自适应高炉铁水硅含量趋势预报方法
【技术领域】
[0001 ]本发明属于自动化检测技术领域，具体地说，涉及一种自适应高炉铁水硅含量趋 势预报方法。
【背景技术】
[0002] 高炉炼铁是当前的主导炼铁工艺，优化高炉操作、推进高炉炼铁技术进步是近年 来冶金领域的研究热点。高炉是密闭的逆流式热交换竖炉，其内部反应过程是一个高度复 杂的非线性过程，如图1所示，实质是将铁从铁矿石等含铁化合物中还原出来:高炉上料系 统将炉料(铁矿石、熔剂、焦炭等)分批次地从炉顶装入炉内；下部风口将热风鼓入高炉与焦 炭反应生成高温还原性煤气；炉料在下降过程中不断被上升煤气流加热，发生还原、熔化、 造渣等一系列物理-化学反应生成液态渣、铁并沉积于炉缸，渣、铁周期性地从渣铁出口排 出；煤气在上升过程中，成分不断变化，温度不断降低，形成高炉废气，最后从炉顶排出。冶 炼过程中固、液、气、粉等多相物质共存，发生复杂的化学反应，冶炼过程具有时变、高维、分 布参数等特征，并伴随高温、高压等特点。特别是半熔融状态软熔带的存在导致高炉炼铁过 程极其复杂，使得其优化操作和自动控制成为冶金领域的难题，时至今日，炼铁过程仍要求 高炉工长凭经验进行调控。研究面向高炉炼铁过程的可计算建模方法，实现其优化操作和 自动控制是亟待解决的关键难题。
[0003] 20世纪下半叶以来，计算机、信息、控制等技术的进步为钢铁工业的迅猛发展提供 了先进的技术手段，在此过程中高炉炼铁过程的多个子工序如配料、布料、送风等逐步实现 了自动化。进一步地，为保障高炉炉况平稳发展，实现喷煤量、焦炭负荷等控制变量的实时 自动调控，最终实现高炉炼铁过程的闭环自动控制，要求建立高精度的高炉炉温预报模型。 在高炉炼铁工艺中，高炉铁水硅含量(Si，被称为"化学温度"）是高炉炉缸热状态的有效表 征，且Si与炉况稳定性、生产效率、能耗、铁水质量等关系密切，故Si是高炉炼铁过程的主要 优化控制目标。
[0004] 随着人们对高炉炼铁过程认识的不断深入，高炉炉温建模技术取得了长足进步。 国内外研究人员根据高炉内部发生的传递现象和反应动力学原理建立了多种机理模型，这 些模型对于揭示高炉内部现象起了一定的积极作用，但机理模型在建模时均作了大量的简 化处理，因此所得模型难以准确描述高炉炉温变化。上世纪80年代开始，欧美国家和日本等 相继将专家系统技术引入到高炉操作，利用炼铁专家知识模拟人类思维和推理模式对高 炉炼铁过程进行建模。专家系统的引入对于推动高炉炼铁过程的自动化起到了积极作用， 带来了显著的经济效益。但我国高炉在原料、生产装备、生产工艺、操作方式、检测仪表以及 检测数据的准确性、实时性等诸方面和国外先进高炉有较大差距。在追踪国际先进技术的 基础上，我国钢铁企业和高校结合本土的原料特点和操作模式相继开发了适合我国国情的 专家系统，如首钢与北科大合作开发的"人工智能高炉冶炼专家系统"，浙江大学开发的"高 炉智能控制专家系统"等。这些专家系统的开发和应用，对提高我国高炉炼铁的控制水平起 了积极的推动作用。但是目前专家系统的许多功能模块仅仅是高炉工长经验的简单"IF- THEN"规则化或各种作业表格的电子化，专家系统虽然利用了专家知识却无法挖掘海量生 产数据背后隐藏的重要信息，导致核心模块(如高炉炉温预报）的应用效果大打折扣。随着 新型仪表、网络化仪表以及传感器技术在高炉炼铁过程中的广泛使用和计算机技术的迅速 发展，大量的生产数据被采集和存储，如原料参数，包括铁矿石成份、喷煤速率、焦炭负荷、 焦炭比等;鼓风参数，包括风量、风温、风压、富氧程度、鼓风湿度、透气性指数等;铁水成份 参数，包括铁水硅含量、铁水硫含量等。利用这些生产数据建立的高炉炉温数据驱动模型主 要有自回归模型、神经网络模型、模糊推理模型、贝叶斯网络模型、偏最小二乘模型、非线性 时间序列分析模型、模糊模型、混沌模型、SVM模型等。上述模型多是利用统计分析方法，如 相关系数分析以及主元分析等，确定输入、输出变量，然后再利用神经网络、贝叶斯网络、偏 最小二乘法、支持向量机等工具的非线性逼近能力，通过不断训练学习获取输入与输出之 间的函数关系，并在此基础上建立相应的预测、控制模型。
