高炉铁水[Si]含量预测控制模型的设计及实现.PDF

高炉铁水[Si]含量预测控制模型的设计与实现 曾燕飞 李虎山 广东技术师范学院自动化系 广东技术师范学院自动化系 摘要：本文分析了高炉炉温传统控制方法的弊端，介绍了一种依据 BP 神经网络和专家知识 相结合的方法设计的高炉铁水[Si]含量预测控制模型，同时，还介绍了预测铁水[Si]含量的 主界面窗口和实现功能的方法。 关键词：铁水硅[Si]含量；BP 神经网络；专家系统；预测控制 中图分类号:TP2 文献标识码:Ａ Design and Realization of Blast Furnace Hot Metal Si-content Prediction Model Zeng yan fei li hu shan Automatization Department Guangdong Polytechnic Normal University Abstract:This paper analyze a irregularity of Blast Furnace temperature control method,Introduces a design of prediction control mode of blast furnace hot metal Si-content based on BP neural network expert knowledges method,and simultaneously Introduces a main display window and a method of realizes function that hot metal Si-content prediction. .Key Words: Hot metal Si-content, BP Neural network, Expert System, Prediction control 1、引言 高炉冶炼是一个复杂的高温物理化学过程，其炉温影响着高炉行程、能量消耗及生铁质 量。实现炉温的预测与平稳控制是高炉炉长作业的核心技术，炉温能否控制在要求的范围中， 是炉长操作水平的集中表现。传统的炉温控制方法很多，主要是建立在炉长个人长期操作经 验判断的基础上。例如，如果工长预测炉温已经形成了某种发展趋势(向热趋势或向凉趋势)， 那么即使维持各项控制参数不变，炉温的发展也会继续趋向过热或过凉，诱发炉况故障，因 此必须超前确定需要改变的入炉料批重和配比，入炉焦比或负荷，配料碱度或装料制度等。 这些方法必须依靠工长的经验和责任心，如果工长有任何一个小小的失误都可能导致滑料、 崩料、管道形成等，甚至报废一炉铁水。由于工长作业为三班制，每个班工长的经验和操作 方法各异，且通信落后，实时性差，因而传统的炉温控制方法不能实现高炉生产的“优质、 高产、长寿、低耗”。 现代高炉炼铁技术用炉缸热状态来反应炉温状况，而炉缸热状态是通过测量铁水温度 （物理热）和预测铁水[Si]含量（化学热）来确定的，由于测量铁水温度需要配备昂贵的设 备，成本高，消耗量大，且丢失数据的现象经常发生，故高炉工作者通常采用预测铁水[Si] 含量来间接反映炉内温度，判断炉热状态。因为控制好[Si]的水平，可以维持良好稳定的炉 况，获得最佳的经济效益。为此，本文针对湘钢4#高炉现有工艺条件和检测手段，利用BP学 习算法，通过进化多层前馈神经网络的连接权并结合规则模型，设计了一种铁水[Si]含量预 测控制模型。该模型即有专家系统推理的透明性，又有神经网络广泛的映射能力和搜索能力。 2 铁水[Si]含量预测控制模型的设计 在现代高炉炼铁技术发展进程中,采用神经网络与专家系统相结合已成为重要的发展趋 势，这两者的结合能更好地发挥出各自的特长。具体地，神经网络作为系统后端来增强由专 家系统所进行的判断。 2.1 神经网络模型的建立 一个三层的 BP 神经网络模型可以拟合任意一个非线性映射。铁水硅[Si]含量预测模型 选用三层 BP 网络模型，该模型由输入层、隐含层和输出层三部分组成，如图 1 所示： 输入层 隐含层 输出层 焦比