第七章高炉过程数学模型

第七章

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

过

程

的

特

点

(1)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

炉

过

程

的

特

点

(2)在密闭容器内进行的过程

大多数参数不能直接观测很多参数不能连续准确测定(3)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5－6小时喷吹煤粉变化――约2－3小时鼓风温度变化――约1－2小时高炉冶炼过程是一个大滞后、多变量、非线性分布参数系统高炉模型通常为机理＋经验而建立的模型2.高炉模型的分类和功能

（1）分类

按建模方法分类

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－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－依据投入和产出的变量间的逻辑关系进行判断（1）分类

按建模目的分类模拟解析－煤气分布，温度分布等计算分析－拉姆联合计算法，Rist操作线等过程控制－Tc模型，Ts模型，Go－Stop模型等按应用形式分类（1）分类

静态模型－分析，判断，决策（离线）动态模型－过程指导或控制（在线）（2）功能

加深对过程的全面认识和理解指导和控制高炉优质高效运行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

可分为四个阶段

第一阶段1964年以前→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.高炉数模的发展

第二阶段1974年以前→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

第三阶段1975年以后→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：Go－Stop系统（川崎）AGOS系统（新日铁）3.高炉数模的发展

人工智能系统（AI）

第四阶段80年代以来→人工智能系统基于知识的专家系统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

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

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专家系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神经网络系统具有两大功能自学习的功能模糊识别功能分为二种类型：a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－不需教师数据，自己组织高炉常用BP网络（反向传播网络）基于BP网络的硅预报模型原理

ω2[Si]输入层中间层输出层风温

ω1风压

风量

顶温

料速

矿焦比

CO2

前n次硅值

第