高爐過程數(shù)學(xué)模型概述

1、第七章第七章 高爐過程數(shù)學(xué)模型概述高爐過程數(shù)學(xué)模型概述高爐自動化要求日益迫切高爐自控技術(shù)日趨成熟大型化高爐優(yōu)質(zhì)高效運(yùn)行所要求煉鐵技術(shù)發(fā)展計算機(jī)技術(shù)發(fā)展高爐過程數(shù)學(xué)模型高爐過程數(shù)學(xué)模型高爐自控的理論基礎(chǔ)高爐計算機(jī)控制的前提 1. 高爐建模的特點(diǎn)高爐建模的特點(diǎn) 高高 爐爐 過過 程程 的的 特特 點(diǎn)點(diǎn) (1)高溫下復(fù)雜的物化過程高溫下復(fù)雜的物化過程 存在氣（煤氣）、固（爐料）、液（渣鐵）三相的復(fù)雜反應(yīng)沿高度、徑向、圓周方向存在不均勻性高高 爐爐 過過 程程 的的 特特 點(diǎn)點(diǎn) (2)在密閉容器內(nèi)進(jìn)行的過程在密閉容器內(nèi)進(jìn)行的過程 l大多數(shù)參數(shù)不能直接觀測l很多參數(shù)不能連續(xù)準(zhǔn)確測定(3)輸入?yún)?shù)的變化在

2、爐況上的反映有很大滯后性輸入?yún)?shù)的變化在爐況上的反映有很大滯后性 焦炭負(fù)荷變化約56小時噴吹煤粉變化約23小時鼓風(fēng)溫度變化約12小時高爐冶煉過程是一個高爐冶煉過程是一個大滯后、多變量、非線性分布參數(shù)系統(tǒng)大滯后、多變量、非線性分布參數(shù)系統(tǒng)高爐模型通常為機(jī)理經(jīng)驗(yàn)機(jī)理經(jīng)驗(yàn)而建立的模型2. 高爐模型的分類和功能高爐模型的分類和功能 （1）分類）分類 按建模方法分類按建模方法分類 理論模型理論模型物料平衡、熱平衡、化學(xué)平衡、反應(yīng)速度等經(jīng)典 模型半經(jīng)驗(yàn)?zāi)Ｐ桶虢?jīng)驗(yàn)?zāi)Ｐ屠矛F(xiàn)場統(tǒng)計規(guī)律建立的、同時結(jié)合理論的模型人工專家系統(tǒng)人工專家系統(tǒng)依據(jù)投入和產(chǎn)出的變量間的邏輯關(guān)系進(jìn)行判斷（1）分類）分類 按建模目的分類按建

3、模目的分類 模擬解析模擬解析煤氣分布，溫度分布等計算分析計算分析拉姆聯(lián)合計算法，Rist操作線等過程控制過程控制Tc模型，Ts模型，GoStop模型等按應(yīng)用形式分類按應(yīng)用形式分類 （1）分類）分類 靜態(tài)模型靜態(tài)模型分析，判斷，決策（離線）動態(tài)模型動態(tài)模型過程指導(dǎo)或控制（在線）（2）功能功能 l加深對過程的全面認(rèn)識和理解l指導(dǎo)和控制高爐優(yōu)質(zhì)高效運(yùn)行l(wèi)不必通過試驗(yàn)只在計算機(jī)上即 可預(yù)測和導(dǎo)出最優(yōu)方案3. 高爐數(shù)模的發(fā)展高爐數(shù)模的發(fā)展 可分為四個階段可分為四個階段 第一階段第一階段 1964年以前離線計算分析離線計算分析只限于作一些單純指數(shù)的分析計算（如熱平衡、t理、Rist操作線等）3. 高爐數(shù)模

