[发明专利]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

说明书

技术领域

本发明涉及一种高炉炼铁过程多元铁水质量参数在线预报方法，特别涉及一种基于多元在线序贯极限学习机(M-OS-ELM)的高炉炼铁过程多元铁水质量参数在线预报方法，属于高炉冶炼自动化控制领域。

背景技术

高炉是一个在炼铁过程中的大型的对流反应器和热交换器。高炉炼铁通过炉内发生的复杂的气-固、固-固、固-液反应将铁从铁矿石等含铁化合物中还原出来，冶炼出质量合格的铁水。铁水质量指标作为高炉炼铁过程中最为重要的生产指标，直接决定了后续钢铁产品的质量和高炉冶炼过程的能耗状态。实际生产中，通常采用铁水温度(物理热)、铁水硅元素含量(化学热，简称[Si])、硫元素含量(简称[S])、磷元素含量(简称[P])等参数来综合衡量铁水质量的高低。然而，高炉内的高温、高压、多场、多相耦合的动态特性，以及各种动态干扰和直接测量时严酷的环境使得高炉内部状态和铁水质量参数难以在线检测。因此，就需要依赖于其他方便检测的参数建立高炉多元铁水质量参数的在线预报系统。

专利公开号CN101211383A公开了“一种高炉铁水硅含量的特征分析预报方法”，使用遗传算法优化的最小二乘支持向量机对高炉铁水中的硅(Si)含量进行预报。该方法通过对原有样本进行指数加权移动平均滤波和归一化预处理对样本数据进行特征提取，建立了高炉铁水硅含量预报的动态递归模型。

专利公开号CN103320559A公开了“一种高炉铁水硫含量预报方法”，采用包含硫含量短期均值、硫含量中期均值、硫含量长期均值等变量作为模型的输入变量。该方法以较少的自变量结合RBF神经网络建模技术，实现了对生铁中硫含量的精确预报。

专利公开号CN101457264A公开了“高炉炉温优化控制方法”，在考虑实际系统的时滞性和不确定性的情况下，通过建立阶梯式动态矩阵预测控制算法的预测模型对高炉炉温进行预测，修正了优化模型的误差。

上述专利报道的方法以及其他众多文献相关类似方法和技术只是针对单一的铁水质量元素(如铁水温度、Si含量、S含量等)进行预报或软测量，未能对表征高炉铁水质量的主要参数，即[Si]、[P]、[S]和铁水温度同时进行多元在线预报，因而不能全面反映铁水质量的整体水平，实用性较差。同时，由于这些方法没有考虑输入输出时序以及过程的时滞关系，所建立的静态模型并不能很好地反映高炉冶炼过程的固有动态特性。在冶炼工况变化显著时，这些方法就不能适应工况的变化而对铁水质量参数进行较为准确地测量。综上所述，目前国内外还没有专门针对高炉冶炼过程铁水质量参数([Si]、[P]、[S]和铁水温度)进行多元动态预报的方法。

发明内容

本发明的目的就在于为了解决上述高炉冶炼过程铁水质量参数在线预报方法的不足，基于文献[Nan-Ying Liang；Guang-Bin Huang；Saratchandran,P.；Sundararajan,N.,A Fast and Accurate Online Sequential Learning Algorithm for Feedforward Networks,Neural Networks,IEEE Transactions on,vol.17,no.6,pp.1411-1423,Nov.2006]提出多维在线序贯极限学习机(M-OS-ELM)技术，在主成分分析方法降低模型结构的基础上，分析出模型的辅助变量，并构造出一个具有输出自反馈结构且考虑不同时刻输入输出数据的多元铁水质量参数在线预报方法，可同时对[Si]、[P]、[S]和铁水温度四大铁水质量指标进行多元在线动态预报。本发明可基于钢厂现有常规在线测量设备提供的数据作为模型输入，给出当前和未来指定时间区间的多元铁水质量参数的在线估计值，为高炉炼铁生产过程的优化操作和运行提供关键质量指标。

为实现上述目的，本发明采用的技术方案是：这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，其特点是基于常规测量系统、数据采集器、M-OS-ELM在线预报软件以及运行软件的计算机系统构成，其中常规测量系统中的流量计、压力计、温度计和湿度计等安装于高炉冶炼系统的各个相应位置，数据采集器连接常规测量系统，并通过通信总线连接运行在线预报软件的计算机系统。

所述的常规测量系统中的常规测量仪表包括：

三个分别用于在线测量高炉煤粉喷吹系统煤粉喷吹量、富氧流量、冷风流量的流量计，

一个用于在线测量高炉热风系统的热风温度的温度计，

一个用于在线测量高炉热风系统的热风压力的压力计，

一个用于在线测量高炉热风系统的鼓风湿度的湿度计，

还包括两个测量分析仪：