面形状截面图;
图3为本发明具体实施方式中第一个溜槽倾角下料面形状截面图;
图4为本发明具体实施方式中多环布料料面的增长机理截面图;
图5为本发明具体实施方式中当前料面形状与理想料面形状比较图;
图6为本发明具体实施方式中优化过程迭代图;
图7为本发明具体实施方式中优化效果图;
图8为本发明具体实施方式中高炉布料过程布料矩阵优化方法流程图;
图9为本发明具体实施方式中高炉布料过程布料矩阵优化方法步骤2流程图;
图10为本发明具体实施方式中高炉布料过程布料矩阵优化方法步骤2-3流程图;
图11为本发明具体实施方式中高炉布料过程布料矩阵优化系统框图;
图12为本发明具体实施方式中优化单元框图;
图13为本发明具体实施方式中料面形状计算模块框图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
本实施方式中针对串罐无钟式高炉实施本发明的方法及系统,炉料经传送带依次到达上料罐、下料罐、中心喉管和旋转溜槽,最终炉料布向炉喉内部。该高炉布料过程布料矩阵优化方法,如图8所示,包括:
步骤1、结合给料信息和当前炉况设定理想料面形状;
串罐无钟式高炉的炉喉位置料面形状在理想料面下是可以保证良好的煤气流分布和原料利用率。通常理想料面形状中心程“漏斗”型,两边为“平台”型,如图1所示,设定的径向理想料面形状γb(x)表达式为:
其中,为炉料的内堆角,为炉料的外堆角,x为到高炉中心的距离,R为炉喉半径;
步骤2、以最小化下一批炉料的料面形状与理想料面形状的偏差为目标,优化布料矩阵;
设定目标函数为:
约束条件为:
其中,ψ(x,αi,mi)为料面形状函数,αi为第i个溜槽倾角,mi为第i个溜槽倾角所对应的旋转圈数;i=1,2,……n,其中n为布料过程中设定的布料档位数,n通常取4~7。
本实施方式中采用粒子群算法优化布料矩阵:随机产生的布料矩阵作为种群中粒子的初始位置,粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述采用粒子群算法优化布料矩阵,如图9所示,包括:
步骤2-1、随机产生的布料矩阵作为种群中粒子的初始位置;
根据柳钢2#高炉实际情况进行参数设置:学习因子c1=c2=2,惯性权重最大值ωmax=0.9,最小值ωmin=0.4,最大迭代次数为100次,种群个数N=100,粒子的维数D=10,第i个粒子的位置xi=(αi1,αi2,…,αi5,mi1,mi2,…,mi5),其中αi1,αi2,…,αi5代表溜槽倾角,取值范围的[10°,45°],且均为整数,mi1,mi2,…,mi5代表各溜槽倾角对应的旋转圈数,取值范围为[1,4],且均为整数,粒子的速度范围[vmin,vmax]为[0,2]。在粒子位置的取值范围和速度的取值范围内对粒子的位置和速度进行初始化。
粒子的初始位置中前维中各个溜槽倾角必须为[10°,45°]范围内的随机整数,后维对应溜槽倾角下的旋转圈数,取值应为[1,4]范围内的随机整数。
步骤2-2、获取下一批炉料的布料过程参数、炉料参数和粒子当前位置所对应的布料矩阵;
下一批炉料的布料过程参数,包括:炉料批重M、中心喉管长度H、节流阀开度κ、组成节流阀的半球形料阀的半径R1、炉喉半径R、溜槽长度L、溜槽转速w、溜槽倾动距b、溜槽摩擦系数μ、料线深度h0和炉料通过节流阀的时间T。
下一批炉料的炉料参数包括:炉料的平均密度ρ、炉料的内堆角和外堆角
