[发明专利]一种高炉铁水质量鲁棒软测量方法

说明书

本发明提出一种高炉铁水质量鲁棒软测量方法，包括：采集当前时刻的炉腹煤气量、冷风流量、富氧流量、透气性、富氧率、理论燃烧温度；将采集的数据进行归一化处理；利用以多元随机权神经网络构建的高炉铁水质量鲁棒软测量模型，进行高炉铁水质量鲁棒软测量，得到Si含量估计值、P含量估计值、S含量估计值、铁水温度估计值。本发明将实时测量得到的高炉本体参数作为模型的输入数据，充分考虑高炉冶炼过程的滞后特性和输入输出变量之间的时序关系，构造非线性自回归结构的高炉铁水质量鲁棒软测量模型，同时实现了Si含量、P含量、S含量和铁水温度等铁水质量参数的鲁棒软测量，避免离线化验的滞后性和人工操作带来的不确定性。

技术领域

本发明属于高炉冶炼自动化控制技术领域，特别涉及一种高炉铁水质量鲁棒软测量方法。

背景技术

高炉炼铁是一个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的极为复杂的非线性动态过程。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。为了实现优质、低耗、高产和长寿的目标，需要对高炉炼铁过程进行实时监测与控制。目前主要采用硅[Si]含量(化学热)、铁水温度(物理热)、硫[S]含量、磷[P]含量等参数来综合衡量铁水质量的好坏。然而，高炉炼铁过程的复杂、恶劣特性，铁水质量参数难以直接测量，且离线化验有较长时间滞后。为了对高炉炼铁过程更好的优化控制达到最终的目的，对高炉内部运行状态实时全面地、准确地监测，必须要对铁水质量参数进行建模。炼铁的复杂动态特性，以及同时产生的大量包含各种离群点数据信息给建模带来困难。为了解决这些问题，就需要采用高炉本体的可控参数和铁水质量参数检测分析建立数据驱动的多元高炉铁水质量参数鲁棒软测量模型。

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。以高炉铁水硅含量预报模型的高炉工艺参数为输入变量，采用改进的动态独立成分分析方法对输入变量的样本数据进行特征提取，消除生产工艺参数之间的相关性，使用遗传算法优化模型参数的最小二乘支持向量机算法建立高炉铁水硅含量预报的动态递推模型。

专利公开号“CN103320559B”提供一种高炉铁水硫含量预报方法，以硫含量短期均值、硫含量中期均值、硫含量长期均值、入炉焦炭S含量、入炉煤粉S含量等作为铁水含硫预报的输入变量，利用高炉形成铁水的化学反应过程，结合RBF神经网络，预报下一次铁水的含硫量，获得了较好的预报硫含量精度。

专利公开号“CN103981317A”公开了“基于温降模型的高炉出铁口铁水温度的连续检测方法”，利用铁水沟底部所埋热电偶的测温数据，最终辨识出铁口处的铁水温度。该方法解决了高炉铁水温度检测需人工参与，间断不连续，耗材多，测温值不稳定的问题。

上述专利报道的方法以及其他相关文献相关类似方法只是针对单一的铁水质量元素(如Si含量、S含量、铁水温度等)进行预报和软测量，未能对表征高炉铁水质量的主要参数，即Si(硅)含量、P(磷)含量、S(硫)含量和铁水温度同时进行多元预报，因而不能全面反映铁水质量水平，实用性较差。而且，由于这些方法没有考虑输入输出时序以及过程中的时滞关系，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特性。另外，在实际炼铁生产过程中，生产环境恶劣，检测仪表等装置的故障以及其他异常干扰的影响，测量数据中包含离群点。这些方法主要考虑了理想炉况下的铁水质量参数软测量，鲁棒性较差，当建模数据含有离群点时，这些方法不能抑制离群点干扰而对铁水质量参数进行较为准确地预测。