首页 > 学术论文

高炉煤气流预测算法研究及其在炉况分析中的应用

来源:论文学术网
时间:2024-08-18 21:56:28
热度:

高炉煤气流预测算法研究及其在炉况分析中的应用【摘要】:高炉炼铁是钢铁生产过程的关键环节,长期顺行的炉况是高炉操作的先决条件。高炉煤气流作为高炉操作的重要依据,具有携带信息量丰富、时

【摘要】:高炉炼铁是钢铁生产过程的关键环节,长期顺行的炉况是高炉操作的先决条件。高炉煤气流作为高炉操作的重要依据,具有携带信息量丰富、时效性好的优点。因此,合理利用高炉煤气流信息对高炉运行状况进行分析,对炉况的合理调整具有重要的应用价值。本文针对高炉炼铁生产中炉况分析问题,综合考虑高炉煤气流的各项指标,结合柳州钢铁集团(柳钢)#2高炉数据,运用贝叶斯技术、群优化算法、回声状态网络(ESN)、专家知识推理等方法对“高炉煤气流预测及炉况辅助分析系统”进行了研究。该系统已在柳钢#2高炉上进行了现场验证。运行结果表明,系统能较准确地预测高炉煤气流的变化趋势,进而为高炉炉况分析提供实时准确的指导,确保高炉稳顺运行。本文的主要研究工作和成果如下:首先,通过深入研究煤气流各指标数据及炉况分析资料,建立煤气流与炉况的关系;利用灰色度关联算法计算了各指标之间的关联度,以从中选取对炉况影响较大的指标,并建立其与煤气流失常型异常炉况的关系,为后面章节建立煤气流指标预测模型奠定基础。其次,针对ESN模型在高炉炉腹煤气量指数预测中易陷入病态的问题,提出了两种改进的ESN模型。在较小训练样本条件下,提出基于贝叶斯技术的粒子群优化(BPSO)算法,并将其应用于ESN模型输出权重的求解;在较大训练样本条件下,将L-曲线法应用于病态ESN模型输出权重的求解。两种方法都有效缓解了ESN模型的病态性。对炉腹煤气量指数的预测结果表明了所提算法在预测精度上的优势。再次,针对ESN在预测中难以分析模型内部结构的弊端,提出了改进的Hammerstein模型。利用贝叶斯技术对该模型的参数和阶次进行同时辨识,并把可逆跳马尔可夫链蒙特卡罗方法(RJMCMC)算法应用于模型参数的近似求解中。所提算法大大减少了模型参数求解的计算量,降低了计算复杂度。通过对炉顶煤气流4个指标的实验结果进行分析可以看出,所提算法具有较好的预测精度和稳定性。进一步,针对改进ESN和Hammerstein两种模型对训练数据结构信息利用不充分的弊端,提出了改进的T-S模糊系统模型,并将其应用于风压预测。首先提出自适应块结构正交追踪(AOMP)算法,该方法能合理的计算规则数。在T-S模糊系统的后件参数辨识中应用离散的贝叶斯技术,在保证预测准确性的基础上降低了模型的复杂度。从对两个经典实际数据集合和高炉风压的预测中可以看出,该模型具有较好的预测精度和抗噪声能力。最后,通过对以上3个模型的理论研究,开发了“高炉煤气流预测及炉况辅助分析系统”,并将其应用于柳钢#2高炉现场。实验结果表明该系统可以对高炉煤气流各指标进行实时预测,预测精度不仅得到了技术部门的肯定,而且对进一步分析高炉炉况有重要的实用价值。 【关键词】:高炉煤气流 炉况分析 回声状态网络 贝叶斯技术 L-曲线方法 粒子群优化 Hammerstein模型 T-S模糊系统 稀疏贝叶斯技术
【学位授予单位】:燕山大学
【学位级别】:博士
【学位授予年份】:2015
【分类号】:TF543.2
【目录】:
  • 摘要5-7
  • Abstract7-11
  • 第1章 绪论11-19
  • 1.1 研究背景和意义11-12
  • 1.2 国内外研究现状12-17
  • 1.2.1 基于机理的炉况分析方法13-14
  • 1.2.2 基于专家经验的炉况分析方法14-15
  • 1.2.3 基于智能算法的炉况分析方法15-17
  • 1.3 论文的主要研究内容和结构安排17-19
  • 第2章 高炉煤气流指标与炉况关系研究19-32
  • 2.1 引言19
  • 2.2 高炉煤气流的生成过程及主要化学反应19-22
  • 2.3 高炉煤气与炉况关系研究22-27
  • 2.4 煤气流各指标间的关联性分析27-30
  • 2.5 煤气流失常型炉况特征分析30-31
  • 2.6 本章小结31-32
  • 第3章 基于改进回声状态网络的炉腹煤气量指数预测32-63
  • 3.1 引言32-33
  • 3.2 回声状态网络33-34
  • 3.3 融入贝叶斯技术和粒子群优化算法的回声状态网络34-54
  • 3.3.1 粒子群算法中位置偏移量的求解与分析34-36
  • 3.3.2 基于贝叶斯技术的粒子群优化算法设计36-39
  • 3.3.3 BPSO算法性能测试39-53
  • 3.3.4 融入BPSO算法的病态回声状态网络53-54
  • 3.4 基于L-曲线方法的病态回声状态网络54-58
  • 3.5 实验仿真58-62
  • 3.5.1 基于BPSO-ESN的炉腹煤气指数预测59-60
  • 3.5.2 基于LC-ESN算法的炉腹煤气指数预测60-62
  • 3.6 本章小结62-63
  • 第4章 基于改进的Hammerstein模型的炉顶煤气流指标预测63-81
  • 4.1 引言63-64
  • 4.2 基于贝叶斯系统的高炉炉顶煤气指标预测64-72
  • 4.2.1 Hammerstein系统及其预测模型65-66
  • 4.2.2 基于贝叶斯技术的模型参数和阶次辨识66-72
  • 4.3 高炉炉顶煤气各指标的变化范围72-73
  • 4.4 实验仿真73-79
  • 4.4.1 CO2和CO含量的预测73-74
  • 4.4.2 炉顶煤气温度和压力的预测74-75
  • 4.4.3 预测结果的统计分析75-79
  • 4.5 本章小结79-81
  • 第5章 基于改进的T-S模糊系统的高炉输入气流的预测81-95
  • 5.1 引言81-82
  • 5.2 Takagi–Sugeno模糊系统82-83
  • 5.3 基于贝叶斯技术的Takagi–Sugeno系统辨识83-88
  • 5.3.1 高炉风压数据聚类方法83
  • 5.3.2 自适应模糊规则选取算法83-86
  • 5.3.3 后件参数的稀疏表示86-88
  • 5.4 实验仿真88-94
  • 5.4.1 Mackey–Glass时间序列90-92
  • 5.4.2 Box–Jenkins燃气炉系统92-93
  • 5.4.3 高炉风压预测93-94
  • 5.5 本章小结94-95
  • 第6章 高炉煤气流预测系统开发及在炉况分析中的应用95-102
  • 6.1 引言95
  • 6.2 系统概况95-96
  • 6.3 系统结构96-97
  • 6.3.1 系统开发和运行环境96
  • 6.3.2 软件系统模块96-97
  • 6.3.3 数据库设计97
  • 6.4 运行实例97-101
  • 6.5 本章小结101-102
  • 结论102-104
  • 参考文献104-114
  • 攻读博士学位期间承担的科研任务与主要成果114-115
  • 致谢115


