（钢铁冶金专业论文）高炉工艺参数的相互关系分析及优化预测.pdf

东北人学硕士学位论文摘要 摘要 实现高炉生产的优质、高产、长寿和低耗需要不断优化生产，实现生产的 自动控制。由于我国的高炉受原料成分波动、自身检测装配水平的限制，以及 各高炉冶炼条件的相异性，使得直接引用国外的数学模型和专家系统并不能很 好的去解释和控制每一座高炉。这就需要根据各高炉自身冶炼特点，对反映高 炉冶炼特点的现场生产数据进行处理，以寻求高炉操作参数之间的相互关系， 根据其相互关系实现对所需目标函数有较大影响参数的选择：由所选择的操作 参数建立模型实现数据反馈、目标函数的预测。 本文从高炉现场生产数据本身出发，利用统计的方法对现场数据进行处 理，计算特征参数，由五数总括图、趋势图等了解各参数的分布情况，得到了 各操作参数的端点推荐值。 利用通径分析，对高炉现场数据进行处理，将高炉操作参数之间的相互关 系处理为直接通径和间接通径，并对其进行了排序。利用最小剩余通径系数确 定影响目标函数的主要变量因素，实现了变量因素的优化选择。 根据模糊因果聚类分析的方法，运用模糊数学、数理统计及数值计算的知 识采用截集分类法和定类分类法分别实现了样本数据的分类，以期进一步了解 在已知故障出现的情况下高炉各操作参数以及操作参数之间的变化规律。 在变量优化选择的基础上，结合偏最小二乘回归能较好地解决自变量之间 的多重相关性问题和神经网络可以克服模型必须是现场数据的线性和非线性组 合的局限的特点，本文建立了偏最小二乘回归神经网络预测模型。自变量经偏 最小二乘回归处理，提取对因变量解释性最强的成分，一方面可以解决变量之 间的相关性问题，另一方面降低了神经网络输入层节点的数目，简化了网络的 结构，提高了训练速度。模型经训练后采用末尾添加式偏最小二乘回归神经网 络模型对预报集的样本数据进行焦比预报，预报精度在8 0 以上的命中率为 8 7 ，预报精度在8 5 以上的命中率为8 4 ，预报精度在9 0 以上的命中率为 5 1 。预报效果较好。 考虑到样本分类对于炉况控制的重要性，从现场数据之间的内在联系出 发，在变量优化选择的基础上，建立了模糊聚类预测模型。克服了高炉预测因 子的随机性和不确定性因素带来的困难，解决了高炉预测因子到预测对象之间 建立对应关系并求解其结构较为困难的问题。采用“末尾添加式”模糊聚类预 报模式对新的样本进行焦比预报，焦比预报精度在9 0 以上的达8 0 。焦比预报 精度在8 5 以上的达9 3 ，焦比预报精度在8 0 以上的达9 6 。 比较两预测模型的预测原理，分析了影响模型预报精度的因素，指出了训 练集样本数据库选择的重要性。 关键词：高炉数据挖掘五数总括通径分析偏最小二乘回归神经网络模糊聚 类 东北大学硕士学位论文 a b s t r a c t a b s t r a c t i no r d e rt oa c h i e v et h eg o a lo fe x c e l l e n tq u a l i t y ，h i g hp r o d u c t i o n ，l o n gl i f ea n d l o wc o s t o p t i m i z a t i o na n da u t o m a t i o ni nb l a s tf u m a c ei se s s e n t i a l m a t h e m a t i c a l m o d e la n de x p e r ts y s t e mi n t r o d u c e df r o mw e s tc o u n t r i e sc a n n o tb ea d a p t a b l et oo u r s ， d u et oi n f l u e n c e so nb l a s tf u m a c ef r o mf l u c t u a t ec o m p o n e n to fr a wm a t e r i a l ，1 i m i t e d d e t e c t i n ga s s e m b l yl e v e la n d d i f f e r e n ts m e l t i n gc o n d i t i o nt h e r e f o r e ，i ti si m p o r t a n tt o t r a c et h ec o l l e c t e df i e l dd a t at ot a pt h ep o t e n t i a lr e l a t i o n s h i pb e t w e e nt h e mt os e l e c t f a c t o r sm o s te f f e c to nt a r g e t ，w h i c hs t r o n g l yr e f l e c t st h es m e l t i n gc o n d i t i o n b a s e do n s e l e c t e df a c t o r s ，i ti se a s i e rt os e t u pm o d e l so fd a t af e e d b a c ka n dt a r g e tp