高炉铁水硅含量自组织经验进化预测系统软件开士发与分析.docx

摘要摘要 摘要 摘要 维持合理的炉温水平是高炉生产稳定顺行的关键之一。高炉铁水硅含量可以间 接反映炉温变化。针对目前铁水硅含量预测方法尚不能满足高炉过程控制需要的现 状，根据所提出的高炉铁水硅含量自组织经验进化预测模型原理，用软件工程方法 学设计和开发了相应软件原型，并从理论和实践角度对这种新的智能预测模型进行 了研究。 高炉铁水硅含量自组织经验进化预测系统主要由动态数据特征提取、动态模式 自组织分类量化以及预测经验的记忆、存储、积累和进化三部分组成。根据高炉生 产的需求以及软件工程理论，系统分析了预测软件的性能要求与模块组成，以系统 数据流程图逐层分析了信息流在软件系统中的流动、变换和处理情况。使用面向对 象设计方法开发的系统软件结构设计合理、界面友好，具有在线联机帮助功能，可 以方便地移植于高炉炉况智能监测系统——高炉卫士中。 采用天津铁厂l≠}高炉的『si]含量、铁问料批数、热风压力、实际喷煤量、冷风 流量、热风温度、净焦加入量、焦炭负荷等8个影响因素作为预测模型的主要输入 变量。以可预测率、预测命中率、趋势预测命中率及平均误差平方和为评价标准， 确定了各影响因素的警戒参数Ru和滤波参数Sita的优化值范围。对净焦加入量(或 次数)对铁水含硅量的作用时间进行的统计分析结果表明：加入净焦6小时以后， 60．24％炉次会出现炉温升高现象。 在参数优化的基础上，利用两组模式量化方案进行了高炉铁水硅含量的离线预 测。结果表明：以可预测率、预测命中率、趋势预测命中率为评价标准，无论有经 验期或无经验期，单变量及多变量系统预测效果均优于同期人工预测；而以平均误 差平方和为评价标准，在无经验期3变量和4变量系统预测效果优于同期人工预测。 多变量预测循环测试结果表明：4变量组合的预测效果较好，可预测率平均水平可 以达到77．4％，即使在人工预测信息占优的条件下，系统预测(趋势预测)命中率 要高于同期人工预测15％左右。最后，作者还讨论了进一步完善预测模型、提高模 型预测效果所需要解决的问题。 关键词：高炉，铁水硅含量，预测，自组织，软件开发 ABSTRACTABSTRACT ABSTRACT ABSTRACT It is essential to keep reasonable thermal level in blast fUlTlace so that iron-making process in it works at a steady and cost—effective way．Silicon content in hot metal tapped from blast furnace is all indirect criteria of the thermal level in blast fu．rllace．However, existing modeN used for prediction of silicon content in hot metal call not meet the requirement ofprocess control ofblast 61．Lrnace for the model．In this thesis，a new model used for prediction of silicon content in hot metal based on self-organized experience evolution approach has been investigated by developing prototype of the model with software engineering methodology,optimizing model parameters and testing it with process data ofblast furnace in Tianjin Iron Plant． The prediction model of silicon content in hot metal tapped from blast furnace based self-organized experience evolution is composed of following components：feature extraction and vector quantification of temporal process data,memory,storage， accumulation and evolution of the prediction experience．According to the requirements of oper