[发明专利]基于模式识别和专家系统的高炉布料优化方法及系统

说明书

技术领域

本发明属于高炉过程控制技术领域，涉及一种用于指导、优化具有较为完备计算机系统的大型高炉过程控制，具体涉及一种基于模式识别和专家系统的高炉布料优化方法及系统。

背景技术

高炉是一种多变量、大滞后、非线性的高温化学反应器，体积巨大(3000-5800m³)，这是一个巨无霸，高炉内部充满高温、高压富含CO的煤气，高炉每分钟的煤气发生量高达7000-10000m³/min，由于影响高炉的因素非常多，高炉一旦发生操作异常，经常给生产造成巨大的损失，现有技术中对高炉布料进行控制。

高炉主要是通过上部和下部的调整进行操作，如文献“Hideyuki Kamano,etal,Low Cost Operation by a Large Blast Furnace with a Bell-less Top at Chiba Works，IRONMAKING CONFERENCE PROCEEDINGS,2000,P113～124”集中描述了利用高炉上下部调剂技术实现高炉的高效操作；其中高炉下部调剂内容包括风口直径、风口布局、风量、风温、风压、加湿量、富氧量、喷煤品种及质量等，而上部调剂包括装料品种、装料量、装料位置、布料方法、炉料落点控制等，布料优化就包含了上部调剂的所有内容，高炉一旦正常生产，下部调剂决定了进风面积、鼓风动能，而上部调剂则决定了高炉顺行状况、煤气利用状况，对于正常生产的高炉，上部调剂是整个高炉操作控制的核心。

鉴于高炉上部调剂中布料控制的重要性，国内外高炉操作人员都充分重视布料技术的开发，如布料状态检测技术、布料调剂技术、布料设备改进等。如文献“Shinroku MATSUZAKI,Estimation of Stack Profile of Burden at Peripheral Zone of Blast Furnace Top，ISIJ International，Vol.43（2003），No.5，PP620～629”中描述了一种利用超声波估算炉喉料面形状的方法，该方法是一种离线装置，目前尚未应用到在线运行的高炉上。 

高炉是一个巨大的黑箱，对于高炉操作人员而言，掌握布料技术需要经过相当的专业训练，一般大学毕业生要经过3-5年的积累，并且这种积累因人而异，不同的操作人员对于同一个炉况的诊断并不完全一样，有一定的差异，随着人员的流动，这些经验极易流失，而借助于计算机技术则可以克服这些缺陷，尤其是借助于人工智能系统(如专家系统、人工神经网络等)更能总结高炉操作经验，加快高炉操作专家的培训时间。

利用专家系统技术来优化高炉的布料操作，国内外已经进行了很多探索，如文献“Jan HINNELA and Henrik SAXE’N，Neural Network Model of Burden Layer Formation Dynamics in the Blast Furnace, ISIJ International, Vol. 41 (2001), No. 2, pp. 142–150”中介绍了一种利用人工神经网络技术估算料层厚度的数学模型，该模型用于芬兰Rahhe厂1000m³高炉，取得了良好的使用效果，但该方法主要用于1000m³小高炉，该神经网络是一种需要训练的BP神经网络，炉况发生长时间波动后，预报精度会大大降低，该方法并不能用于大型高炉的连续在线应用。由于高炉布料涉及的因素众多，经验很难积累，尽管在高炉布料领域国内外发表了成千上万的文献，这些文献主要研究料面检测、料流轨迹测量、料面形状计算、料面和气流分布之间的关系等方面，多年来很多公司也采用了利用专家系统技术来控制布料的技术，但这些技术都是一些经验的总结，这些经验很难满足实际高炉运行的要求。如文献“G.Brunnbauer,B.Rummer and H.Nogratnig et al; THE FULLY AUTOMATIC BLAST FURNACE – ONLY A VISION?；Ironmaking Conference Proceedings，2001，PP677-686”所示，即使是极富盛名的奥钢联VAI 专家系统也仅仅利用数学模型对布料过程进行了模拟。

现有技术存在中高炉操作专家系统规则库学习与维护能力低，操作指导、解释机制简单化，集成性能差等问题，限制了布料控制专家系统开发的速度及质量，制约了高炉生产效率和产能。

发明内容