第七章高爐過程數(shù)學模型

第七章

高爐過程數(shù)學模型概述高爐自動化要求日益迫切高爐自控技術日趨成熟大型化高爐優(yōu)質(zhì)高效運行所要求煉鐵技術發(fā)展計算機技術發(fā)展高爐過程數(shù)學模型高爐自控的理論基礎高爐計算機控制的前提

1.高爐建模的特點

高

爐

過

程

的

特

點

(1)高溫下復雜的物化過程

存在氣（煤氣）、固（爐料）、液（渣鐵）三相的復雜反應沿高度、徑向、圓周方向存在不均勻性高

爐

過

程

的

特

點

(2)在密閉容器內(nèi)進行的過程

大多數(shù)參數(shù)不能直接觀測很多參數(shù)不能連續(xù)準確測定(3)輸入?yún)?shù)的變化在爐況上的反映有很大滯后性

焦炭負荷變化――約5－6小時噴吹煤粉變化――約2－3小時鼓風溫度變化――約1－2小時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)高爐模型通常為機理＋經(jīng)驗而建立的模型2.高爐模型的分類和功能

（1）分類

按建模方法分類

理論模型－物料平衡、熱平衡、化學平衡、反應速度等經(jīng)典模型半經(jīng)驗模型－利用現(xiàn)場統(tǒng)計規(guī)律建立的、同時結合理論的模型人工專家系統(tǒng)－依據(jù)投入和產(chǎn)出的變量間的邏輯關系進行判斷（1）分類

按建模目的分類模擬解析－煤氣分布，溫度分布等計算分析－拉姆聯(lián)合計算法，Rist操作線等過程控制－Tc模型，Ts模型，Go－Stop模型等按應用形式分類（1）分類

靜態(tài)模型－分析，判斷，決策（離線）動態(tài)模型－過程指導或控制（在線）（2）功能

加深對過程的全面認識和理解指導和控制高爐優(yōu)質(zhì)高效運行不必通過試驗只在計算機上即可預測和導出最優(yōu)方案3.高爐數(shù)模的發(fā)展

可分為四個階段

第一階段1964年以前→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)模的發(fā)展

第二階段1974年以前→在線過程指導1964年法國人提出的Wu指數(shù)模型在線運行成功用Wu指數(shù)（爐熱指數(shù)）－代表爐下部熱量，可預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

第三階段1975年以后→多目標管理思想：其它非熱量參數(shù)亦會對爐熱指數(shù)有影響高爐需要進行綜合判斷故出現(xiàn)了：Go－Stop系統(tǒng)（川崎）AGOS系統(tǒng)（新日鐵）3.高爐數(shù)模的發(fā)展

人工智能系統(tǒng)（AI）

第四階段80年代以來→人工智能系統(tǒng)基于知識的專家系統(tǒng)基于神經(jīng)元的神經(jīng)網(wǎng)絡兩者正趨結合4.高爐數(shù)模的局限性

數(shù)學模型→把過程現(xiàn)象用數(shù)學方程定量地表達出來但高爐過程的復雜性→許多現(xiàn)象無法進行定量描述即高爐過程存在大量模糊信息數(shù)學模型無能為力操作者憑經(jīng)驗可處理現(xiàn)場人員不喜歡用數(shù)學模型要求開發(fā)高爐人工智能系統(tǒng)（因為人工智能可以進行模糊推理）5.高爐智能模型的開發(fā)

指導高爐生產(chǎn)過程高爐生產(chǎn)過程確定性信息數(shù)學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學科→利用計算機等手段模仿、延伸和擴展人的智能人工智能技術在90年代開始在高爐中進行應用性開發(fā)研究建立高爐操作的專家系統(tǒng)有模糊識別和自學習的神經(jīng)網(wǎng)絡模型專家系統(tǒng)將高爐操作者經(jīng)驗貯存于計算機里，進行爐況的綜合判斷和控制它包括兩個主要組成部分：知識庫和推理機優(yōu)點：克服了純數(shù)學模型靈活性差、適應性差的問題缺點：知識庫不易維護，對規(guī)則知識不具備學習功能神經(jīng)網(wǎng)絡系統(tǒng)具有兩大功能自學習的功能模糊識別功能分為二種類型：a反向傳播網(wǎng)絡－需利用輸出端實際數(shù)據(jù)反饋校正b自組織網(wǎng)絡－不需教師數(shù)據(jù)，自己組織高爐常用BP網(wǎng)絡（反向傳播網(wǎng)絡）基于BP網(wǎng)絡的硅預報模型原理

ω2[Si]輸入層中間層輸出層風溫

ω1風壓

風量

頂溫

料速

礦焦比

CO2

前n次硅值

第