基于高炉数据与风口图像的炉温综合预测

发布时间：2020-11-19 13:01

　　 高炉炼铁是一个非常复杂的工业过程，具有如下特征：大时滞、多场耦合、动态分布参数、间歇式和连续式操作模式并存、强非线性、多变量耦合和变量类型混杂等。这些复杂的运行特征随生产条件变化而变化，受原料成分、运行工况、设备状态等多种不确定因素的干扰，难以用精确的数学模型描述。 在高炉炼铁过程中炉温的预测意义重大。炉温过高会导致焦比升高，生产成本增高，并降低高炉寿命；炉温过低会导致炉内反应热不足，生铁产量降低，甚至有可能会引发高炉事故。影响炉温的工艺参数非常多，许多参数无法实时检测，很多参数对炉温的影响是滞后的，如果等到炉温发生明显变化时再采取操作方针去调节炉温，此时炉温的波动就已经形成了。高炉操作者必须能够对炉温的变化趋势做出提前的判断，这样才能采用合适的操作手段保持炉温的稳定。 操作人员可以通过观查高炉风口的明亮程度了解炉缸的热状况，风口窥视孔CCD辐射图像灰度变化反映了风口辐射强度大小，可以较准确的表征风口回旋区的热状态。现有研究存在以下问题：一方面，由于高炉的复杂性导致生产条件和炉况不断波动，现有的预测模型在原料、生产和操作条件发生改变时无法准确预测，需要根据某一高炉特定的生产条件建立与之对应的炉温预测模型；另一方面，高炉是一个“黑箱”系统，风口窥视孔是高炉下部唯一能够直接观察到高炉内部热状态的手段，高炉操作者对风口图像信息十分关注并将其作为预测炉温的重要依据。但之前的研究很少考虑这一因素对炉温预测的影响。 本文首先介绍了在节能减排的大背景下炉温预测的重要性以及国内外研究进展，之后对高炉炼铁工艺、重要参数以及风口图像与炉温预测的关系进行了详细的描述，在此基础上着重阐明本文的研究工作：首先提取风口图像，使用数字图像处理方法计算得出风口图像平均灰度值，利用最小二乘法建立炉温预测模型；接着将采集的高炉数据进行参数选取和数据预处理，基于数据建立炉温预测模型；最后综合利用高炉数据与风口图像，建立BP神经网络模型对高炉炉温进行综合预测，并使用遗传算法对BP神经网络模型进行优化，进一步提高预测的准确性。仿真结果证明该方法能准确预测炉温，模型预测命中率比仅用风口图像或高炉数据更高。该研究能为高炉操作者提供更可靠的炉温信息，保证高炉顺行，为高炉炼铁的高效高产和节能降耗提供参考。
【学位单位】：内蒙古科技大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：TF53
【部分图文】：

很难通过具体的数学模型反映出来。（4）高炉炼铁过程存在非稳定性和随机性。炉温的变化多是由多个参数综合影响的，并且参数之间存在相互干扰，难以分析某单一条件对炉温的影响，如图1.2所示。（5）高炉参数对炉温的影响存在着滞后性。不同参数的时滞不同，同一参数在不同条件下的时滞也不相同。正确判断参数对炉温的作用时间是建立炉温预测模型的另一个难点。（6）对于某些的中小高炉，由于设备原因或者人为检测时出现问题，导致检测数据的缺失或者采集的数据不准确、不完整。另外，中小高炉原料成分复杂导致炉况波动较大。这些都是导致炉温预测困难的重要原因。图1.2 影响炉温的工艺参数

物中还原出来，铁矿石中的其他成分则与熔剂反应生成炉渣，未反应完全的煤气到达高炉顶部后经过处理被输送到其它系统。高炉炼铁过程十分复杂，涉及到气、固、液三相的交互作用，高炉的内部状态如图2.1所示。图2.1 高炉内部状态示意图高炉的主体结构包括竖直柱状炉壳及其内衬的耐火材料。耐火材料层通过水冷式金属元件（称为冷却壁）冷却，冷却壁嵌在炉壳和耐火材料之间。高炉本体包括以下几个部分：（1）高炉炉壳

炉缸的富氧鼓风和喷煤操作；出铁、出渣以及成分化验等。高炉各子工序流程图如2.2所示。图2.2 高炉与各子工序流程图整个高炉炼铁系统包含许多的操作环节，各个岗位的操作人员通过与主控制室的信息交流，达到整体调配和协调控制，保证所有的操作环节形成完整的整体。当其中一个
【参考文献】

相关期刊论文 前8条

1 罗世华;刘祥官;;高炉铁水含硅量的分形结构分析[J];物理学报;2006年07期

2 王永富,柴天佑;从数据中挖掘模糊规则及其系统实现[J];系统工程学报;2005年05期

3 王义康;刘祥官;;基于FCM的多支持向量机模型在高炉炉温预测中的应用[J];冶金自动化;2012年03期

4 贺诗波;刘祥官;郜传厚;黄丽英;黄雅彬;;高炉硅含量预测控制的时间序列混合建模[J];浙江大学学报(工学版);2007年10期

5 徐伟勇，余岳峰，孙江，吴建繁;数字图像处理技术在火焰检测上的应用[J];中国电力;1994年10期

6 杨天钧;张建良;左海滨;;节能减排 低碳炼铁 实现中国高炉生产的科学发展[J];中国冶金;2010年07期

7 刘业翔,陈湘涛,张更容,李劼,邹忠;铝电解控制中灰关联规则挖掘算法的应用[J];中国有色金属学报;2004年03期

8 王文慧;刘祥官;刘学艺;;基于随机森林算法的高炉铁水硅质量分数预测模型[J];冶金自动化;2014年05期

本文编号：2890044