基于预测模型和遗传算法的配煤优化研究

焦化企业配煤和炼焦过程是存在诸多不确定性、无法用数学模型描述的复杂工业过程,传统控制方法难以实施控制。因此要实现配煤成本的最优控制是个比较复杂的问题。本文在焦化理论和实际生产所获的数据基础上,以神经元网络为指导,建立焦炭质量预测模型;利用单种和混合煤中各组分的关系,建立起混合煤的质量预测模型。在以上两个模型的基础上,把炼焦过程中配煤成本最小化的问题转化成为带约束的最优化问题。再利用遗传算法可以比较方便地求得近似最优解。本文利用实际数据和仿真实验,验证方法的可行性。     

一种自动配料集散型控制系统的设计

叙述一种采用集散控制技术的自动配煤控制系统.具体介绍了该系统的构成、过程监视设计、实时控制设计及其实现.工业运行结果表明,配煤准确率由人工配煤时的60%上升到97%,焦炭质量稳定率超过90%,年增经济效益达500万元.     

基于软测量的自动配煤控制系统设计

针对配煤这一炼焦生产过程中的重要环节,其配比的准确性和配煤系统的可靠性将直接影响焦炭的质量和经济效益以及能否顺利推焦,某焦化厂由于所使用的皮带秤精度差,难以投入闭环控制,提出了一种基于多元线性回归的软测量技术,实现了配煤的准确称重;同时配煤过程被控对象具有非线性、时变、时滞,并且很难建立精确的数学模型,提出了基于专家知识的参数自整定模糊PID控制方法。这种基于软测量的模糊自整定方法在该厂配煤过程中成功应用,投运以来配煤合格率由原来的70%提高到95%,实现了稳定优化配煤,稳定焦炉生产,提高焦碳质量的目的。该方法具有广阔的应用前景和推广价值。     

配煤过程基于神经网络和数学模型的专家控制

介绍一种专家控制策略,它解决配煤过程控制中精确地决定和跟踪每种煤的目标配比这两个关键问题。首先基于统计数据和经验知识,建立神经网络,数学模型和规则模型。然后提出一种决定目标配比的专家推理方法,它结合了神经网络,数学模型和规则模型。最后使用一种分布式PI控制方案,跟踪决定的目标配比。这种专家控制策略由一个专家控制器和一个分布式控制器实现,实际的运行结果证明了这种策略的有效性。     

基于AGA优化BP网络的焦炭质量模型

焦炭生产过程是一个复杂的工业生产过程,为了对焦炭质量进行准确的预测,需要建立有效可靠的焦炭质量模型.针对在对焦炭质量影响因素进行分析的基础上,采用主成分分析方法提取了影响焦炭质量的原料煤的成分,建立测试模型.根据改进的自适应遗传算法优化BP神经网络进行分析,提出了基于AGA优化BP神经网络的焦炭质量模型进行仿真.仿真结果表明,提出的质量模型建模方法是有效的和可靠的,模型预测精度高.对进行焦炭生产过程质量优化、提高焦炭质量具有重要意义.     

配煤优化模型及其专家系统的设计

近几年,国内外对焦炭的需求量不断增长,焦炭成了紧俏商品。如何充分利用当地的煤炭资源,以经济的方式进行配煤炼焦,成为炼焦企业急需解决的问题。本文围绕炼焦配煤领域的研究前沿,采用混合型0～1整数规划技术,建立了以炼焦成本最低为目标的配煤比优化模型。在此基础上设计并建立了一套能够准确、快速地预测焦炭质量、计算低成本配煤方案的配煤优化专家系统,较好地解决了炼焦配煤周期长和炼焦煤市场供应变化快之间的矛盾。     

基于S7-300 PLC的热电站自动配煤系统的设计

介绍了西门子S7-300 PLC在热电站配煤系统技术中的应用,给出了自动配煤系统的控制方法以及自动配煤控制系统的构成、上位机界面和PLC程序设计等.有效地解决了传统工业控制的诸多问题,提高了配煤系统的抗干扰能力,降低了故障率,使运行安全可靠,实现了经济效益和社会效益的良好循环.     

