基于爐熱指數(shù)和BP網(wǎng)絡的高爐鐵水硅含量預報系統(tǒng).pdf

1、生產實踐表明，高爐煉鐵中爐溫過高、過低都不利于高爐的正常生產。只有在穩(wěn)定的爐溫條件下，爐內的渣鐵流動性、爐料的透氣性、煤氣流分布的穩(wěn)定性以及爐料下降的均勻性等才會得到保證，這些都是高爐穩(wěn)定順行的基本條件。由于鐵水中硅含量[Si]反映了高爐內持續(xù)的熱狀態(tài)，與高爐冶煉過程的穩(wěn)定性、能耗、鐵水質量有很強的相關關系，所以常用鐵水硅含量作為高爐爐溫的標志。因此本課題選用鐵水含硅量[Si]模型作為煉鐵生產中高爐爐溫預測模型進行研究。
　　文中

2、以國內某大型鋼鐵公司的高爐生產數(shù)據(jù)為背景，以鐵水中硅含量為主要的預報依據(jù)。建立了借助于高爐物料平衡和熱平衡計算高爐熱狀態(tài)指數(shù)對[Si]進行預報的靜態(tài)模型和利用BP神經網(wǎng)絡實現(xiàn)高爐鐵水硅含量的時間序列離線預報模型。采用這兩種模型相結合來更有效的預報爐溫。
　　采用爐熱指數(shù)靜態(tài)模型預測高爐爐溫起源于20世紀50年代，它們預測爐溫的命中率一般都不高，原因在于模型所使用的參數(shù)都是經驗數(shù)據(jù)，與所應用的高爐實際有一些差距。本工作采用歷史上應用

3、較好的三種爐熱指數(shù):Tc，Tf,Tq，通過建立數(shù)學模型，以高爐參數(shù)在線收集計算模型為基礎，來預報鐵水含硅量和鐵水溫度，并確定哪一種爐熱指數(shù)相關性更好、命中率更高。
　　靜態(tài)模型難以反映高爐過程動態(tài)變化特征，而動態(tài)數(shù)據(jù)系統(tǒng)的方法主要基于線性考慮。實際高爐冶煉過程是一個不均勻、非線性和大噪聲的高溫過程，其動態(tài)過程顯示出復雜的行為。神經網(wǎng)絡是一種模仿人類神經系統(tǒng)的數(shù)學模型，具有自學習、自組織、自適應和非線性動態(tài)處理等特性，并具有極強的抗

4、噪聲能力和聯(lián)想能力。本文采用BP神經網(wǎng)絡建立鐵水硅含量的預報模型進行時間序列預報。
　　最后本文用Matlab建立仿真平臺，分別建立了爐熱指數(shù)預報和神經網(wǎng)絡時間序列預報的仿真模型。通過測試發(fā)現(xiàn)，爐熱指數(shù)模型在爐況穩(wěn)定時效果比較好，在爐況波動時預報誤差就比較大。神經網(wǎng)絡的時間序列預報是從積累的歷史數(shù)據(jù)中學習預報知識，并可隨著高爐的生產過程而不斷修正，從而反映出其動態(tài)特性。本模型是一種很有發(fā)展前途的預報高爐鐵水硅含量的方法，鐵水硅含量