r e d i c t i o n o nt h eb a s i so ff i e l dd a t a i ta p p l i e ss t a t i s t i c si n t ot h ed a t at r e a t m e n tp r o c e s s t h e c h a r a c t e r i s t i cp a r a m e t e r sa r ec a l c u l a t e da sw e l la sf i v e n u m b e rl u m ps u mf i g u r ea n d t e n d e n c yc h a r ts oa st ow e l lu n d e r s t a n dt h ed i s t r i b u t i o no f d a t a 1 i m i tr e c o m m e n d a t i o n a r ea l s oo b t a i n e d t h ef i e l dd a t aa r et r e a t e da c c o r d i n gt op a t ha n a l y s i s t h er e l a t i o n s h i pb e t w e e n o p e r a t i o n a lp a r a m e t e r sa r ea n a l y z e d a sd i r e c ta n di n d i r e c tp a t h ，w h i c ha r es o r t e d a f t e r w a r d s m a i nf a c t o r st ot a r g e ta r es e l e c t e db yt h em e t h o do fm i n i m u mr e m a i n i n g p a t hc o e f f i c i e n t i td o e sb e n e f i tt oo p t i m i z a t i o no n f a c t o re l e c t i o n w i t hf u z z yc a u s a lc l u s t e ra n a l y s i sm e t h o d ，f u z z ym a t h e m a t i c s ，m a t h e m a t i c a l s t a t i s t i c sa n dn u m e r i c a lc o m p u t a t i o na r ec o m b i n e dt ob ea p p l i e di n t oc l a s s i f i c a t i o no n s a m p l ed a t a i ti sd i v i d e di n t of i x e d t h r e s h o l da n df i x e dc a t e g o r ym e t h o d ，w h i c hi s e a s i e rt of u r t h e rd i s c o v e r yr e g u l a rp a t t e r no f d a t au n d e rd i f f e r e n tc o n d i t i o n s w i t hs e l e c t e df a c t o r sa b o v e n e u r a ln e t w o r km o d e lw i t hp a r t i a ll e a s t - s q u a r e s r e g r e s s i o ni s s e t t l e d w h i c hc o m b i n e st h ea d v a n t a g e so ft h eb o m n l ef o i t n e rc a n o v e r c o m et h es h o r t c o m i n gt h a tt h ec o n v e n t i o n a lm o d e l sm u s tb et h ec o m b i n a t i o no f l i n e a r i t ya n dn o n l i n e a r i t yo fi n p u td a t a ，w h i l et h el a t t e rc a nr e s o l v et h ep r o b l e mo f s e r i o u sm u l t i c o l l i n e a r i t ya m o n gv a r i a b l e s t h es e l e c t e dc o m p o n e n t st h r o u g hp a r t i a l l e a s t - s q u a r e sr e g r e s s i o ni n t e r p r e t st h et a r g e tw e l l o n o n eh a n d ，i ts e r i e st h ep r o b l e m o fs