一种高炉状态聚类的方法及装置的制造方法
【技术领域】
[0001] 本发明属于高炉炼铁技术领域，尤其设及一种高炉状态聚类的方法及装置。
【背景技术】
[0002] 铁素有"工业粮食"之称。钢铁工业长期W来都是世界各国国民经济的基础产业， 是衡量国家经济水平和综合国力的重要标志。
[0003] 高炉是现代化炼铁的主要方式，我国炼铁生产技术水平与国际存在差距，主要体 现在检测、控制与优化操作水平上。高炉内部物理化学反应过程极其复杂，设及多种物质的 多种相态，冶炼过程的机理尚未完全透明，很多重要内部信息无法直接测量，高炉是具有非 线性、大滞后、强噪声的复杂反应容器，属于典型的"黑箱"系统，状态多变且难W检测，导致 高炉操作与高炉状态的关系不明。同时由于高炉状态不定，检测少，现场数据具有强噪声、 大滞后、W及尺度不一的特点，没有统一的特征和规律，难W用于关联性和建模分析。
[0004] 目前还未有准确的高炉状态划分，高炉生产现场按照生产经验判断高炉状态，但 由于经验的不确定性和数据的复杂性，通常难W做出准确判断，判断具有主观性，难W用作 高炉操作的有效指导。
[0005] 基于此，目前亟需一种高炉状态聚类方法及装置，将高炉状态进行聚类划分，便于 进行与操作和指标的关联性分析，W便高炉炉长掌控当前高炉状态来精确指导高炉操作。
【发明内容】
[0006] 针对现有技术存在的问题，本发明实施例提供了一种高炉状态聚类的方法及装 置，用于解决现有技术中不能对高炉状态准确划分，导致不能根据高炉状态精确指导高炉 操作的技术问题。
[0007] 本发明提供一种高炉状态聚类的方法，所述方法包括：
[000引采集所述高炉状态的过程参数，并对所述过程参数进行预处理；
[0009] 提取所述过程参数的状态特征数据；
[0010] 对所述过程参数的状态特征数据进行线性相关分析，确定所述状态特征数据之间 的线性相关结果；
[0011] 当确定所述线性相关结果为线性无关时，利用K-means算法对所述状态特征数据 进行聚类，获取所述高炉状态的聚类结果。
[0012] 上述方案中，所述过程参数包括:风量、风压、上升管顶溫、顶压、炉忍溫度、冷却水 溫差、高炉煤气中C0的含量百分比、C〇2的含量百分比、铁水娃含量。
[0013] 上述方案中，所述对所述过程参数进行预处理包括：
[0014] 利用离散梅耶血ey小波基函数，对所述过程参数的数据序列进行五层小波分解；
[0015] 根据软阔值法选取各层的阔值，屏蔽将最高频率的两层信号，获取低频信号；
[0016] 将所述低频信号进行重构，完成对所述过程参数的小波去噪。
[0017] 上述方案中，所述方法还包括:根据公式q
骑定所述高炉的一氧 化碳利用率化0;其中，
[0018] 所述(C0)为所述高炉煤气中C0的含量百分比、所述(0)2)为所述高炉煤气中C〇2的 含量百分比。
[0019] 上述方案中，所述方法还包括:根据公
确定所述高炉的透气性指数 S;其中，
[0020] 所述Pm为所述高炉的风量，所述Pf为所述高炉的风压，所述Pd为所述高炉的顶压。
[0021] 上述方案中，所述过程参数的状态特征数据包括:透气性指数、透气性指数变化 率、全压差、全压差变化率、上升管顶溫、顶溫甩幅、铁水娃含量、一氧化碳利用率、一氧化碳 利用率变化率、炉忍溫度、炉忍溫度变化率、冷却水溫差及冷却水溫差变化率。
[0022] 上述方案中，所述对所述过程参数的状态特征数据进行线性相关分析包括：
[0023] 根据公式
计算所述状态特征xi、yi之 间的线性相关系数R;其中，所述η为所述状态特征数据的组数，所述i = 1，2，……η。
[0024] 上述方案中，所述利用K-means算法对所述状态特征数据进行聚类，获取所述高炉 的状态类包括：
[0025] 从所述高炉状态特征数据集X= {xj/xjERd，j = 1，2，......k}中选取k个初始参照 点 C1，C2,......Ck；
