[發明專利]一種高爐鐵水質量在線魯棒軟測量方法

有效

• 申請號: 201710679268.6
• 申請日: 2017-08-10
• 公開（公告）號: CN107526927B
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 周平;李溫鵬;柴天佑
• 申請（專利權）人: 東北大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 胡曉男

本發明提供一種高爐鐵水質量在線魯棒軟測量方法，包括：在高爐冶煉過程可控變量中選取對高爐鐵水質量參數相關性最高的六個可控變量，作為輸入變量；同時選取輸出變量；確定隨機權神經網絡模型的階次；初始化隨機權神經網絡相關參數與變量；魯棒初始階段；利用隨機權神經網絡模型和獲取的高爐煉鐵過程數據，在線估計當前時刻的鐵水質量參數；魯棒在線序貫學習階段。本發明中引入利用基于柯西分布加權M估計在線序貫隨機權神經網絡，根據殘差的大小決定樣本數據對建立模型的貢獻，解決了建模過程中大量離群點對建模的不良影響，同時能不斷根據新測量的包含有離群點的高爐煉鐵過程數據不斷修正模型參數，自適應當前工況，消除離群點影響而準確預測。

技術領域

本發明屬于高爐冶煉自動化控制技術領域，特別涉及一種高爐鐵水質量在線魯棒軟測量方法。

背景技術

高爐煉鐵是一個將鐵從鐵礦石等含鐵化合物中還原出來，冶煉出質量合格鐵水的極為復雜的非線性動態過程。鐵水質量指標作為高爐煉鐵過程中最為重要的生產指標，直接決定了后續鋼鐵產品的質量和高爐冶煉過程的能耗狀態。為了實現優質、低耗、高產和長壽的目標，需要對高爐煉鐵過程進行實時監測與控制。目前主要采用硅[Si]含量(化學熱)、鐵水溫度(物理熱)、硫[S]含量、磷[P]含量等參數來綜合衡量鐵水質量的好壞。然而，高爐煉鐵過程的復雜、惡劣特性，鐵水質量參數難以直接測量，且離線化驗有較長時間滯后。為了對高爐煉鐵過程更好的優化控制達到最終的目的，對高爐內部運行狀態實時全面地、準確地監測，必須要對鐵水質量參數進行建模。煉鐵的復雜動態特性，顯著的工況時變，以及同時產生的大量包含離群點數據信息給建模帶來困難。

專利公開號“CN101211383A”公開了一種高爐鐵水硅含量的特征分析預報方法。以高爐鐵水硅含量預報模型的高爐工藝參數為輸入變量，采用改進的動態獨立成分分析方法對輸入變量的樣本數據進行特征提取，消除生產工藝參數之間的相關性，使用遺傳算法優化模型參數的最小二乘支持向量機算法建立高爐鐵水硅含量預報的動態遞推模型。

專利公開號“CN103320559B”提供一種高爐鐵水硫含量預報方法，以硫含量短期均值、硫含量中期均值、硫含量長期均值、入爐焦炭S含量、入爐煤粉S含量等作為鐵水含硫預報的輸入變量，利用高爐形成鐵水的化學反應過程，結合RBF神經網絡，預報下一次鐵水的含硫量，獲得了較好的預報硫含量精度。

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。

上述專利提供的方法以及其他相關文獻相關類似方法都只是針對單一的鐵水質量元素 (如Si含量、S含量、鐵水溫度等)進行預報和軟測量，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預報，因而不能全面反映鐵水質量水平，實用性較差。而且，由于這些方法沒有考慮輸入輸出時序以及過程中的時滯關系，所建立的靜態模型并不能很好地反映高爐冶煉過程的固有特性。另外，在實際煉鐵生產過程中，生產環境惡劣，檢測儀表等裝置的故障以及其他異常干擾的影響，測量數據中包含離群點。這些方法主要考慮了理想爐況下的鐵水質量參數軟測量，魯棒性較差，當建模數據含有離群點時，這些方法不能抑制離群點干擾而對鐵水質量參數進行較為準確地預測。

專利申請號“201610118914.7”申請的“一種基于魯棒隨機權神經網絡的多元鐵水質量軟測量方法”雖然能夠解決上述這些問題，但是，煉鐵動態過程中不斷產生大量數據，且具有顯著的工況時變和非線性動態特性，隨數據量維數的增大，求解隱含層輸出矩陣逆運算的時間與計算復雜度迅速增加，此方法既不具有處理大量數據的能力又需要人為定期采用新的煉鐵過程數據對預報模型進行離線重新訓練，不能根據新來到的過程數據在線實時更新模型參數以自適應當前工況進行準確的預報，增加了設備成本和勞動力成本。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)進行多元動態自適應工況在線魯棒軟測量的方法。