e r i o u sm u l t i c o l l i n e a r i t ya m o n g v a r i a b l e s ；o nt h eo t h e rh a n d i tr e d u c e st h ep o i n t so f i n p u tl a y e ra st os i m p l i f yt h es t r u c t u r eo f n e t w o r ka n di n c r e a s et h er a i n i n gs p e e d t h e t r a i n e dm o d e la d o p t e dt h eb o r o ma p p e n d e dp a r e mp r e d i c t sw e l lo nc o k er a t i o ，w i t h a c c u r a c yo f o v e r8 0 a c c o u n t i n gf o r8 7 ，o v e r 8 5 a c c o u n t i n gf o r8 4 a n do v e r9 0 a c c o u n t i n gf o r5 1 c o n s i d e r i n gt h ei m p o r t a n c eo fs a m p l ec l a s s i f i c a t i o nt ob l a s tf u r n a c ec o n d i t i o n ， f u z z yc a u s a lc l u s t e rp r e d i c a t i o nm o d e l i sm a d eo nt h ei n l l e rc o n n e c t i o no fd a t aw i t h 东北人学硕十学位论文 a b s t r a c t s e l e c t e df a c t o r s ，i to v e r c o m e st h er a n d o ma n di n d e f i n i t ef a c t o r se f f e c to fb l a s tf u r n a c e a sw e l la st h ec o m p l i c a t e dr e l a t i o n s h i pa n ds t r u c t u r ec o n n e c t i n gt h et a r g e ta n d f a c t o r s t h et r a i n e dm o d e lw i t ht h eb o t t o ma p p e n d e dp a t t e r np r e d i c t sw e l lo nc o k er a t i o ，w i t h a c c u r a c yo f o v e r8 0 a c c o u n t i n gf o r9 6 ，o v e r 8 5 a c c o u n t i n gf o r9 3 a n do v e r9 0 a c c o u n t i n gf o r8 0 f a c t o r se f f e c t i n gp r e d i c a t i o na c c u r a c ya r ef u r t h e ra n a l y z e db yc o m p a r i n gt h e o r y o ft w op r e d i c a t i o nm o d e l s ，w h i c hp o i n t so u tt h ei m p o r t a n c eo fs e l e c t i n gs a m p l ef i e l d d a t af o rt r a i n e dd a t a b a s e k e y w o r d s ：b l a s tf u r n a c e ，d a t am i n i n g ，f i v e - n u m b e rs u m m a r y ，p a t ha n a l y s i s ，n e u r a l n e t w o r kw i t h p a r t i a ll e a s t s q u a r e sr e g r e s s i o n ，f u z z y c l u s t e r 声明 本人声明所提交的学位论文是在导师的指导下完成的。 论文中取得的研究成果除加以标注和致谢的地方外，不包括 其他人已经发表或撰写过的研究成果，也不包括本人为获得 其他学位而使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中作了明确的说明并表示谢意。 本人签名：由月乞- 静 日期：8 月；- f 3 东北人学硕士学位论文 第一章引言 第一章引言 钢铁是国民经济、社会发展和国防建设重要的基础原材料，是工业发展中最 重要的基础性结构材料和功能材料。没有钢铁就没有工业化。2 l 世纪，世界进入 经济全球化和信息化的新历史时代，仍需要有钢铁材料作为支撑。