自组织数据挖掘在高炉炉温预测控制中的运用.pdfVIP

摘 要 钢铁是现代人类社会使用的最广泛和最重要的材料之一，是国民经济持续发 展的基础。高炉炼铁是钢铁工业的上游主体工序，它的发展直接关系到后续工序 的发展，且对钢铁工业的节能降耗起着重要作用。然而，由于高炉是一个极其复 杂的系统，其运行机制往往具有非线性、时滞、高维、大噪声、分布参数等特性， 至今对其运行机理尚未能深入了解。高炉冶炼过程的这种复杂性，增加了其过程 控制自动化的难度。一直以来，冶金自动化领域都没有攻克这个技术难题。在非 平稳炉况下对高炉炉温进行预测和控制，则是这个难题的重要组成部分，更是当 代冶金科技发展的前沿课题。 本文以包钢6#高炉(2500m3)在线采集的数据为研究对象，针对现有炉温 预测模型的种种不足，在科学分析的基础上，第一次提出在高炉系统中用自组织 数据挖掘方法进行系统分析和建模。这种方法集合神经网络、遗传算法和回归分 析的相应优点，能在给定系统输入和模型选择准则(外准则)后自动进行模型的 筛选，并且能充分考虑变量之间的相互影响。经过在高炉现场的大量调研，并结 合实际经验和相关理论给出了影响系统的输入变量、中间网络的传递函数和模型 选择准则。应用自组织数据挖掘的参数GMDH算法，得到了一个自动生成的高 炉炉温预测控制模型。实际应用中，这