基于模糊模型的高爐硅含量研究及預(yù)測.pdf

1、高爐煉鐵是一個復(fù)雜的非線性的生產(chǎn)過程系統(tǒng)。在這個運行過程中，有大量的輸入量和輸出量，且隨著時間的推移不斷發(fā)生變化，并有大噪聲和高度耦合等過程特點。為了確保高爐的穩(wěn)定運行，爐溫控制是高爐高效生產(chǎn)的關(guān)鍵因素。然而，影響爐溫的因素有許多，且各因素間是有聯(lián)系的，并不是單獨起作用的。挖掘出影響高爐爐溫的潛在因素，并在此基礎(chǔ)上建立高爐模型，提高爐溫預(yù)測的準(zhǔn)確性，是當(dāng)前爐溫預(yù)測研究的主要方向。數(shù)據(jù)驅(qū)動建模技術(shù)在試圖實現(xiàn)對高爐復(fù)雜冶煉過程的建模與優(yōu)化中

2、尚處于發(fā)展階段，從數(shù)據(jù)驅(qū)動的角度建立高爐鐵水硅含量的預(yù)測模型，可以使硅含量的變化有更好的反饋，提高了模型的輸出值與實際值的吻合度。
　　本文以包鋼高爐為背景，深入學(xué)習(xí)高爐冶煉過程特點，研究基于數(shù)據(jù)驅(qū)動的模型辨識算法建立高爐爐溫預(yù)測模型。具體研究內(nèi)容如下：
　　1.為了建立更精確的模型，從包鋼高爐現(xiàn)場采集的大量數(shù)據(jù)中，有存在缺失值、異常值和不同采集量級的情況。同時根據(jù)專家經(jīng)驗可以知道，影響爐溫的大部分因素都有一定的時間滯后性。

3、通過對數(shù)據(jù)的分析和預(yù)處理后，利用相關(guān)性分析法計算各參數(shù)之間的相關(guān)系數(shù)，選取對爐溫有影響的主要工藝參數(shù)，并分析計算其在高爐生產(chǎn)過程中的影響滯后時間。
　　2.將已選取出的五個工藝參數(shù)作為輸入，硅含量作為輸出，建立模糊T-S模型。本文將通過優(yōu)化的模糊聚類算法（FCM），對全部所用數(shù)據(jù)進(jìn)行劃分處理，以辨識模型的前件隸屬函數(shù)的參數(shù)；再采用遞推最小二乘算法，通過聚類后的數(shù)據(jù)及其隸屬度值，以辨識模型的后件線性方程的參數(shù)。這樣就建立起高爐的T-

4、S模糊模型，并結(jié)合高爐實際情況、采集的數(shù)據(jù)，建立起該系統(tǒng)的模糊規(guī)則。然后通過對相似和沖突模糊規(guī)則的刪除來調(diào)整所提取出的模糊規(guī)則。
　　3.通過ANFIS模糊神經(jīng)網(wǎng)絡(luò)的方法優(yōu)化模糊規(guī)則，根據(jù)訓(xùn)練后的網(wǎng)絡(luò)重新確定高爐模型的前件和后件參數(shù)，通過驗證優(yōu)化后的規(guī)則，提高了高爐硅含量預(yù)測的命中率。
　　結(jié)束以上步驟后，再通過實際采集的數(shù)據(jù)進(jìn)行檢驗所建模型的命中率。結(jié)果表明，基于數(shù)據(jù)驅(qū)動的建模辨識算法能夠更好的實現(xiàn)建模的預(yù)期效果。本課題在