钢铁工、【k 发展 的水平历来是一个国家综合国力强弱的重要标志之一。 加入w t o 后，我国钢铁工业面临着全新的挑战，钢铁产品在激烈的市场竞争 中，不但要在品种、质量上满足要求，而且要在生产成本上取得优势，真正做到 物美价廉。而且在当今供大于求的情况下，大多数产品的低成本、低价格，往往 成为市场竞争中的首要因素。因而，必须使钢铁企业在整体上提高其自动化技术 装备水平，实现优质、高产、低耗和长寿。 高炉冶炼生产是在高温、高压、密闭条件下，进行物理、化学和动力学过程。 由于影响高炉安全稳定性生产的因素很多，因此采用了各种传感器来观测高炉生 产过程中的各种参数和炉内状态，力求为操作工作者提供有效、可靠的操作参考 依据。但是，高炉冶炼的复杂性使得这些参数对高炉生产过程的影响并非独立的， 因此在未对这些参数加工、处理之前，仅依靠高炉冶炼理论和操作人员的生产经 验来实现对炉况的判断，无疑是很困难的。 生产中常会遇到一些问题影响高炉生产，要保证高炉的正常运行，一方面需 要提高高炉操作者的技术水平，另方面则需要不断优化生产，实现生产的自动 控制，减少问题的产生。高炉炼铁过程既是生产铁水的实践过程，也应该是试验 过程。如果能将现场的生产数据利用某种数学方法进行合理处理，对生产数据进 行系统归纳、计算以寻求高炉操作参数之间的关系，明确各操作参数对高炉的影 响，并可以根据这些规律调整某些操作指标对现场实际情况和所需达到目标做h j 正确决策。根据这一方法，可不断将现场生产数据作为输入端，将所分析结果即 操作参数( 自变量) 与目标( 因变量) 之间的关系作为输出端，分析、评价结果， 依此调整操作参数，达到不断优化高炉操作目标、促进生产良性循环的目的。 另外及时准确地判断炉况，恰到好处地实施调剂对高炉的某些重要参数进 行预测，是实现高炉稳定、顺行的关键。这方面一直是冶金工作者不断追求的目 标。世界一些发达国家都在不同程度的从事着这方面的开发研究工作。 尔北大学硕士学位论文 笫_ 二章文献综述 第二章文献综述 弟一早义i 颞缘怂 在实现高炉冶炼自动控制的过程中，对高炉冶炼过程的研究大致经过了几个 阶段。 由于高炉冶炼过程的复杂性特点，许多现象( 炉况异常) 还无法用准确的数 学模型来描述，因为数学模型不能处理过程现象中的模糊信息，而高炉冶炼过程 却存在着大量的这样的模糊信息。这可由图表示如下： 图2 1 高炉冶炼参数信息处理流程 f i g 2 1p r o c e s s i n gf l o wo f b l a s tf u r n a c eo p e r a t i o n a lp a r a m e t e r s 由图可知，高炉冶炼过程提供了大量各种类型的过程信息：其一是确定性信 息；其二是不确定性信息。且大部分都是不确定性信息。为了及时准确地判断炉 况，并调燕相应操作参数，实现高炉顺行、低焦比、低成本、高产量、高质量和 高效益。根据高炉的信息特点，这方面的研究也主要从两个方面开展起来，其一 是高炉数学模型的研究；其二是专家系统。 2 1 高炉数学模型 高炉是一典型的大滞后、时变、非线性、多输入多输出系统。一段时间以来， 人们开展数学模型的研究工作，用开环、预报的方法对炉况进行管理和操作指导。 由于构造对象模型不具有唯一性，因此从各方面研究高炉数学模型。 高炉过程具有如下特点： 东北大学硕士学位论文 第二章文献综述 1 ) 高炉冶炼过程是一个在高温状态下进行的复杂的物理、化学与传输过程， 存在气( 煤气) 、固( 炉料) 、液( 渣铁) 三相之间的复杂反应，而且沿高炉高度方向 和径向具有不均匀性； 2 ) 高炉冶炼过程是在密闭状态下进行的，过程参数大多不能直接观测，只能 间接测定过程的输入输出变量，通过这些变量间接认识高炉过程，因而增加了建 立高炉数学模型的难度； 3 ) 影响高炉冶炼过程的因素十分复杂，生产中要加入许多操作人员的知识与 经验，来控制炉况随着时间的变化，以进行综合判断，达到控制高炉的目的。 自六十年代以来，世界上开发了多种高炉数学模型，回顾高炉过程数学模型 的发展，它可以分为如下五类”1 1 ) 基本热力学的高炉热状态模型； 2 ) 操作线图及其应用； 3 ) 动力学模型； 4 ) 控制模型； 5 ) 基于高炉监测的炉况判断模型。 高炉热状态模型：v r 瓦尔特曼根据理查德准则提出了一个精确模型【2 】， 其基本思想是把高炉分成四个带：预热带、间接还原带、直接还原带和炉缸，每 个带的热乎衡、物料平衡与高炉总平衡有关，因而相邻区域热交换、生铁产量、 焦比和渣量都可由模型确定。这一模型至今仍在使用，但也发现边界温度和用以 判断高温区域所需热量的还原性能较难确定等问题。 操作线图是基于b i 基太也夫( k i t a e v ) 提出的高炉气、网相热交换理论发 展起来的【3 1 。根据这一理论，整个高炉煤气水当量几乎恒定，而固体水当量沿高 炉高度变化较大，高炉上部炉料水当量小于煤气水当量，气固两相温度随其温度 差减少而沿高炉高度方向激烈增加：高炉下部，由于溶损反应、铁氧化物直接还 原和其他元素还原反应大量吸热，两相温度随温差加大继续增加，因此沿高炉高 度温度分布可应用热交换理论并考虑相变潜热和化学反应热来确定。里斯特等人 根据热交换和氧交换的原理分析高炉操作，提出了操作线图的原理。 