[发明专利]一种高炉铁水质量预报方法及其系统

说明书

本发明公开了一种铁水质量的预报方法，该方法首先利用最大信息系数对铁水质量的影响变量与铁水质量之间的非线性相关性进行研究，并基于上述相关性分析结果对铁水质量的影响变量进行筛选，并确定影响因素与铁水质量的时滞关系，通过从数据库中提取相应的历史数据作为预测模型的训练集，采用动态神经网络的方法对预测模型进行训练，以实现对模型的滚动优化，据此实现对铁水质量的预测。基于上述预测方法，本发明进一步利用LABVIEW与MATLAB混合编程，搭建了一套铁水质量预报系统，实现对铁水质量的预测以及铁水质量及其相关影响变量的监控，从而在高炉炼铁过程中对现场工作人员具体操作起一定指导作用。

技术领域

本发明涉及高炉炼铁工业过程的自动控制领域，尤其涉及一种高炉铁水质量预报方法及其系统。

背景技术

高炉炼铁是钢铁生产过程中重要环节，其为钢铁生产的上游工序，是钢铁生产过程中CO₂排放的主要环节，同时也是能耗最大的工序，其存在着巨大的优化空间。控制高炉保持一个合理的炉温，维持高炉的长期稳定顺行是实现高炉生产高效、优质、低耗的关键所在。但是高炉是一个高温、高压、强腐蚀、强干扰、多物理场共存、化学反应与传递效应同时发生的环境，高炉炼铁过程则是具有时变、非线性、多尺度、大时滞特性的连续动态反应过程，我们很难直接获得高炉内部的炉况相关信息，这使得高炉的炉况极难控制。

高炉铁水中的硅含量反映了高炉内部的炉温变化和高炉炉缸位置的热状态，是高炉生产中的一个重要指标，在高炉的实际生产中是难以直接测得铁水中的硅含量的。故而众多学者都致力于铁水硅含量的软测量方法的研究，而由于高炉内部极为复杂的情况，高炉铁水硅含量的机理模型难以建立且效果较差，目前大部分都是采用数据驱动的方式建立铁水硅含量的软测量模型，实现对铁水硅含量的预测。

专利公开号CN104651559A公开了“一种基于多元在线序贯极限学习机的高炉铁水质量在线预报体系及预报方法”以炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、喷煤量等变量的相关数据建立M-SVR软测量模型实现了对高炉铁水参数硅含量、磷含量、硫含量、铁水温度的预测。

专利公开号CN106096637A公开了一种“基于Elman-Adaboost强预测器的铁水硅含量预测方法”选择合适的输入变量训练K个Elman神经网络的弱预测器，并用Adaboost算法融合这K个弱预测器得到Elman-Adaboost强预测器对铁水硅含量进行预测。

专利公开号CN104915518A公开了“一种高炉铁水硅含量二维预报模型的构建方法及应用”将bootstrap预测区间发与基于BP神经网络的铁水硅含量预测方法相结合，构建出了高炉铁水硅含量的二维预报模型，在给出下一个时刻的铁水硅含量预测值的同时给出预测值的预测区间，以预测区间的宽度表征预测值的可信度。

上述专利的方法以及其相关的文献大多依凭经验人为选取或采用一些线性的相关性分析方法选取相关变量作为输入进行建模，若引入的变量对需要预测的铁水硅含量的影响不大，可能会带来一定程度的干扰，从而影响预测精度。并且上述专利及其相关文献中模型在训练完成之后模型中的各参数基本固定，随着运行时间的推移，样本发生变化，静态模型无法适应样本的变化，这可能会导致其预测精度出现一定程度的下降。综上所述，提出一种选取合适的变量构建高炉铁水质量动态预报方法和系统是非常有必要的。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种预测精度高，能够在高炉炼铁过程中指导现场工作人员的高炉铁水质量预报方法及系统。

为实现上述目的，本发明提供了一种高炉铁水质量预报方法，包括以下步骤：

步骤一、根据现有对铁水质量影响因素的研究，通过与现场技术人员交流以及现场数据的情况，以高炉的铁水硅含量作为铁水质量的主要表征参数，并从机理上分析出影响高炉铁水硅含量的参数，所述参数为影响变量X；