[0026] W所述Cl，C2，......Ck为参照点，对所述数据集X进行划分，当确定dji(Xj，Ci) <djm (Xj，Cm)时，所述状态特征Xj划分至簇Wj中；
[0027] 分别计算簇W1，W2......Wk当前的质屯、C;，C;……C;
[002引当确定对任意ie{l,......k}=(?，则确定所述.苗，与-------％为所述高炉状态 的聚类结果;其中，
[0029] 所述m=l，......k;所述j = l，......k;所述i = l，......11;所述扣111;所述山1(刮，(3〇为 所述状态特征Xj与所述Cl之间的欧式距离;所述cUUWm)所述状态特征X為所述Cm之间的 欧式距离。
[0030] 上述方案中，所述方法还包括：
[0031] 根据公式
计算所述高炉状态的聚类结果的聚合度J。
[0032] 本发明同时还提供一种高炉状态聚类的装置，所述装置包括：
[0033] 采集单元，用于采集所述高炉状态的过程参数，并对所述过程参数进行预处理；
[0034] 提取单元，用于提取所述过程参数的状态特征数据；
[0035] 分析单元，用于对所述过程参数的状态特征数据进行线性相关分析，确定所述状 态特征数据之间的线性相关结果；
[0036] 聚类单元，用于当确定所述线性相关结果为线性无关时，利用K-means算法对所述 状态特征数据进行聚类，获取所述高炉状态的聚类结果。
[0037] 本发明提供了一种高炉状态聚类的方法及装置，所述方法包括:采集所述高炉状 态的过程参数，并对所述过程参数进行预处理;提取所述过程参数的状态特征数据;对所述 过程参数的状态特征数据进行线性相关分析，确定所述状态特征数据之间的线性相关结 果；当确定所述线性相关结果为线性无关时，利用K-means算法对所述状态特征数据进行聚 类，获取所述高炉状态的聚类结果;如此，根据聚类结果对高炉状态进行精确划分，便于进 行与操作和指标的关联性分析，W便高炉炉长掌控当前高炉状态来精确指导高炉操作。
【附图说明】
[0038] 图1为本发明实施例一提供的高炉状态聚类的方法流程示意图；
[0039] 图2为本发明实施例一提供的高炉状态的聚类结果示意图；
[0040] 图3为本发明实施例二提供的高炉状态聚类装置结构示意图。
【具体实施方式】
[0041] 为了可W对高炉状态进行精确分类，进而根据高炉状态指导高炉操作，本发明提 供了一种高炉状态聚类的方法及装置，所述方法包括:采集所述高炉状态的过程参数，并对 所述过程参数进行预处理;提取所述过程参数的状态特征数据;对所述过程参数的状态特 征数据进行线性相关分析，确定所述状态特征数据之间的线性相关结果；当确定所述线性 相关结果为线性无关时，利用K-means算法对所述状态特征数据进行聚类，获取所述高炉状 态的聚类结果。
[0042] 下面通过附图及具体实施例对本发明的技术方案做进一步的详细说明。
[0043] 实施例一
[0044] 本实施例提供一种高炉状态聚类的方法，如图1所示，所述方法包括W下步骤：
[0045] 步骤110,采集所述高炉状态的过程参数，并对所述过程参数进行预处理。
[0046] 本步骤中，在采集所述高炉状态的过程参数之前，还需对所述高炉状态进行描述 表征，确定过程参数。
[0047] 具体地，高炉的状态主要包括:煤气流状态、出铁状态和高炉本体状态。其中，高炉 煤气流状态主要反映煤气流的发展情况，高炉全压差体现了整体煤气流的强弱。高炉炉顶 的顶溫反映了炉屯、气流强度。煤气流的流量、流速和全炉的通气程度则体现在高炉透气性 指数上。高炉的出铁状态主要体现在铁水娃含量上，如果操作水平高，铁水质量高，则铁水 娃含量稳定。高炉的溫度场变化则体现在炉忍溫度和冷却水溫差上，如果炉体溫度越高，炉 缸越活跃，则炉忍溫度和冷却水溫差高而稳定。另外，高炉运行良好，铁矿石和焦炭则会充 分反应，整体利用率提高，炉顶煤气中的二氧化碳C〇2比例则会增加，因此高炉一氧化碳利 用率是反映高炉整体运行质量的重要状态参数。
[0048] 因此，