动力学模型：即从反应动力学出发找出反应率与各参数之间的函数关系引入 平衡模型用以解析高炉过程【4 j 。针对高炉上、下部反应条件十分悬殊，将高炉按 反应条件差异分成几个反应区，分别加以数学描述或把高炉作为一整体连续的反 应器，建立整体数学模型。g a 弗里曼( f l i e r m a n ) 、珂珀( k o u m p ) 等人在分区模 型描述方面都提出了自己的模型，但是都是在各自假设条件成立的条件下才能得 到较精确的解，而这往往在很多方面与高炉生产状态不相符。模拟全部高炉过程 数学模型以鞭岩模型最负盛名。鞭岩模型将高炉反应器当作柱塞流处理，这虽然 能在不涉及高炉分布不均匀的情况下得到高炉整体规律性，但其在了解高炉这些 不均匀分布的特性规律以及不均匀分布因素分析方面却无能为力，而这也是相当 东北大学硕士学位论文 第二章文献综述 重要的。之后，a k 拉哈里( h a h a r i ) 、馆充、r 耶绍( j e s h a r ) 、鞭岩、雨田野道 春等针对这种分布不均匀性相继建立了模型，使得模型有了较大地发展。 控制模型：这类模型中最负盛名的是日本钢管公司的“水江模型”，其假定 第n 次铁水含硅量与前一次铁水含硅量之差与此期间热储备成正比来预报铁水含 硅量。但由于其独立变量少，在炉况不顺时，效果不好。法国钢铁研究院提出 的“w u 模型”，利用高炉下部区域热平衡推出表示炉身下部热量的指数，将所得 实际值与预定值作比较，通过调整有关因素保证w u 值稳定，从而达到高炉稳定 操作【引。但美国伯利恒公司h o m e r 实验室曾利用伯利恒b 高炉1 9 6 8 年5 月的操作 数据对w u 指数的应用做过试验，计算结果表明，该指数与铁水中含硅量关系不 太密切吼基于相同的理论，a 波斯( p o o s ) 提出了以e c 表示炉温指数的“e c 模型”【”。其在新臼铁高炉下部热状态相对稳定条件下应用较成功。 炉况判断模型：炉况判断模型以新日铁公司的a g o s 模型和川崎制铁公司的 g 0 一s t o p 模型最负盛名。8 0 年代初新日铁公司开发了一种新的高炉操作管理系 统，并成功地应用于名古屋1 号和3 号高炉上，系统简称为a g o s ( a c t i o ng u i d e o p e r a t i o ns y s t e m ) 【8 l 。该操作管理系统是根据大量的操作经验所得知识经过推演 和整理，按炉热、透气性、下料指数等六个项目加以综合分类。同时，根据生产 管理的需要，并考虑到能源平衡和经济方面的因素确定最恰当的高炉操作条件和 操作指标。然后把合理的管理指标和控制手段结合起来，以期实现操作的标准化 和系统化。该系统能确定高炉长期管理的方针同时对操作中出现的干扰迅速作出 判断，确定应急操作管理，以保持高炉炉况的稳定。川崎g o s t o p 模型( 以下简 称g s 模型) ，是一种高炉运行参数结合操作者经验，由计算机对炉况进行判断并 提供操作指导的模型1 9 】。这模型开始用于千叶工厂，后经多次改进。目前巴西 图巴朗( t u b a r a o ) 钢铁厂、德国蒂森公司( t h y s s e n ) 、法国诺巴斯( r o m b a s ) 铁厂均 已引进。这一模型主要特点在于以炉料下降作为判断炉况的主要考虑因素结合了 许多高炉操作、炉况判断和控制的丰富经验而形成炉况判断系统，能预报崩料、 炉凉等重大炉况异常，能提供操作指导，以改变风量作为控制炉况的应急对策。 该系统能消除因操作者经验和水平的差异及操作不一致而造成的炉况波动。 综合以上数学模型，也有人将以上高炉数学模型分为两种。六、七十年代开 发的炉热模型，如法国的热能指数( w u ) 模型，日本新臼铁的炉热指数( t c ) 模型， 日本住友的炉热( t s ) 模型等。它们都属于机理模型，即根据高炉下部的热平衡方 程对炉热变化作出预报，在炉况平稳时对含硅量预报命中率达8 0 左右，但在炉 况异常时就不适用了。另一种是七、八十年代开发的炉况判断模型，如日本川崎 的g o s t o p 系统，日本新日铁的a g o s 系统等。它们属于经验模型，是根据操作 经验对炉况进行判断并作出操作指导，主要为防止悬料、炉凉等异常炉况。 综合各高炉数学模型，我们发现其仅能对确定性信息进行处理，这在很大程 度上限制了高炉数学模型的功能和精度。为辅助数学模型控制高炉冶炼过程，专 4 东北人学硕十学位论文第= 辛文献综述 度上限制了高炉数学模型的功能和精度。为辅助数学模型控制高炉冶炼过程，专 家系统应运而生，即建立高炉智能模型，处理不确定性信息。高炉专家系统是对 高炉数学模型必要的有益的补充，因为实践表明在f 常炉况下，高炉数学模型不 如专家系统有效。数学模型与智能模型的有机结合，将会增强系统的适应能力， 将会使高炉冶炼过程得到更加有效的控制。 2 2 高炉专家系统 高炉冶炼的复杂性特点使高炉专家系统的优越性很早就受到国内外冶炼专 家的青睐。所谓的专家系统是将高炉专家的经验以计算机程序的方式提取运行， 从而实现高炉炉况的判断和控制。