[0005] CN200710164607.3的中国发明专利公开了一种高炉铁水硅含量的特征分析预报 方法。以高炉工艺参数为输入变量(包括铁量差、透气性、喷煤量、风温、料批、风量、富氧量、 热风压力、炉顶压力、喷煤量、热风温度、炉顶温度、矿焦比、出铁量、煤气中C0、C02的含量 等），在对输入变量的样本数据进行指数加权移动平均滤波和归一化预处理后，采用改进的 动态独立成分分析方法对输入变量的样本数据进行特征提取，消除生产工艺参数之间的相 关性，使用最小二乘法向量的算法建立高炉铁水硅含量预报的动态递推模型，引入遗传算 法优化模型参数。对高炉冶炼过程的铁水硅含量预报具有普遍的通用性，可获得较好的预 报精度，提高高炉铁水硅含量的预报命中率。
[0006] 专利号为200910187796.5的中国专利公开了一种高炉铁水含硅量的预报方法，包 括数据参数选取及预处理、预测算法、结果输出及操作指导，数据参数选取采用硅含量短期 均值、硅含量中期均值、硅含量长期均值、前次铁水对应的风口理论燃烧温度及前次铁水含 硫量五个参数，通过预测算法对硅含量进行预测。在炉况波动小时主要依靠均线系统，在炉 况波动大时自动加入风口理论燃烧温度及前次铁水含硫量。该专利采用的数据参数少，并 能获得较好的预报精度、提高高炉铁水硅含量的预报命中率。
[0007] 高炉炼铁过程是动态变化的复杂非线性过程，但目前所开发的数据驱动模型多是 离线型静态模型，这些模型无法追踪系统的动态变化，模型的实时性和可靠性都难以满足 实际生产的需要。
【发明内容】
[0008] 本发明的目的在于针对现有高炉炼铁过程中数据驱动模块无法有效追踪系统的 动态变化等上述不足，提供了 一种自适应高炉铁水硅含量趋势预报方法，该方法通过不断 采集新样本对趋势预报模型进行自适应更新，追踪高炉冶炼过程的动态变化。
[0009] 根据本发明一实施例，提供了一种自适应高炉铁水硅含量趋势预报方法，含有以 下步骤:（一)确定趋势预报器的输入变量；
[0010](二)对现场采集数据进行预处理；
[0011] (三)建立初始高炉铁水硅含量趋势预报器；
[0012] (四）采用趋势预报器对数据流中的样本进行趋势预测；
[0013] (五)建立基于在线LS-SVMs模型的自适应预报器；
[0014](六)根据自适应预报器的输出预报结果指导工长操作。
[0015] 在根据本发明实施例的预报方法中，步骤(一）中，确定趋势预报器的输入变量的 具体步骤为：
[0016] (1)采集与高炉铁水硅含量密切相关的喷煤量、风量、风温三个控制变量，以及与 高炉铁水硅含量密切相关的透气性、前次铁水硅含量、前次铁水硫含量三个状态变量；
[0017] (2)以出铁间隔时间为标准，采用卷积或最小二乘时间配准方式对采样数据进行 协整，统一各变量的时间尺度；
[0018] (3)采用互信息方法对各变量的时滞进行分析，利用Takens定理重构产生数据对 象的特征空间，确定趋势预报器的输入变量的个数；
[0019] (4)以高炉铁水硅含量的变化趋势作为输出变量，采用F-分数模式分析与交叉验 证相结合的方法对高炉炼铁过程的采集变量进行筛选，确定趋势预报器的输入变量。
[0020] 在根据本发明实施例的预报方法中对现场采集数据进行预处理的具体步骤为：
[002