第七章高炉过程数学模型概述.pptVIP

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? 第一步（学习过程） 对于每一模型的输入，网络不断修正权重， 使输出值接近期望值（实际值） 第二步（预报过程） 学习后的网络能识别： 最新输入的数据与原始学习过程的哪种模式最接近，并输出结果。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * *