[发明专利]一种高炉炉温状态的预测方法

说明书

本发明公开了一种高炉炉温状态的预测方法，包括：选取表征炉温参数；从高炉风口图像数据中提取表征高炉风口热状态的图像特征信息；选取高炉参数；以所述表征高炉风口热状态的图像特征信息、被选取的高炉参数为输入，以所述表征炉温参数为输出，建立神经网络模型；训练获得所述图像特征信息、被选取的高炉参数对于所述表征炉温参数在各个滞后时间点的相关系数；获取当前的高炉风口图像数据和被选取的高炉参数数据，输入已训练好的所述神经网络模型，输出各个滞后时间点的所述表征炉温参数数据，实现炉温预测。本发明加入可观测的风口图像信息进行炉温预报，为操作者提供一种及时、可靠的炉温状态预报方法。

技术领域

本发明涉及高炉冶炼领域，尤其涉及一种高炉炉温状态的预测方法。

背景技术

炉温是高炉生产过程中一个重要的状态参数，炉温过高会导致焦比升高，增加高炉成本，也会降低高炉寿命；炉温过低则会导致炉内热量不足，生铁产量降低，甚至会造成炉凉等操作事故。此外，高炉是一个大滞后的系统，如果等到炉温发生明显变化后再采取调节措施，就难以避免炉温的波动。因此，炉温的预测对高炉操作来说具有重要意义。

高炉是一个高压密闭容器，其内部状态大多只能通过间接手段来判断，只有风口区域是可以直接观测高炉内部状态的地方。风口位于炉缸上部，其热状态对炉缸热状态有着重要的影响，一般情况下，操作人员通过直接观察高炉风口的明亮程度可以判断当前风口的热状态，并以此作为判断炉缸热状态变化的一个重要条件。但高炉风口数量众多，即使在安装了风口摄像头的情况下也难以同时进行全面观察，因此在各种研究中很少考虑该条件，损失了重要的信息。而且，高炉运行状况复杂，生产及操作条件的变化将影响模型分析的准确性。

目前，炉温预报的方式主要是基于操作数据的数学模型预测，但是高炉操作条件复杂，各种条件随生产条件而变化，模型也因此受到多种不确定因素的干扰，在预测时产生较大的偏差。

发明内容

有鉴于现有技术的上述缺陷，本发明的目的是提供一种高炉炉温状态的预测方法，能有效结合风口数据，以降低炉温状态预报的偏差，及时为高炉操作提供可靠的帮助。

为实现上述目的，本发明提供了一种高炉炉温状态的预测方法，包括以下步骤：

步骤S1：选取表征炉温参数；

步骤S2：从高炉风口图像数据中提取表征高炉风口热状态的图像特征信息；

步骤S3：选取高炉参数，所述高炉参数包括高炉的操作参数和状态参数；

步骤S4：建立神经网络模型，所述神经网络模型以所述表征高炉风口热状态的图像特征信息、步骤S3中选取的高炉参数为输入，以步骤S1中选取的表征炉温参数为输出；训练获得所述表征高炉风口热状态的图像特征信息、步骤S3中选取的高炉参数对于步骤S1中选取的表征炉温参数在各个滞后时间点的相关系数；

步骤S5：获取当前的高炉风口图像数据和高炉参数数据，输入已训练好的所述神经网络模型，输出各个滞后时间点的所述表征炉温参数数据，实现炉温预测。

进一步的，所述表征炉温参数包括铁水温度和铁水硅含量。

进一步的，所述表征高炉风口热状态的图像特征信息为高炉的风口平均灰度值。

进一步的，所述风口平均灰度值的提取包括以下步骤：

步骤S21：将各风口图像转换为灰度图，去除灰度图的图像噪声，获得各风口的灰度值；

步骤S22：将各风口的灰度值进行均值处理，得到风口平均灰度值。

为便于计算机处理，将高炉的各个风口图像转换为灰度图，通过风口灰度值表征当前的炉温。同时由于高炉设置有多个风口，因此对高炉的所有风口图像的灰度信息进行综合平均处理，以此反应整个高炉的风口热状态的平均情况，并以此作为神经网络模型的一个输入条件进行模型分析，增加模型的准确性。