基于主成分分析和偏最小二乘的高炉炉温预测模型的研究

论文摘要

高炉炼铁生产过程是一个非常复杂、高度耦合的非线性系统，其运行机制具有非线性、时变、高维和大噪声等特点。在高炉炼铁过程中，控制炉温是保证高炉生产稳定、高效的关键因素。但是，影响高炉炉温的参数众多，并且各个参数之间相互影响，为了控制输入参数的个数，挖掘潜在因素对炉温的影响，提高高炉炉温预测模型的精确度，采用主成分分析法和偏最小二乘法预报控制高炉炉温是十分有效的。本文使用包钢6号高炉在线采集的原始生产数据进行计算分析。由于影响炉温的大部分参数都存在一定的时间滞后，因此，首先采用基于香农熵的广义相关系数法进行高炉炉温影响参数的时滞分析。其次，选取了影响铁水硅含量的16个变量，采用主成分分析法提取了累计方差贡献率为87.72%的4个主成分，建立其回归模型，对模型进行预测分析，取得准确度为88.4%预测效果，并根据模型给出了风量和风温的调控范围。同时，应用单因变量偏最小二乘法对上述16个变量中的8个变量进行建模，提取成分解释了88.83%的变异信息，模型准确度为89.2%。两个模型比较说明：采用偏最小二乘法建立的炉温预测模型比主成分分析模型更为省时、准确。最后，本论文建立了多变量偏最小二乘法的高炉炼铁炉况模型。在模型中，把对炉况全面判断有重要价值的铁水硅含量、铁元素的还原速率、铁水硫含量、炉渣碱度作为因变量，16个变量中的8个重要变量作为自变量，建立了多变量偏最小二乘回归模型，为实现高炉炉况的良好预报、把握高炉的生产进程和炉况状态提供了理论依据。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的背景、目的及意义
• 1.2 国内外高炉炉温预测模型综述
• 1.3 炉温预测的价值与难度
• 1.3.1 炉温预测的价值
• 1.3.2 炉温预测的难度
• 1.4 论文的研究目标及主要内容
• 1.5 本文的组织结构
• 2 高炉炼铁的复杂性及其工艺参数
• 2.1 高炉炼铁概述
• 2.1.1 高炉炼铁生产工艺流程
• 2.1.2 高炉炼铁的生产特点
• 2.2 高炉炼铁过程的复杂性
• 2.3 炉温预测中的状态参数及控制参数
• 2.3.1 状态参数
• 2.3.2 控制参数
• 3 主成分分析与偏最小二乘的基本原理
• 3.1 主成分分析
• 3.1.1 主成分分析的原理
• 3.1.2 主成分分析的计算步骤
• 3.1.3 多元线性回归模型
• 3.2 偏最小二乘的基本原理
• 3.2.1 单因变量偏最小二乘算法
• 3.2.2 多因变量偏最小二乘算法
• 4 数据统计特征值及时滞性分析
• 4.1 数据统计特征值
• 4.2 相关系数
• 4.3 基于香农熵的广义相关系数的时滞分析
• 4.3.1 高炉时滞现象
• 4.3.2 广义相关系数
• 4.3.3 高炉炉温影响指标的时滞确定
• 5 高炉炉温预测模型及调控分析
• 5.1 主成分分析的线性回归模型
• 5.2 铁水硅含量的偏最小二乘模型
• 5.3 高炉炉况的偏最小二乘模型
• 5.4 高炉炉温调控模式
• 结论
• 参考文献
• 附录 A 高炉炉温各参数数据
• 附录 B 偏最小二乘（PLS）的MATLAB 程序
• 在学研究成果
• 致谢