专家系统知识表达与获取的基本过程如图2 2 所示 再识别 再描述再设试 i 冉建屯 i 卜呻i 卜刊卜叫卜叫 问题 l 知识概念li 识的形式ii 识的结构il 构体 识别 概念化 形式化 实现 测试 知识源开发知识表示 图2 2 专家系统知识表达与获取基本过程 f i g 2 2p f o c e s so f k n o w l e d g er e p r e s e n t a t i o na n da c q u i r e m e n ti ne x p e r ts y s t e m 早期的高炉专家系统主要用于炉热状态预测、异常炉况判断两个方面，目前 在布料控制、软熔带位置及其形状推断、炉体设备诊断及热风炉燃烧控制等许多 方面都有所应用。世界上一些发达国家都已相继采用了高炉专家系统。日本是最 早将高炉专家系统技术引入到高炉操作领域的国家，目前仍处于领先地位。日本 著名的高炉专家系统有： 1 、日本新日铁a l i s 高炉冶炼专家系统【lo 】，该系统是日本第一个高炉专家系 统。a l i s 系统配有在线和离线推理机，离线推理使用在线的全部数据、过程计 算机存储的历史数据和为调试准备的任意数据，从而可以对所有可能的操作状况 进行模拟推理。在线时系统每3 0 分钟进行一次推理，每次推理需3 0 秒。该系统 的突出特点是知识库易维护，操作规则可由现场操作人员管理，应用范围广，推 理结果用广播的方式播放。其构成如图2 3 所示。 东北大学硕士学位论文 第二章文献综述 图2 3 a l l s 系统流程幽 f i g 2 3f l o wc h a r to f a l i ss y s t e m 2 、日本川崎制铁的高炉专家系统a d v a n c e dg o s t o p 是在原有系统g o ，s t o p 的基础上发展起来的【“】。该系统从数百个过程数据中抽取信息，然后描述规则进 行推理。该系统通过几十个参数描述高炉炉内的复杂情况，对高炉炉况进行判断， 并根据结果指导操作。其系统基本构成如图2 4 所示 图2 4a d v a n c e dg o - s t o p 系统流程图 f i g 2 4f l o wc h a r to f a d v a n c e d dg o - s t o ps y s t e m 东北大学硕士学位论文第二章义献综述 3 、日本钢管的高炉专家系统b a i s y s 由高炉异常炉况判断专家系统和炉热控 制专家系统组成1 。i 。其炉热状态专家系统以铁水温度表示炉热状态来控制高炉操 作，并利用模糊集合的方法表达结论可信度。 4 、日本住友金属的混合专家系统h y b r i d 是将高炉数学模型t s 结合专家规 则建立的i ”。系统运行时，先采用专家系统对高炉热状态进行判断，若高炉炉况 诈常或只有轻度不f 常，则仅用数学模型进行控制。若炉况出现异常，则采用专 家系统进行规则推理。经统计，高炉生产中，约有8 0 8 5 的时间由数学模型控 制，1 5 2 。的时间由专家系统控制。 5 、曰本新日铁厂的s a f a i a 系统主要用于控制软熔带并预报其变化趋势。其 采用的是神经网络的识别功能。 近年来，首钢和鞍钢相继开发了各自的高炉专家系统，经实践取得了较好的 效益。 首钢高炉专家系统” 首钢与北京科技大学在1 9 9 1 年联合开发了高炉专家系统。其由数据库、知 识库、推理机和解释系统四部分组成【4 6j 。该系统包括炉体状态判断、顺行状态判 断和热状态判断三个子系统。自从1 9 9 1 年9 月份开始，首钢高炉专家系统运行 至今，在指导高炉操作、增产节焦诸方面取得了较好的效果。 鞍钢高炉专家系统、i 由东北大学与鞍山钢铁公司合作开发，该系统由四个部分组成：炉况评价、 异常炉况判断、热状态判断、操作系统及解释子系统。考虑到我国的原料条件比 较差，系统参数经常变化，为此采用机器学习的方法进行离线调整。其在推理过 程中采用了自行设计的领域黑板和控制黑板相结合的通用推理结构。 世界其他国家包括美国、芬兰、澳大利亚等均相继开发了各自的高炉专家系 统。近年来，我国有许多家钢铁企业也引进或开发了专家系统。我国的高炉数学 模型研制工作刚刚起步，大都主要是消化移植国外应用成功的数学模型。但是， 我国现有大中型高炉在工艺、设各、检测仪表、原料等方面和国外先进高炉有很 大差距，给引进、移植国外数学模型带来很多困难。如日本的现代化大型高炉， 设备先进，装有众多特殊检测仪表，原料精，成分波动小，因此炉热已经相当平 稳。在他们的情况下，硅预报意义不大，主要问题是检测和预报异常炉况，因此 开发、应用了g o - s t o p 、a g o s 等炉况判断系统。我国除宝钢等几家钢铁企业外均 不具备以上条件。国外模型的主要特点是检测点多，精度高，信息准确，原燃料 成分波动小，自动化装配水平较高，相对来说，其实现在线控制的程度也就高。 但是由于我国钢铁企业高炉原料条件比较差，系统参数也经常变化，加上高炉冶 炼本身大滞后的特点，我们必须根据这些限制条件开发适合自身生产的专家系 统。目前，国内的计算机控制技术在高炉上的应用相对于国外比较落后，而且专 家系统的研究在国内其他领域也多有报导，高炉上的专家系统尚处于起步阶段。 东北大学硕士学位论文 第一：章文献综述 高炉数学模型和专家系统的有机结合大利推动了高炉的自动控制，但是基于 机理的或是经验的模型，由于受到其假设工艺条件的限制使得在很多情况下并不 能完全准确地描述复杂的高炉系统。