高炉冶炼过程的复杂性机理及其预测研究

论文摘要

高炉炼铁是钢铁工业的上游主体工序,作为国民经济支柱产业的重要组成部分,它对整个钢铁工业的发展与节能降耗都起重要的作用。本文以内蒙古包钢6#高炉在线采集的冶炼过程数据为基础,针对炼铁生产中工长关注的实际问题,主要从炉温变动的复杂性、炉温预测这两个角度深入研究高炉冶炼过程的复杂性机理及其预测,具有一定的理论意义和应用价值。高炉炼铁过程的炉温预测数学模型研究,既是炼铁自动化中的难题,也是实际生产中工长和厂长都十分关注的重要课题。分析炉温波动并对炉温进行准确预报,将有助于提高工长的操作水平,从而达到提高利用系数和降低焦比的目的。论文的第二章对表征铁水质量和高炉炉温的含硅量[Si]时间序列分别运用替代数据法和信息冗余图像法做定量和定性的非线性检验,证明[Si]序列存在较强的非线性相关,为非线性预测方法的应用建立了理论基础。并从平稳性和序列演化的确定性角度进一步研究铁水[Si]序列的波动特征,统计逆序检验的结果表明:[Si]序列方差具有显著的非平稳特征,而相空间重构后的目标方差检验初步显示:铁水硅含量序列的可预测性介于确定性系统和混沌Lorenz系统产生的时间序列之间。在此基础上,论文第三章结合包钢6#高炉在线采集的铁水含硅量数据,应用经验模式分解、支持向量机、Volterra级数、Hopfield网络等方法从非平稳和非线性的角度对[Si]序列做单变量拟合和预报。考虑到高炉冶炼过程是高炉主控制室指挥下的多工序复合系统,对铁水含硅量有影响的因素错综复杂,因此,仅仅考虑单一硅序列对高炉铁水含硅量做预报是不够的。根据包钢6#高炉数据采集的实际情况,论文第四章选取了风量、喷煤、料速等14个变量,通过灰色关联度和粗糙集方法深入分析变量与铁水含硅量之间的非线性相关度及这些变量之间的内部关联,对冗余信息做知识约简,确定了起主导作用的6个变量。依照所确定的变量,第五章针对现有模型不考虑噪声污染、不够稳健、无法确定输入变量与[Si]之间具体函数关系的缺点,分别运用集员辨识理论和遗传程序设计方法对包钢6#高炉连续100炉铁水含硅量[Si]做多变量时序预测,两种算法得出的命中率分别为85%和83%,具有一定的实际应用指导价值。第六章对全文的研究内容以及创新点做了归纳,并对课题的后续研究做了展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究的目的和意义
• 1.2 现代高炉冶炼流程简介
• 1.3 炉温概念与高炉冶炼过程对炉温预测的要求
• 1.4 国际国内的研究情况和进展
• 1.5 论文的主要内容
• 参考文献
• 第二章 铁水含硅量序列的非线性和确定性分析
• 2.1 高炉铁水含硅量序列的非线性检验
• 2.1.1 非线性的定量判别——替代数据法
• 2.1.2 基于信息理论的非线性定性判别
• 2.2 高炉铁水含硅量序列的平稳性分析
• 2.2.1 [Si]时间序列的平稳性非参数检验
• 2.2.2 [Si]序列非平稳性成因的探测
• 2.3 高炉铁水含硅量的确定性分析
• 2.3.1 相空间重构参数的确定
• 2.3.2 DVV算法分析及仿真
• 2.4 本章小结
• 参考文献
• 第三章 单变量时间序列的铁水含硅量预测模型
• 3.1 基于经验模式分解的铁水含硅量预测
• 3.1.1 经验模式分解的基本原理
• 3.1.2 经验模式分解的典型问题及其解决
• 3.1.3 铁水含硅量序列的经验模式分解
• 3.1.4 Lemple-Ziv复杂度分析
• 3.1.5 多分辨率支持向量机预测模型
• 3.2 Volterra自适应预测
• 3.2.1 Volterra级数简介
• 3.2.2 Hopfield神经网络优化Volterra级数系数建模
• 3.2.3 铁水含硅量的Volterra自适应预测仿真结果
• 3.3 本章小结
• 参考文献
• 第四章 高炉铁水含硅量序列的主因素分析
• 4.1 铁水含硅量及其影响因素的灰色关联度分析
• 4.2 粗糙集理论基础
• 4.2.1 信息系统
• 4.2.2 不可分辨关系
• 4.2.3 近似集和边界区
• 4.2.4 属性集的依赖度和属性的重要性
• 4.2.5 属性约简和约简核
• 4.2.6 区分矩阵和区分函数
• 4.3 基于可变精度粗糙集的属性约简算法
• 4.3.1 可变精度粗糙集模型
• 4.3.2 属性约简的贪婪算法
• 4.4 高炉铁水含硅量影响因素的属性约简
• 4.4.1 连续属性的离散化
• 4.4.2 基于权重累积评价因子的粗糙集动态约简算法
• 4.4.3 可变精度指标β的确定
• 4.5 本章小结
• 参考文献
• 第五章 多变量时间序列的铁水含硅量预测模型
• 5.1 铁水[Si]序列的集员辨识和预测
• 5.1.1 集员辨识简介
• 5.1.2 集员预测的理论基础
• 5.1.3 集员预测算法构造
• 5.1.4 [Si]序列的集员预报仿真
• 5.2 基于遗传程序设计的铁水[Si]序列预测
• 5.2.1 遗传程序设计简介
• 5.2.2 遗传程序设计的算法和遗传操作
• 5.2.3 遗传程序设计的数据仿真
• 5.3 本章小结
• 参考文献
• 第六章 结论与展望
• 6.1 研究获取的主要结论
• 6.2 后续研究的展望
• 攻读博士学位期间完成的论文
• 致谢