基于數(shù)據(jù)驅動的高爐冶煉操作參數(shù)優(yōu)化.pdf

1、高爐煉鐵是生鐵冶煉的主要方法,但是冶煉過程復雜,導致其優(yōu)化控制面臨許多困難:首先由于煉鐵過程涉及諸多物質與能量間的變換傳送過程,并且礦源復雜,工況多變,難以建立精確數(shù)學模型。其次高爐過程參數(shù)和生產目標的非線性關系難以描述和估計,且參數(shù)之間的強耦合特性,導致優(yōu)化控制極其困難。為此,本文利用數(shù)據(jù)挖掘技術,從生產過程積累的海量數(shù)據(jù)中挖掘出冶煉過程的規(guī)律,快速有效地確定與當前工況條件相適應的最優(yōu)操作參數(shù)(噴煤量、風量、富氧率)。對于高爐生產中的

2、節(jié)能減排、增產降耗從而提高其經濟指標、增強企業(yè)競爭力等具有重要意義。
　　本文在深入了解高爐冶煉機理的基礎之上,研究了高爐冶煉操作參數(shù)優(yōu)化方法。結合高爐冶煉過程操作參數(shù)的特征、冶煉過程的復雜性及其優(yōu)化控制的研究現(xiàn)狀,提出了基于數(shù)據(jù)驅動的高爐冶煉操作參數(shù)優(yōu)化方法,該方法包含了:1)高爐鐵水硅含量;2)入爐焦比以及煤比等經濟技術指標的預報;3)操作參數(shù)尋優(yōu)算法等,實現(xiàn)高爐冶煉操作參數(shù)的優(yōu)化。本文取得的主要研究成果如下:
　　(1

3、)提出了基于數(shù)據(jù)驅動的高爐冶煉操作參數(shù)優(yōu)化框架。本框架包括模式匹配準備過程、操作模式多級匹配過程以及操作模式演化過程。該框架首先根據(jù)綜合工況評價指標,利用海量數(shù)據(jù)建立了優(yōu)良操作模式庫,而后根據(jù)高爐當前狀態(tài),采用相應方法,達到了獲取最優(yōu)操作參數(shù)的目的。
　　(2)提出了基于歐氏距離的操作模式多級匹配方法。在確定了高爐冶煉的狀態(tài)參數(shù)、操作參數(shù)以及各項工藝指標基礎之上,針對采用遍歷匹配方式時因優(yōu)良模式庫太過龐大而引起的速度緩慢問題而提出

4、了該方法。該方法根據(jù)計算模式間歐氏距離并轉換成相似度值大小來度量操作模式的相似性,采用模糊C均值聚類方法對優(yōu)良模式庫聚類分析,實現(xiàn)了模式的多級匹配,顯著提升了模式匹配過程的效率。
　　(3)提出了基于粒子群優(yōu)化算法的操作模式演化方法。針對采用操作模式多級匹配方法由于工況復雜而尋找不到最優(yōu)操作模式的情況,本文利用相似操作模式集,采用粒子群優(yōu)化算法,同時根據(jù)基于小波神經網絡的指標預測模型計算粒子適應度值,通過循環(huán)迭代更新,設定停止搜索