[發明專利]基于多輸出支持向量回歸機的鐵水質量多元動態軟測量方法

在審

• 申請號: 201410624125.1
• 申請日: 2014-11-07
• 公開（公告）號: CN104750902A
• 公開（公告）日: 2015-07-01
• 發明（設計）人: 周平;李瑞峰;王宏;柴天佑
• 申請（專利權）人: 東北大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;C21B5/00
• 代理公司: 沈陽亞泰專利商標代理有限公司 21107
• 代理人: 許宇來

技術領域

本發明屬于高爐冶煉自動化控制領域，特別涉及一種基于多輸出支持向量回歸機(M-SVR)的高爐煉鐵過程鐵水質量多元動態軟測量方法。

背景技術

高爐煉鐵是一個極為復雜的非線性動態過程，用于將鐵從鐵礦石等含鐵化合物中還原出來，冶煉出質量合格的鐵水。通常，表征高爐鐵水質量的四大指標為Si含量、P含量、S含量和鐵水溫度。實際生產中，實現高爐全過程自動控制的首要任務是實現高爐鐵水質量參數的在線檢測。然而，高爐冶煉期間，爐內發生復雜的氣-固、固-固、固-液相反應，并伴隨有高溫、高壓、多相、多場耦合效應，難以直接檢測高爐內部狀態，也難以對最終的鐵水質量參數進行直接在線檢測。為此，就需要建立高爐鐵水質量參數的在線軟測量模型。而高爐運行參數耦合嚴重、非線性較強、對測量設備要求較高等一系列原因決定了高爐鐵水質量的機理模型不易建立。為此，需要充分利用過程豐富的運行數據，并借助于智能建模或統計過程建模技術，建立數據驅動的鐵水質量智能軟測量模型。

專利公開號CN102031319A公開了“一種高爐鐵水含硅量的預報方法”，使用移動平均法對高爐鐵水中的硅(Si)含量進行預報。該方法采用鐵水含硅量短期、中期、長期的均值作為預報的模型的基本數據，然后結合神經網絡對模型進行訓練，得到模型中連接權值。

專利公開號CN103981317A公開了“基于溫降模型的高爐出鐵口鐵水溫度的連續檢測方法”，利用鐵水溝底部所埋熱電偶的測溫數據，最終辨識出鐵口處的鐵水溫度。該方法解決了高爐鐵水溫度檢測需人工參與，間斷不連續，耗材多，測溫值不穩定的問題。

專利公開號CN103320559A公開了“一種高爐鐵水硫含量預報方法”，以硫(S)含量短期均值、硫含量中期均值、硫含量長期均值、前次鐵水對應的爐渣堿度、前次鐵水含硅量、入爐焦炭S含量、入爐煤粉S含量作為鐵水含硫預報的輸入變量，基于徑向基函數神經網絡建模技術，預報下一次鐵水的含硫量。

上述專利報道的方法以及其他相關文獻相關類似方法均只是針對的單個鐵水質量參數(如鐵水溫度、Si含量、S含量等)進行軟測量，未能對表征高爐鐵水質量的主要參數，即Si(硅)含量、P(磷)含量、S(硫)含量和鐵水溫度同時進行多元在線軟測量，因而不能全面反映鐵水質量水平，實用性較差。另外，這些方法沒有考慮輸入輸出時序以及過程時滯關系，因而不能?很好地捕捉高爐冶煉過程的固有動態特性。在冶煉工況變化顯著時，這些方法就不能適應工況的變化而對鐵水質量參數進行較為準確地測量。綜上所述，目前國內外還沒有專門針對高爐冶煉過程鐵水質量參數(Si含量、P含量、S含量和鐵水溫度)進行多元動態軟測量的方法。

發明內容

為了解決以上高爐冶煉過程鐵水質量參數的測量不足，本發明的目的就是基于文獻[M.Sanchez-Fernandez，M.de-Prado-Cumplido，J.Arenas-Garcia?and?F.Perez-Cruz.SVM?multiregression?for?nonlinear?channel?estimation?in?multiple-input?multiple-output?systems[J].IEEE?Transactions?on?Signal?Processing,2004:106-108.]提出的新型多元支持向量回歸機(M-SVR)技術，構造一個具有輸出自反饋結構、并考慮不同時刻輸入輸出數據的鐵水質量多元動態軟測量模型，同時對Si含量、P含量、S含量和鐵水溫度四大鐵水質量指標進行多元在線動態軟測量。本發明可通過常規在線測量方法提供的模型輸入數據，給出當前時刻多元鐵水質量參數的在線估計值，為高爐生產過程的優化操作和優化運行提供關鍵質量指標。

為實現上述目的，本發明采用如下技術方案，本發明包括以下步驟：

(1)輔助變量選擇與模型輸入變量確定

需要軟測量的高爐鐵水質量參數為Si(硅)含量y₁(％)、P(磷)含量y₂(％)、S(硫)含量y₃(％)和鐵水溫度y₄(℃)。根據工藝機理以及變量的可測、可觀和變量之間的相關性，選擇軟測量的輔助變量包括：爐腹煤氣量u₁(m³)、熱風溫度u₂(℃)、熱風壓力u₃(KPa)、富氧率u₄、鼓風濕度u₅(RH)、噴煤量u₆(m³/h)。