您可以在本站搜索以下学术论文文献来了解更多相关内容

如何控制煤气炉炉况    骆青;

邯钢7~#高炉失常炉况的分析与处理    李会波;

宣钢8号高炉长期炉况不顺的处理    张聪山

煤气炉炉况监测与优化系统在我公司的应用    诸葛少波,郑燕春

高炉异常炉况诊断研究    侯健;方觉;冯艳平;

柳钢1号高炉两次恢复炉况的实践    李迅;黄日清;

高炉失常炉况的调剂    李忠兴;徐同晏;

宣钢9号高炉快速恢复炉况操作实践    刘建民;顾爱军;

高炉炉身喷涂后炉况恢复实践    白青山;

安钢6号高炉处理异常炉况的技术分析    张晓亮;牛卫军;

武钢5BF元月炉况不顺的调整措施    胡正刚;陈令坤;

唐山建龙严重失常炉况超常规恢复总结    车奎生;

首秦2号高炉16小时检修炉况恢复实践    刘国友;马洪斌;

宣钢9~#高炉快速恢复炉况操作实践    刘建民;李玉萍;

山西孝义城(财)钢432m~3高炉恶性炉况的处理    牛卫军;张希刚;王吉坤;

长钢6号高炉溜槽磨漏后炉况反应及处理    田晓敏;

安钢6号高炉处理异常炉况的技术分析    牛卫军;张晓亮;田黎明;付文亮;

矿热硅炉的炉况平衡控制    李文生;王智平;康维;王璐;路阳;

本钢北营新1#高炉长期休风炉况恢复实践    王光亮;

武钢7号高炉稳定炉况操作实践    陆隆文;舒文虎;周国钱;张庆喜;尹腾;

高炉非计划停风后的炉况恢复实践    赵满祥 贾军民 焦月生

炉料结构大幅波动下实现高炉顺行初探    高志红 刘振海

高炉煤气流预测算法研究及其在炉况分析中的应用    张利民

石灰炉在线仿真技术与炉况诊断及复杂系统智能控制研究    邓胜祥

高炉异常炉况诊断专家系统    杨绪平

高炉异常炉况预报专家系统    马世文

涟钢七号高炉Web炉况诊断专家系统的研究    彭霞丹

Baidu
map