[發明專利]一種面向波動爐況的高爐鐵水硅含量預測與補償方法

有效

• 申請號: 201910333879.4
• 申請日: 2019-04-24
• 公開（公告）號: CN109934421B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 尹林子;李樂;蔣朝輝;許雪梅
• 申請（專利權）人: 中南大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 何方

本發明公開了一種面向波動爐況的高爐鐵水硅含量預測與補償方法，屬于工業過程監控領域，包括以下步驟：(1)獲取歷史高爐冶煉數據，并將獲取的歷史高爐冶煉數據作為樣本集；(2)選取輸入集，基于BP神經網絡在線預測模型預測高爐鐵水硅含量Si_pre；(3)構建波動知識庫；(4)波動爐況識別：對于待測樣本，遍歷知識庫尋找匹配樣本，對高爐波動爐況類型進行識別；(5)波動爐況下鐵水硅含量預測補償：根據步驟(4)中判斷出的爐況類型，對預測結果進行補償。本發明利用粗糙集計算了與波動爐況相匹配的特征集，構建波動知識庫與BP神經網絡進行波動爐況，并對BP神經網絡的預測結果作出補償，有效優化了鐵水硅含量的預測效果。

技術領域

本發明屬于工業過程監控領域，具體涉及一種面向波動爐況的高爐鐵水硅含量預測與補償方法。

背景技術

鐵水硅含量是反映高爐運行狀態以及衡量鐵水質量的關鍵指標，也是高爐優化控制的關鍵參數。然而，由于生產工藝限制，高爐鐵水硅含量無法在線實時檢測，因此，高爐鐵水硅含量預測對高爐生產優化控制具有重要的意義。

目前，由于機理復雜、環境惡劣、原料來源復雜等因素制約，高爐鐵水硅含量預測研究主要集中于基于數據驅動的智能建模。其中，人工神經網絡鑒于其優秀的非線性動態處理能力以及自適應、自學習特點，成為了高爐鐵水硅含量預測的重要研究手段與主流研究方法之一。

然而，神經網絡預測模型具有一定的局限性，該類模型常適用于平穩爐況，在硅含量數據波動較大時難以準確及時地跟蹤硅含量的變化趨勢，此時，模型預報準確度會急速下降，難以直接指導生產。

張軍紅等公開了一種高爐鐵水硅含量的預報方法，該方法基于遺傳操作選取了風量、熱風壓力、全壓差、透氣性指數、熱風溫度、爐頂溫度、噴煤量、富氧量、鐵間料批數九種輸入變量，運用遺傳算法優化神經網絡避免陷入局部最小。該方法在平穩爐況時具有較高的預測準確率，但波動爐況下預測性能不理想。【張軍紅,金永龍,沈峰滿,等.應用優化BP神經網絡建立鐵水硅含量的預測模型[J].鋼鐵研究學報,2007,19(11):60-62.】

中國專利CN 104915518A公開了一種高爐鐵水硅含量的分區間預報方法，該方法根據特征變量與硅含量相關系數確定輸入變量，將bootstrap預測區間方法結合BP神經網絡，根據硅含量區間分別進行了預報。預報硅含量數值的同時還提供了此次預報的可信度作為參考，提高了預報可信度。缺點在于只能標識出預測不準確的波動爐況，不能解決波動爐況預報不準的問題。

傳統基于BP神經網絡的鐵水硅含量預測方案表述如下：Step1：對數據進行預處理，選取輸入集；Step2：將輸入集輸入神經網絡模型進行訓練；Step3：待測樣本輸入神經網絡，得到預測結果。現有的高爐鐵水硅含量BP神經網絡預測模型具有一定的局限性，在爐況不穩、運行數據波動較大的波動爐況下，預測值無法準確及時地跟蹤硅含量的變化趨勢，此時，預報準確度急速下降，難以直接指導生產。基于此，提出一種面向波動爐況的鐵水硅含量預測與補償方法。

發明內容

針對爐況波動大、運行不平穩時預測準確率劇烈下降的問題，本發明的目的在于提供一種面向高爐波動爐況的鐵水硅含量預測與補償方法，以優化神經網絡模型預測效果，提高預測準確率。

為了實現上述技術目的，本發明提供以下技術方案：

本發明提供一種面向高爐波動爐況的鐵水硅含量預測與補償方法，包括以下步驟：

(1)獲取歷史高爐冶煉數據，并將獲取的歷史高爐冶煉數據作為樣本集；

其中，高爐冶煉數據包括多項特征屬性A＝{a₁,a₂,...,a_n}，以及一項決策屬性，決策屬性為硅含量Si；

表1.歷史高爐冶煉數據