高炉过程数学模型概述

1、第七章第七章 高炉过程数学模型概述高炉过程数学模型概述高炉自动化要求日益迫切高炉自控技术日趋成熟大型化高炉优质高效运行所要求炼铁技术发展计算机技术发展高炉过程数学模型高炉过程数学模型高炉自控的理论基础高炉计算机控制的前提 1. 高炉建模的特点高炉建模的特点 高高 炉炉 过过 程程 的的 特特 点点 (1)高温下复杂的物化过程高温下复杂的物化过程 存在气（煤气）、固（炉料）、液（渣铁）三相的复杂反应沿高度、径向、圆周方向存在不均匀性高高 炉炉 过过 程程 的的 特特 点点 (2)在密闭容器内进行的过程在密闭容器内进行的过程 l大多数参数不能直接观测l很多参数不能连续准确测定(3)输入参数的变化在

2、炉况上的反映有很大滞后性输入参数的变化在炉况上的反映有很大滞后性 焦炭负荷变化约56小时喷吹煤粉变化约23小时鼓风温度变化约12小时高炉冶炼过程是一个高炉冶炼过程是一个大滞后、多变量、非线性分布参数系统大滞后、多变量、非线性分布参数系统高炉模型通常为机理经验机理经验而建立的模型2. 高炉模型的分类和功能高炉模型的分类和功能 （1）分类）分类 按建模方法分类按建模方法分类 理论模型理论模型物料平衡、热平衡、化学平衡、反应速度等经典 模型半经验模型半经验模型利用现场统计规律建立的、同时结合理论的模型人工专家系统人工专家系统依据投入和产出的变量间的逻辑关系进行判断（1）分类）分类 按建模目的分类按建

3、模目的分类 模拟解析模拟解析煤气分布，温度分布等计算分析计算分析拉姆联合计算法，Rist操作线等过程控制过程控制Tc模型，Ts模型，GoStop模型等按应用形式分类按应用形式分类 （1）分类）分类 静态模型静态模型分析，判断，决策（离线）动态模型动态模型过程指导或控制（在线）（2）功能功能 l加深对过程的全面认识和理解l指导和控制高炉优质高效运行l不必通过试验只在计算机上即 可预测和导出最优方案3. 高炉数模的发展高炉数模的发展 可分为四个阶段可分为四个阶段 第一阶段第一阶段 1964年以前离线计算分析离线计算分析只限于作一些单纯指数的分析计算（如热平衡、t理、Rist操作线等）3. 高炉数模

4、的发展高炉数模的发展 第二阶段第二阶段 1974年以前在线过程指导在线过程指导1964年法国人提出的Wu指数模型在线运行成功用Wu指数（炉热指数）代表炉下部热量，可预测铁水温度及含硅量以后又派生出Ec、Tc、Ts等炉热指数模型3. 高炉数模的发展高炉数模的发展 第三阶段第三阶段1975年以后多目标管理多目标管理思想：其它非热量参数亦会对炉热指数有影响高炉需要进行综合判断故出现了：GoStop系统（川崎）AGOS系统（新日铁）3. 高炉数模的发展高炉数模的发展 人工智能系统（人工智能系统（AI） 第四阶段第四阶段80年代以来人工智能系统人工智能系统基于知识的专家系统基于知识的专家系统基于神经元的

5、神经网络基于神经元的神经网络两者正趋结合4. 高炉数模的局限性高炉数模的局限性 数学模型 把过程现象用数学方程定量地表达出来但高炉过程的复杂性许多现象无法进行定量描述即高炉过程存在大量模糊信息高炉过程存在大量模糊信息数学模型无能为力操作者凭经验可处理现场人员不喜欢用数学模型现场人员不喜欢用数学模型要求开发高炉人工智能系统要求开发高炉人工智能系统（因为人工智能可以进行模糊推理）5. 高炉智能模型的开发高炉智能模型的开发 指导高炉生产过程高炉生产过程确定性信息数学模型精确推理不 确 定 性信 息 （ 模糊信息）知识模型模糊推理人工智能模型人工智能是一门新的技术学科利用计算机等手段模仿、延伸和扩展人

6、的智能利用计算机等手段模仿、延伸和扩展人的智能人工智能技术在90年代开始在高炉中进行应用性开发研究建立高炉操作的专家系统有模糊识别和自学习的神经网络模型l专专 家家 系系 统统 将高炉操作者经验贮存于计算机里，进行炉况的综合判断和控制它包括两个主要组成部分：知识库和推理机优点：克服了纯数学模型灵活性差、适应性差的问题缺点：知识库不易维护，对规则知识不具备学习功能l神经网络系统神经网络系统具有两大功能l自学习的功能l模糊识别功能分为二种类型：a 反向传播网络反向传播网络需利用输出端实际数据反馈校正b 自组织网络自组织网络不需教师数据，自己组织高炉常用高炉常用BP网络网络（反向传播网络）（反向传播网络）基于基于BP网络的硅预报模型原理网络的硅预报模型原理 2Si输入层中间层输出层风温 1风压 风量 顶温 料速 矿焦比 CO