粒子当前位置所对应的布料矩阵,包括:溜槽倾角α=[α1,α2,...,αi,...αn]以及每个溜槽倾角所对应的旋转圈数m=[m1,m2,...,mi,...mn],10°≤αi≤45°,1≤mi≤4。
步骤2-3、计算下一批炉料根据粒子当前位置所对应的布料矩阵所形成的料面形状;
具体步骤如图10所示,包括:
步骤2-3-1、根据下一批炉料的布料过程参数计算炉料离开节流阀的初始速度;
根据节流阀开度κ、组成节流阀的半球形料阀的半径R1、炉料的批重M、炉料的密度ρ、炉料通过节流阀的时间T计算炉料离开节流阀的初始速度其中S0为节流阀横截面积。
步骤2-3-2、根据炉料离开节流阀的初始速度v0计算炉料在中心喉管末端的速度v1;
炉料经过中心喉管可以近似看成炉料做自由落体运动,只受重力作用,下落高度为中心喉管长度H,满足如下关系:g=9.8m/s2为重力加速度。
步骤2-3-3、根据炉料在中心喉管末端的速度计算炉料到达溜槽时的速度v2;
炉料在与溜槽撞击的过程中速度将有损失,且方向将发生变化,满足如下关系:v2=kcosαv1,k为炉料碰撞速度衰减系数,k=0.8。
步骤2-3-4、根据炉料到达溜槽时的速度计算炉料在溜槽末端的速度v3;
炉料在溜槽上运动时,分别受到自身重力、溜槽的支持力、摩擦力、科氏力以及由溜槽旋转引起的离心力,将这些力进行分解,炉料将沿溜槽方向做加速运动,满足如下关系:
步骤2-3-5、根据炉料在溜槽末端的速度v3计算粒子当前位置所对应的布料矩阵中的各溜槽倾角档位下炉料所形成料堆堆尖点横坐标;
炉料离开溜槽后受重力和上升煤气的拽力作用,在空区中做斜抛运动,由于煤气的拽力较小可忽略不记。故可近似认为炉料只受到重力。由运动学方程得到n个溜槽倾角下炉料所形成料堆堆尖点横坐标xn为:
步骤2-3-6、计算粒子当前位置所对应的布料矩阵中的最后一个溜槽倾角下的料面形状,即下一批炉料在粒子当前位置所对应的布料矩阵下的料面形状。
步骤2-3-6-1、构建基本料面形状;
如图2所示,炉料在炉喉中的料面形状的截面轮廓可近似看作由直线CB、CA组成,炉料的内外堆角为这两条直线与水平面的夹角。
构建基本料面形状的函数为:
式中,m=1为溜槽的旋转圈数,线段BCA为基本料面形状,(xn,yh)为炉料所形成料堆堆尖点C坐标,rL为直线CB与水平线OL交点的横坐标,rR为直线CA与炉墙交点的横坐标。
步骤2-3-6-2、构建输出的料面形状与基本料面形状之间的关系即料面形状函数,输出的料面形状函数所描述的料面形状为基本料面形状的叠加;
料面形状主要由布料矩阵决定,最终的料面形状为基本料面形状的叠加,构建料面形状函数如下:
式中,γ(x)为料面形状函数,α=[α1,α2,...,αi,...αn]为溜槽倾角,m=[m1,m2,...,mi,...mn]为溜槽倾角对应的旋转圈数。
步骤2-3-6-3、构建粒子当前位置所对应的布料矩阵中每个溜槽倾角下的布料体积约束条件,即每个溜槽倾角下的布料体积等于该溜槽倾角下料面形状与上一溜槽倾角下料面形状间隔的体积积分;
由于炉料在运动过程中体积不发生变化,故输出的料面形状与初始料面形状(水平面)之间炉料的体积与炉料进入上料罐的体积相等,炉料体积满足如下约束:
V=M/ρ (8)
式中,V为炉料体积。
根据公式(8)、(9)构建每个溜槽倾角下的布料体积约束条件,即每个溜槽倾角下的布料体积等于该溜槽倾角下料面形状与上一溜槽倾角下料面形状间隔的体积积分:
布料体积约束条件如下:
式中,mi为第i个溜槽倾角下的旋转圈数,γi(x)为第i个溜槽倾角下输出的料面形状。
步骤2-3-6-4、根据第一个溜槽倾角下的布料体积约束条件,计算粒子当前位置所对应的布料矩阵中第一个溜槽倾角下炉料所形成料堆堆尖点纵坐标;
第一个溜槽倾角下炉料满足的体积约束如下:
随着布料的进行,料堆高度yh1逐渐增加。布料完成时,通过迭代炉料堆尖高度yh1,可求得第一个溜槽倾角下所形成料堆堆尖的高度yh1即第一个溜槽倾角下炉料所形成料堆堆尖点纵坐标,则堆尖点C1 C1(xn1,yh1)可唯一确定。又由于炉料的内堆角、外堆角不变,故直线C1B1和直线C1A1的斜率不变,已知直线上一点和其斜率可唯一确定一条直线。则可唯一求得左右料面与初始料面的交点B1、A1。即可得到其横坐标rL1、rR1。
步骤2-3-6-5、根据粒子当前位置所对应的布料矩阵中第一个溜槽倾角下炉料所形成料堆堆尖点坐标和料面形状函数,求解粒子当前位置所对应的布料矩阵中第一个溜槽倾角下的料面形状。
如图3所示,设定高炉中心为坐标原点,直线OL所在的水平面为初始料面,则根据公式(6)、(7)可得粒子当前位置所对应的布料矩阵中第一个溜槽倾角下的料面形状为:
式中,(xn1,yh1)为第一个溜槽倾角下所形成料堆堆尖点C1的坐标,rL1为直线C1B1与初始料面交点的横坐标,rR1为直线C1A1与初始料面交点的横坐标。
步骤2-3-7、根据粒子当前位置所对应的布料矩阵中各溜槽倾角下炉料满足的体积约束、前一个溜槽倾角下的料面形状和基本料面的料面形状,依次迭代求出第二个溜槽倾角到布完第n个各溜槽倾角下的料面形状,求得的最后一个溜槽倾角下的料面形状,即粒子当前位置所对应的布料矩阵所形成的料面形状。
如图4所示,随着第二个溜槽倾角下布料的进行,料堆高度yh2逐渐增加。通过不断改变炉料堆尖高度yh2,使其满足公式(11),可求得第二个溜槽倾角下炉料堆尖的高度yh2即第二个溜槽倾角下炉料所形成料堆堆尖点纵坐标,则堆尖点C2(xn2,yh2)可唯一确定,又由于炉料的内外堆角不变,故直线C2B2和直线C2A2的斜率不变,则可唯一求得第二个溜槽倾角下炉料形成的左右料面与第一个溜槽倾角下料面的交点B2、A2。即可得到rL2,rR2。故可得第二个溜槽倾角下的料面形状γ2(x)。同理,可依次求得第三到第n个溜槽倾角下的料面形状。
多环布料为每一个溜槽倾角下所布炉料料面形状的叠加,当前料面形状将作为下一圈布料的初始料面形状,即第一个溜槽倾角下的料面形状将作为第二圈布料的初始料面形状,以下为布完第二个溜槽倾角到布完第n个溜槽倾角后的料面形状。
第二个及第n个溜槽倾角下的料面形状分别为:
式中,(xni,yni)为第i个溜槽倾角下所形成料堆堆尖点坐标,γi(x)为第i个溜槽倾角下的料面形状。rLi、rRi为第i个溜槽倾角下所布炉料与上一料面γi-1(x)在堆尖点(xni,yni)左右两侧交点Bi、Ai的横坐标。
最终输出的料面形状γ(x)与最后一个溜槽倾角下的料面形状γn(x)相同。
步骤2-4、以粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
步骤2-4-1、适应值评价:
本实施方式中的适应值函数为理想料面形状函数与粒子群优化中优化得到的布料矩阵所形成料面形状的偏差的平方和,即其中,初始料面为当前布料矩阵下的料面形状,图5为当前料面形状与理想料面形状的对比。对于每个粒子,将其当前位置的适应值与其所经历的历史优位置的适应值进行比较,如果其当前位置的适应值优于其历史最优位置的适应值,则将其历史最优值进行替换,用当前的位置来代替历史最优位值。将每个粒子的个体历史最优位置的适应值与群体的历史最优位置的适应值进行比较,当个体最优位置的适应值优于历史最优位置的适应值时,则将群体最优位置进行替换,用个体历史最优位置替换群体最优位置。
步骤2-4-2、粒子状态更新:
粒子的状态包括粒子的位置和粒子的速度,本实施方式中利用式(15)对粒子的速度进行更新,利用式(16)对粒子的位置进行更新。
式中,为k+1时刻粒子的位置,为k时刻粒子的位置,为k+1时刻粒子的速度,为k时刻粒子的速度,ξ1与ξ2均为[0,1]范围内的随机数,为粒子在k时刻个体最优位置,为粒子在k时刻种群最优位置;
步骤2-4-3、停止迭代判断:迭代过程如图6所示,从图中可以看出当迭代20步时,已达到较好的效果,当迭代次数到达最大迭代次数100次,则停止迭代输出当前群体最优位置,即最优布料矩阵,前个为溜槽倾角,后个数依次为前个溜槽倾角下所对应的溜槽旋转圈数,由于布料过程中溜槽是由较大的倾角转向较小的倾角,因此需要对溜槽倾角的角度由大到小依次排序,同时将该溜槽倾角下对应的旋转圈数跟随溜槽倾角进行顺序变换,得到最终优化的布料矩阵。否则,跳转至步骤2-4-1,继续进行迭代。将最终优化得到的布料矩阵调用料面形状计算方法,得到如图7所示该布料矩阵下的料面形状与理想料面形状的对比图。
步骤3、优化得到的最优布料矩阵作为下一批炉料的布料矩阵。
本发明还提供一种高炉布料过程布料矩阵优化系统,如图11所示,包括:
设定单元:设定理想料面形状;
优化单元:以最小化下一批炉料的料面形状与理想料面形状的偏差为目标,优化布料矩阵;
输出单元:优化得到的最优布料矩阵作为下一批炉料的布料矩阵输出。
所述优化单元,采用粒子群算法优化布料矩阵:随机产生的布料矩阵作为种群中粒子的初始位置,粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述优化单元,如图12所示,包括:
初始化模块:随机产生的布料矩阵作为种群中粒子的初始位置;
获取模块:获取下一批炉料的布料过程参数、炉料参数和粒子当前位置所对应的布料矩阵;
料面形状计算模块:计算下一批炉料根据粒子当前位置所对应的布料矩阵所形成的料面形状;
迭代优化模块:以粒子当前位置所对应的布料矩阵所形成的料面形状与理想料面形状之间的偏差的平方和作为适应值,迭代优化粒子位置,求得的种群最优位置即下一批炉料的最优布料矩阵。
所述料面形状计算模块,如图13所示,包括:
第一计算模块:根据下一批炉料的布料过程参数计算炉料离开节流阀的初始速度;
第二计算模块:根据炉料离开节流阀的初始速度计算炉料在中心喉管末端的速度;
第三计算模块:根据炉料在中心喉管末端的速度计算炉料到达溜槽时的速度;
第四计算模块:根据炉料到达溜槽时的速度计算炉料在溜槽末端的速度;
第五计算模块:根据炉料在溜槽末端的速度计算粒子当前位置所对应的布料矩阵中的各溜槽倾角档位下炉料所形成料堆堆尖点横坐标;
第六计算模块:计算粒子当前位置所对应的布料矩阵中的最后一个溜槽倾角下的料面形状,即下一批炉料在粒子当前位置所对应的布料矩阵下的料面形状。
本发明提供的高炉布料过程布料矩阵优化方法及系统,可对布料矩阵进行优化,使优化所得布料矩阵下的料面形状接近于理想料面形状,对高炉布料操作中布料矩阵的调整具有重要的指导意义。