高炉喷煤量精确控制.doc

高炉喷煤量精确控制 1、前言 随着钢铁工业的发展，焦炭需求量也随之增加。我国煤炭资源虽然丰富，但炼焦煤资源有限，仅占煤炭资源的27%左右；而其中强粘结性焦煤仅占炼焦煤的19%，粘结性肥煤仅占13%左右，而且炼焦煤资源分布也极不均匀，因此，高炉炼铁节焦和喷煤就是钢铁工业持续发展的重要课题之一。 高煤比冶炼技术既是世界性的热点技术同时也是高难度的系列集成技术。尽管世界上部分高炉的喷煤比曾经达到过200Kg/吨铁以上，但是，由于高炉原燃料条件的不一、风温、富氧等条件等的差异、资源条件的不同，以及许多技术壁垒，致使高炉喷煤仍然没有达到理想水平。 2.问题的提出 提高煤比是降低焦比、降低炼铁生产成本的重要措施，而实现喷煤量的精确控制、减少煤粉脉动瞬时波动，是影响高炉提高喷煤比的重要因素。 济钢1＃1750m3高炉于2003年9月份投产，投产后，喷煤量一直不高，前期主要受设备故障多，加上炉况不正常影响，充分暴露出喷煤量控制及喷吹系统设计上没有考虑喷吹量自动精确控制的问题，主要表现在： （1）计量误差大（500Kg左右），计量信号因为罐压波动造成失真。 （2）高炉操作室内不能显示喷煤量瞬时值，操作工只能依据罐压靠人工计算求出瞬时煤量，再通过手动调节，如此落后的调节，非常不利于喷煤量的提高以及高喷煤量下炉况的稳定。 （3）由于影响煤量的参数较多，诸如罐压、阀门开度、补气量大小，冲压及卸压过程的波动等等，实际生产中这些参数并非不变的，单靠人工调节，往往顾此失彼，很难及时到位。 为保证高炉的高效、顺行，喷煤系统需要提供精确、均匀的喷煤量，而喷煤量受氮气压力、补气流量、煤粉质量等诸多因素的影响而变化，为了保证喷煤量精确均匀，操作工需不断调节罐内压和补气流量阀，这有一定的操作难度和工作强度，而且也无法保证长期性、连续性。 研究的思路及技术开发主要内容 喷煤控制系统的软件平台采用施耐德的MP7工控软件，MP7具有开放性好，但复杂的特点，以MP7软件为平台，把研究总结出的数学模型输入其中，既达到精确控制目的，而又不影响其原有的控制软件的使用及性能。 3.1 将模糊数学、神经自适应有效结合 模糊逻辑是一种处理不确定性、非线性问题的有力工具。它比较适合于表达那些模糊或定性的知识，其推理方式比较类似于人的思维方式，这都是模糊逻辑的优点。但它缺乏有效的自学习和自适应能力。 神经网络具有并行计算、分布式信息存储、容错能力强以及具备自适应学习能力等一系列优点。但一般来说，神经网络不适于表达基于规则的知识，因此在对神经网络进行训练时，由于不能很好地利用已有的经验知识，常常只能将初始值取为零或随机数，从而增加了网络的训练时间或者陷入非要求的局部极值。 本课题中将模糊逻辑与神经网络结合，则网络中的各个结点及所有参数均有明显的物理意义，因此这些参数的初值可以根据系统的模糊或定性的知识来加以确定，然后利用学习算法可以很快收敛到要求的输入输出关系。同时，由于它具有神经网络的结构，因而参数的学习和调整比较容易。它能够提供更加有效的智能行为、学习能力、自适应特点、并行机制和高度灵活性。 3.2在自适应控制中引入模糊神经网络 在自适应控制中引入模糊神经网络，将进一步改善神经网络自适应控制的鲁棒性和实时性，特别适用于具有不确定性的非线性系统跟踪控制问题。但这类控制器的结构一般都是固定不变的，有可能造成如下两个问题。 (1)　神经网络本身的结构和性能不一定最佳，有时甚至会出现局部最优问题,造成学习的效果不理想。同时不利于模糊控制规则的增减,有可能造成模糊规则的冗余或欠缺,影响控制量计算速度或控制精度。 (2)　由于模糊规则的获取在一定程度上取决于先验知识,即有关被控制对象特征的知识，这对复杂的控制对象来说具有很大的困难。 针对问题(1),采用具有动态结构的神经网络进行推理，自动地选择最理想的神经网络结构用来控制。 对问题(2)，通过神经网络的结构和参数的学习，在线调整模糊神经网络的结构、增减模糊控制规律，调整控制规则参数来改善控制性。 研究出各种变量对喷煤量的影响的数学模型，达到在各种工况下，喷煤量的精确均匀。 (1)总结出氮气压力，对喷煤量影响的数学模型。 （2）总结罐内压，对喷煤量影响的数学模型。 （3）总结出罐内煤粉重量，对喷煤量影响的数学模型。 （4）总结出罐内煤粉质量，对喷煤量影响的数学模型。 （5）总结出罐充压对罐重影响的数学模型。 （6）总结出喷枪压力，对喷煤量影响的数学模型。 （7）总结出罐称跳动的软件消除方法。 （8）倒罐过程的修正办法。 3.3具体要求 （1）能够计算和显示瞬时喷煤流量和一罐煤量的误差，能够显示喷煤车间实际班产量、日产量和设定班产量、日产量，能够生成班产量、日产量、月产量和年产量报表。 （2）　通过鼠标或键盘方便地设置喷吹流量，由微机自