论文摘要
随着能源日益短缺和环境保护要求越来越严格，高炉炼铁作为钢铁生产体系中能耗最大的环节，自动化控制程度的提高将带来巨大的经济和社会效益。目前大多数控制方法都是具有过程数学模型的，然而，由于高炉冶炼过程的复杂性，其数学模型难以通过机理建模得到，因此越来越需要通过辨识建模方法获得过程模型。对于多输入多输出的辨识建模，基于子空间方法的系统辨识在近年来得到控制界专家学者的极大关注，由于子空间辨识算法得到的状态空间模型在现代控制理论中最为常用，更能揭示系统内部特性，尤其适用于多输入多输出系统等优点，已经在复杂工业系统控制中取得了很好的应用效果。高炉冶炼过程自动化控制的核心难题是炉温的预测和控制，因此，一个良好的预测模型能够对实际生产有重要指导价值，如果能够得到一个有效的控制模型，其意义则更加显著。本文针对高炉冶炼特点，对子空间辨识算法在高炉冶炼过程中的建模进行研究。具体内容如下：⒈在大量阅读文献的基础上，对前人的研究成果进行了总结，学习和了解高炉生产流程工艺，根据炼铁原理和现场专家咨询了解了高炉操作过程，并获取辨识所需的现场数据；⒉针对高炉现场采集的数据大多存在缺失值、异常值、不同的量级、随机噪声、高维等，为了建立更加准确的模型，对数据进行了预处理。其中包括统计学知识，也有平滑滤波、现场炼铁专家咨询等得到的经验知识。⒊系统地介绍与总结了子空间辨识方法的基本理论和算法过程。具体包括子空间辨识的几何基础、空间投影理论、统计工具、系统状态空间描述、子空间数据矩阵的构成，以及子空间参数的辨识原理与算法。⒋在实测数据的基础上，选取与炉热状态密切相关的喷煤、风温等8个输入变量，硅含量作为输出变量，运用子空间辨识算法建立了一个8输入1输出的硅含量预报模型。最后通过实测数据的检验，证明了辨识所得模型的有效性。同时也进一步表明子空间辨识算法使用简单、鲁棒性好，尤其适用于高价多变量复杂系统的辨识，本课题具有一定的理论意义和应用价值。