4、的發(fā)展高爐數(shù)模的發(fā)展 第二階段第二階段 1974年以前在線過程指導(dǎo)在線過程指導(dǎo)1964年法國人提出的Wu指數(shù)模型在線運(yùn)行成功用Wu指數(shù)（爐熱指數(shù)）代表爐下部熱量，可預(yù)測鐵水溫度及含硅量以后又派生出Ec、Tc、Ts等爐熱指數(shù)模型3. 高爐數(shù)模的發(fā)展高爐數(shù)模的發(fā)展 第三階段第三階段1975年以后多目標(biāo)管理多目標(biāo)管理思想：其它非熱量參數(shù)亦會對爐熱指數(shù)有影響高爐需要進(jìn)行綜合判斷故出現(xiàn)了：GoStop系統(tǒng)（川崎）AGOS系統(tǒng)（新日鐵）3. 高爐數(shù)模的發(fā)展高爐數(shù)模的發(fā)展 人工智能系統(tǒng)（人工智能系統(tǒng)（AI） 第四階段第四階段80年代以來人工智能系統(tǒng)人工智能系統(tǒng)基于知識的專家系統(tǒng)基于知識的專家系統(tǒng)基于神經(jīng)元的

5、神經(jīng)網(wǎng)絡(luò)基于神經(jīng)元的神經(jīng)網(wǎng)絡(luò)兩者正趨結(jié)合4. 高爐數(shù)模的局限性高爐數(shù)模的局限性 數(shù)學(xué)模型 把過程現(xiàn)象用數(shù)學(xué)方程定量地表達(dá)出來但高爐過程的復(fù)雜性許多現(xiàn)象無法進(jìn)行定量描述即高爐過程存在大量模糊信息高爐過程存在大量模糊信息數(shù)學(xué)模型無能為力操作者憑經(jīng)驗(yàn)可處理現(xiàn)場人員不喜歡用數(shù)學(xué)模型現(xiàn)場人員不喜歡用數(shù)學(xué)模型要求開發(fā)高爐人工智能系統(tǒng)要求開發(fā)高爐人工智能系統(tǒng)（因?yàn)槿斯ぶ悄芸梢赃M(jìn)行模糊推理）5. 高爐智能模型的開發(fā)高爐智能模型的開發(fā) 指導(dǎo)高爐生產(chǎn)過程高爐生產(chǎn)過程確定性信息數(shù)學(xué)模型精確推理不 確 定 性信 息 （ 模糊信息）知識模型模糊推理人工智能模型人工智能是一門新的技術(shù)學(xué)科利用計算機(jī)等手段模仿、延伸和擴(kuò)展人

6、的智能利用計算機(jī)等手段模仿、延伸和擴(kuò)展人的智能人工智能技術(shù)在90年代開始在高爐中進(jìn)行應(yīng)用性開發(fā)研究建立高爐操作的專家系統(tǒng)有模糊識別和自學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型l專專 家家 系系 統(tǒng)統(tǒng) 將高爐操作者經(jīng)驗(yàn)貯存于計算機(jī)里，進(jìn)行爐況的綜合判斷和控制它包括兩個主要組成部分：知識庫和推理機(jī)優(yōu)點(diǎn)：克服了純數(shù)學(xué)模型靈活性差、適應(yīng)性差的問題缺點(diǎn)：知識庫不易維護(hù)，對規(guī)則知識不具備學(xué)習(xí)功能l神經(jīng)網(wǎng)絡(luò)系統(tǒng)神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有兩大功能l自學(xué)習(xí)的功能l模糊識別功能分為二種類型：a 反向傳播網(wǎng)絡(luò)反向傳播網(wǎng)絡(luò)需利用輸出端實(shí)際數(shù)據(jù)反饋校正b 自組織網(wǎng)絡(luò)自組織網(wǎng)絡(luò)不需教師數(shù)據(jù)，自己組織高爐常用高爐常用BP網(wǎng)絡(luò)網(wǎng)絡(luò)（反向傳播網(wǎng)絡(luò)）（反向傳播網(wǎng)絡(luò)）基于基于BP網(wǎng)絡(luò)的硅預(yù)報模型原理網(wǎng)絡(luò)的硅預(yù)報模型原理 2Si輸入層中間層輸出層風(fēng)溫 1風(fēng)壓 風(fēng)量 頂溫 料速 礦焦比 CO