端边云协同的复杂工业过程运行控制智能系统

针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.     

焦炉加热过程无辨识自适应控制方法

针对焦炉火道温度直接影响焦炭质量和炉体寿命,而焦炉加热过程的大时滞、难以建立数学模型等特性造成焦炉加热过程火道温度控制十分困难的问题,提出一种具有专家修正的无辨识自适应控制方法。该方法不需要过程的数学模型,而是根据当前和过去的过程信息,基于专家规则估计过程未来的输出及变化趋势,对无辨识自适应控制的输出进行修正,获得过程控制所需的煤气流量设定值。仿真结果表明,该控制方法简单易行,有较好的鲁棒性,能比较好地控制焦炉加热过程火道温度。     

高炉焦炭质量的GA-SVM模型预测

焦炭的质量对高炉冶炼的生产有着重要的影响,为保证焦炭质量产量的稳定以及优化焦炭质量,针对线性回归预测方法难以解决配合煤与焦炭质量指标之间的非线性问题,通过分析焦炭质量影响因素,提出了一种基于GA-SVM模型的焦炭质量预测,解决了模型中惩罚因子C、基函数参数σ和不敏感损失参数ε难以确定的问题.最后基于某炼焦企业数据进行仿真实验,与BP神经网络预测比较,结果表明优化后的GA-SVM模型具有较高预测精度,对焦炭生产具有一定的应用价值.     

支撑向量机回归在炼焦配煤优化中的应用

针对7个不同产地煤的煤质特性参数(X,Y,G)和配比,在数据结构类型未知的情况下,本工作融合了基于线性变换的PCA、PLS和基于非线性变换的Lmap方法,即在各算法的空间变换基础上,同时考虑每个二维投影的分类效果(计算各二维投影图上的各类点的类间距和类内距),从中获得一个各类之间分类效果最好的最佳投影。由此定性研究了上述煤质特性参数和配比对焦炭机械强度和推焦电流的影响。然后在良好分类效果基础上,用支撑向量回归方法分别总结了该组参数与其对应的目标之间的定量关系,建立了预测模型,得到了准确的回归预测结果,由此可有目的地调节配煤比例以更好地提高炼焦效果。     

A blast furnace coke ratio prediction model based on fuzzy cluster and grid search optimized support vector regression

In the study of blast furnace coke ratio, existing methods can only predict coke ratio of daily. At the same time, the data under abnormal furnace conditions are excluded, and the model’s robustness needs to be improved. In order to improve the prediction accuracy and time precision of the blast furnace mathematical simulation model, a blast furnace coke ratio prediction model based on fuzzy C-means (FCM) clustering and grid search optimization support vector regression (SVR) is proposed to achieve accurate prediction of coke ratio. First, preprocess the blast furnace sensor data and steel plant production data. Then, the FCM algorithm is used to cluster the data under different furnace conditions. Finally, the SVR model optimized by grid search is used to predict the coke ratio under different blast furnace conditions. The average absolute error of the improved model is 1.7721 kg/t, the hit rate within 0.5% error is 81.19%, the coefficient of determination R² is 0.9474, and the prediction performance is better than ridge regression and decision tree regression. Experiments show that the model can predict the coke ratio of molten iron in each batch when the blast furnace conditions are going forward and fluctuating, and it has high time accuracy and stability. It objectively describes the changing trend of blast furnace conditions, and provides new research ideas for the practical application of blast furnace mathematical models.

     

DCS在兖矿焦化厂3#焦炉生产中的应用

介绍了DCS在兖矿焦化厂3＃焦炉回炉煤气主管压力控制，集气管压力控制，安全报警与安全保障中的应用，较为详尽的论述了系统的硬件组成，控制算法。实际运行结果表明了DCS系统在焦化生产监测与控制中的可行性。     

基于多元线性回归的螺纹钢价格分析及预测模型

通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集 影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。     

炼焦生产过程综合生产指标的改进神经网络预测方法

针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求.