高炉炼铁过程炉温的非线性混合控制

从流体动力学机理和化学反应动力学机理的交叉角度研究高炉炼铁过程炉温控制的复杂性规律,揭示了不同动力学状态下炉内化学反应链及能耗的非线性.基于模糊模式划分、自适应学习确定模型参数等非线性方法,建立了炉温混合控制的偏微分方程及其控制模式,对莱钢1号高炉《智能控制专家系统》在线采集的生产数据的仿真计算结果证明了控制方程对炉温预测控制的适用性,命中率达到90%以上.非线性混合控制方程为实现炼铁过程炉温预测控制的自动化奠定了模型基础.     

高炉异常炉况的模糊预测模型

将神经网络和模糊数学理论相结合，建立了一种新型的炉况预报模型，利用模糊神经网络的并行处理特性进行模糊推理。模糊神经网络的并行数学计算过程取代了专家系统中传统的参数处理，具有更高的推理效率；且神经网络的学习能力实现了隶属函数和模糊规则的自学习，从而满足了高炉专家系统知识库的动态特征，有效提高了炉况预报模型的自适应能力。最后，应用莱钢1号高炉在线采集的数据动态模拟了高炉炉况的变化趋势。     

新临钢380m~3高炉优化专家系统的应用

1 概述 新临钢6号高炉(380m~3)2000年12月13日建成投产。2001年元月,由浙江大学开发的高炉优化专家系统(简称专家系统)正式投入生产在线运行。6号高炉是新临钢投产的第一座380m~3高炉,对其生产特性缺乏经验,认识也不一致。我们根据专家系统提出的     

造渣系数与转炉炼钢的系统工程

本文论述了攀钢转炉炼钢的系统优化工作。从车间生产实际出发,运用系统工程方法对转炉炼钢的指标体系及众多的影响因素进行了系统分析与优化,提出了多目标优化的数学模型。并建立了攀钢转炉小渣量炼钢的控制参数—造渣系数,寻求了达到提高炉龄、提高脱硫率、降低渣料消耗、多加废钢的最佳渣料配料规律。两年来生产实践证明,数学优化工作与科学管理、优化操作相结合取得了很好的技术经济效果。     

智能控制专家系统在莱钢高炉的应用

莱钢1号高炉智能控制专家系统是在“炼铁优化专家系统”的基础上，进一步建立了铁区计算机局域网，实现信息传递网络化；建立了铁水含硅量控制偏微分方程和神经网络算法，从而提高了工长操作的智能化水平；实现了专家系统在操作－技术－管理上的“三位一体”应用，并显著改善了高炉的技术经济指标。     

贝叶斯网络在高炉铁水硅含量预测中的应用

应用贝叶斯网络对高炉铁水硅含量进行预测。首先阐述了贝叶斯网络的数学描述,在此基础上给出贝叶斯网络预测公式的一种简化形式。然后建立高炉铁水硅含量的贝叶斯网络预测模型,对山东莱钢1 号高炉在线采集的2 000炉数据进行网络学习,离线预测取得了较好的效果。与神经网络等其他方法相比,它更适合解析高炉过程,而且透明的推理过程对高炉工长判断炉温变化趋势具有指导意义。     

应用小波分析方法改进铁水硅含量预测

应用小波分析方法对高炉铁水硅含量进行预测。通过小波变换将铁水硅含量的时间序列依三重尺度分解成不同的层次,并对不同层次上的序列分别运用合适的自回归模型进行预测,然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为实际预测案例,与原始时间序列的自回归模型预测结果比较,小波预测方法显著提高了预测命中率。     

基于数学模型集成的专家系统在邯钢2000m3高炉中的应用

简述邯郸钢铁集团公司7号高炉采用的基于数学模型集成的专家系统,通过机理模型、推理模型、数理模型和控制方程的集成,构建了多层次递阶式高炉专家系统。高炉主控室局域网上运行的智能化软件包的集成应用,对高炉炼铁过程的参数优化起到了重要作用,达到了炉温预测控制和低硅节能操作的工艺目标。     

八钢2~#高炉专家系统的设计

介绍了八钢炼铁厂2#高炉扩容改造后,运用计算机高新技术,建成“炼铁优化专家系统”,实现了用“第三代高炉操作技术”装备高炉。在计算机硬件装备方面,由采集站、操作站和优化站组成的局域网构成了高炉工长使用的计算机系统。“专家系统”软件不仅包括完备的工长作业数据库,实现生产原始数据资源的计算机管理和共享,而且包括炉温的数值预报——趋势预报和平稳时间序列控制;冶炼强度的优化决策与工艺参数的系统优化;配料优化计算和各类管理报表统计;时间序列分析和统计对比分析等一系列高炉作业必须完成的工作、工艺计算、技术与管理功能。     

高炉炉温预测控制的变系数回归模型

为更好地预测与控制高炉炉温的发展趋势，从高炉炉温控制的混合动力学方程出发，在将其差分离散的基础上，运用变系数回归的相关理论，建立了高炉炉温预测控制的变系数回归模型.同时运用加权最小二乘法对模型的参数进行估计，得到每一炉下具体的高炉炉温预测控制的回归模型.结合包钢6#高炉的数据进行预测控制模拟，取得了90%命中的预测效果.此外，还给出了每一预测时刻下控制变量、状态变量与铁水硅质量分数w(Si)之间的数量关系，为预测之后的控制奠定了模型基础.