实践证明高炉专家系统在高炉顺行时工作情 况良好，一旦高炉炉况出现异常情况时，不能实现准确地在线控制。而且该系统 依赖用户或专家人工地将知识经验输入数据库。准确地实现高炉自动诊断的一个 重要前提条件是清楚与炉况有关的诸参数，了解这些参数对炉况的作用以及这些 参数之问的相互作用。能够反应操作参数之间关系的最有力证据就是历史数据。 2 3 数据挖掘 自动化水平的提高和普及，使高炉生产过程中留下大量的生产数据。在高炉 专家系统中已有将长期的历史数据用神经网络、模糊集等方法处理得到模式数据 的 己录，包括我们上面提及的b a i s y s 、h y b r i d 和s a f a i a 专家系统。目前，从历 史数据中获取有用信息已经形成一独立的研究领域数据挖掘( d a t a m i n i n g ) 。 “数据挖掘”是基于人工智能、机器学习、统计学等已经成熟的技术，高度自动 化地分析企业原有数据，做出归纳性地推理，从中挖掘出潜在的模式，反过来预 测或监视企业行为，帮助决策者做出正确的决策| 1 “1 i 。数据挖掘被认为是目前解 决“数据爆炸但知识贫乏”的一种有效方法。其已经在多个领域取得了令人满意 的应用。包括金融投资领域、信用评估领域、网络管理领域、销售领域等等，在 国际上掀起了一股空前的研究热潮。我国学者在该领域已开展了很多研究。同时， 诸多数据挖掘软件也已面世，如美国s a s 公司的e n t e r p r i s em i n e r 和i b m 公司 的i n t e l l i g e n tm i n e r 等。其主要步骤”如图2 5 所示 图2 5 数据挖掘流程图 f i g 2 5f l o wc h a r to f d a t am i n i n g 1 、数据的选择：数据样本过多时往往会使后序数据处理精度降低亦或失效， 即不能准确反应数据的特征。这就需要从大量历史数据中选择分组处理数据或从 中抽取部分数据进行研究。选择方法需要根据具体情况和所要达到的目标而定。 如在线分析和离线分析高炉生产数据的差别就很大 2 、数据预处理：所选数据需要经过数据预处理过程进行加工。数据预处理 包括以下几方面：( 1 ) 如对数据范围有限制，须检测各数据是否在波动范围内。 对于不在规定范围内的数据要进行处理，( 作为噪声或异常点，删除或留待分析) 东北大学硕士学位论文 第二章文献综述 ( 2 ) 数据清理：主要指对数据中空缺值的处理，对噪声数据的平滑。对空缺值 的处理可以将其对应组忽略、人工填写、用一常量或平均值填补，也可用基于回 归、贝叶斯网、神经网络等方法的预测值代替。对噪声数据的平滑目前已有很多 较成熟的方法，如时域平滑滤波法等。除此以外还有分箱法、聚类法、回归法。 ( 3 ) 变量变换：在采用某些方法对数据进行后续处理时，如回归建模时，不同 变量数据之间变化可能会很大，若不作任何处理便进行建模，某些过小的数据会 被屏蔽掉，而且不同变量数据有不同的量纲，在多数数据处理方法中，不同量纲 不具有可比性，因而必须消除量纲的影响。具体方法主要有数据标准化法和数据 归一法。( 4 ) 降维( 变量筛选) ：在数据挖掘中，给定分析的变量往往很多， 过多的变量会引起一系列问题，如建模时可能会出现高维灾难。变量筛选主要指 从大量数据中选择与分析目标影响大的变量数据，而将与分析目标影响不大的变 量数据筛掉。以高炉焦比为例，即是从诸多操作参数中选取对焦比影响较大的数 据。( 5 ) 异常点检测：所谓异常点，是指与绝大多数观测数据有很大差异的观测 数据。通常可将其分两种：其一是对单变量进行处理，这种处理方法利于发现单 个变量的数据分布情况，并可检测出其中的异常点；其二是对多变量观测数据的 综合处理，用以检测全部所选变量的数据分布情况和其中的异常点。( 6 ) 矛盾 点检测：所谓的矛盾点是指当存在目标函数和对应变量时，若两组观测数据的所 有变量值较接近，而目标值相差很大，则称这样的两组观测数据为矛盾观测。进 行矛盾点检测是为了检测数据中的矛盾观测。这也应根据具体问题而定。值得考 虑的是与目标函数相关性较大的变量必须包含其中，否则也会导致错误的矛盾点 检测。 3 、数据转换、压缩：指应用数据编码或变换，以得到原数据的规约或“压 缩”表示。具体实现方法有小波变换、傅立叶变换和主成分分析法。其中小波变 换和傅立叶变换主要用于图像处理等；主成分分析法在农业、工业和金融业中均 有所应用。( 按指定方法组织数据，采用某种方法处理使数据转换为更能表现出 其特征的新变量，同时对数据中不能进行后续处理的数据进行格式或模糊变换) 4 、数据挖掘；是处理数据的核心部分，指从数据源中确定模式。数据挖掘 最常用的方法有( 1 ) 决策树法。一种用树枝状展现资料受各变量的影响情况的 分析预测模型，根据对目标变量产生主效应的不同而制定分类规则，常用的分类 方法有分类、回归树及卡方自动交互探测法。( 2 ) 集合论方法。包括基于粗糙 集理论的方法，它将知识理解为对数据的划分，每一被划分的集合称为概念，主 要思想是利用已知知识库，将不精确或不确定的知识用已知知识库中的知识近似 刻划。( 3 ) 统计学方法。利用统计学原理对数据进行分析。可应用常用统计( 求 大量数据中的最大值、最小值、总和、平均值等) 、回归分析( 求回归方程来表 示变量间的数量关系) 、相关分析( 从相关系数来度量变量间的相关程度，且可 构造相关系数矩阵来研究变量间关系) 、差异分析( 从样本统计量的值得出差异 东北大学硕士学位论文第二章文献综述 来确定总体参数之间是否存在差异等) 。( 4 ) 人工神经网络法。人工神经网络具 有对非线性数据快速建模的能力，通过对训练集的反复学习来调节自身的网络结 构和连接权值，并对未知的数据进行分类和预测。( 5 ) 遗传学算法。基于模拟 生物进化过程原理的算法，在设计中使用抽象于生物进化过程的、基于自然选择 和生物进化机制的优化技术。其主要步骤包括繁殖、变换和变异。( 6 ) 规则推 理方法。该方法在训练集中搜索规则空间寻找对目标数据进行分类的最有效的规 则。 由于数据挖掘应用的广泛性，其步骤以及相应处理方法的选择应具体问题具 体分析，也就是说其应用背景性较强。以对高炉采集数据噪声处理过程为例。在 高炉众多的传感器中，由于原料装入的波动等因素不可避免地产生些干扰信 号，从而使数据采集系统获得的数据往往叠加有噪声，为提高数据处理的精度， 必须除去这些随机噪声。有的采用了平滑滤波处理的方法。随着计算机技术的发 展，目前也出现了采用各种统计方法进行滤波的方法，如时域平滑滤波法和频率 平滑滤波法等f 1 9 1 。但是高炉实际运行过程中，除去噪声的数据真实值往往有变化， 这些变化可能是由于炉况的变化引起的。因此，可以说高炉数据可能除了包含有 噪声外，还存在自身的变化因素。如果采用单纯移动平滑处理，则不但对噪声进 行了平滑，而且也对真实数据的变化部分进行了平滑，从而会引入由于处理本身 所产生的方法误差。这些变化部分很可能是我们所要分析的对象。对有的方法如 神经网络，本身就有内部的数据平滑机制，故其数据在预处理中不用进行平滑。 若使用最小一最大规范法预处理数据，虽然其可保持原始数据之间的关系，但如 果其后的数据在最大、最小值之外，则该方法会面临“越界”错误。所以，数据 预处理具体步骤应具体选择，准确安排。 关于对操作参数的处理，在专家系统中曾有所提及，但归于专门系统化处理 的还是数据挖掘。市场上的数据挖掘工具软件售价很高，且缺乏( 面向行业的) 针对性。宝钢在多方面详细地分析国外数据挖掘软件的基础上，开发了自己的数 据挖掘系统 2 0 2 1 】。其根据热轧产品生产中所需解决的预报、质量改进和新钢种设 计问题对相关操作参数进行了处理。 2 4 高炉操作参数相互关系的研究历史概况 高炉操作参数相互关系的重要性很早就受到了冶金工作者的重视。i 虱# i - 早在 五、六十年代就在这方面进行了研究。在进行冶金科学研究工作时，数理统计方 法的应用开辟了新的可能。在冶金领域中，已应用数理统计方法解决了许多主要 的技术经济课题。 东北大学硕士学位论文 第二章文献综述 2 4 1 方差分析处理 基于方差比较的方差分析可以确定一个生产因素或在工艺规程中所引入的 改变对工艺过程的影响，曾采用方差分析解决变量的相关问题，其确定了所研究 现象与其各个因素的有无关系。 2 4 2 简单、多变量相关性分析 为深刻地研究现象之间的相互关系，选择了用简单相关性分析来确定变量间 的相互关系。通常，在生产条件下，研究与大量不同因素有关的某一个指标时， 力图用轮流改变各因素中的一个因素，同时所有剩下的因素尽可能保持不变的方 法来研究。在对大量影响因素进行研究的情况下，实验的数量急剧增加。为造成 其它条件相等必须人为地改变某些参数，所以这样的实验常常伴随着设备生产率 的下降。鉴于冶金过程中操作参数的复杂性，多数研究因素并非仅取决于两个或 三个变量，而是取决于几十个变量甚至几百个变量。对于研究目的来说，能够研 究生产过程中许多变量或各单元之间关系的多变量相关法特别有效。应用这种方 法，可确定所研究的各指标的数量关系。例如所描述的在高炉生产领域中的研究 个因素( 焦比) 与3 0 0 个其它生产因素( 条件地独立变量) 的关系m 】。由于焦炭消耗 量与高炉的生产率及生铁成本有直接关系，研究时，整理了近四年以上的7 0 座 高炉的工作资料。开始整理时，对原始资料进行了小心的检查，同时将高炉显然 不正常的工作期间删去，以不同企业技术经济指标计算方法统一性的观点对观测 结果进行检验；同时把原料消耗量的指标都折算为吨铁指标，以消除由不同工厂 出铁场工作组织的特点和生铁浇筑的特点所解释的金属损失的影响。由于资料报 表中，影响焦炭消耗量的因素约3 0 0 个，其采用了量联合成组的折算方法减少变 量数目。例如引入了炉料含铁部分的造渣量和被还原铁的数量两变量将炉料的一 切含铁组成部分联合起来。所应用的全部焦炭的变量归结为三个变量：含碳量， 含硫量和焦炭灰分的造渣量。进行研究时，不采用焦炭消耗量，而采用碳的消耗 量作为研究结果标志：同时把焦炭中的灰分和硫作为独立变量处理。最后将这3 0 0 个因素联合成5 0 个组，然后，为了用多变量相关法分析从5 0 个变量中选出1 8 个最重要的变量，对变量的选择进行了特殊处理。但是，在所选的独立变量中， 没有反映所采用的材料组成和工作条件变化的因素。这些因素对碳的消耗量起着 重要的影响，所采用的数据处理方法不能够估计出这些因素的独立影响。这些因 素对碳消耗量的影响，部分的包括在化学变量影响的估计之中。另外，在所举的 独立变量中也没有表示高炉结构特征的指标，虽然每