基于時(shí)間序列預(yù)報(bào)的高爐熱狀態(tài)預(yù)報(bào)系統(tǒng)研究.pdf

1、鋼鐵工業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，高爐煉鐵是鋼鐵工業(yè)的重要組成部分。如何控制高爐安全、穩(wěn)定、均衡、順行從而達(dá)到“優(yōu)質(zhì)、低耗、高產(chǎn)、長壽”的煉鐵目標(biāo)具有重要的生產(chǎn)實(shí)際價(jià)值。本文結(jié)合我國高爐生產(chǎn)現(xiàn)狀及爐熱預(yù)報(bào)水平，針對高爐爐熱預(yù)報(bào)中需要解決的實(shí)際問題，應(yīng)用時(shí)間序列預(yù)報(bào)及人工神經(jīng)網(wǎng)絡(luò)等方法，對高爐爐熱預(yù)報(bào)問題進(jìn)行了深入的研究和探討。 本文介紹了人工神經(jīng)網(wǎng)絡(luò)模型的基本特點(diǎn)，并闡述了動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)在高爐復(fù)雜非線性系統(tǒng)建模和預(yù)報(bào)中應(yīng)用的優(yōu)點(diǎn)；

2、簡要介紹了高爐控制的特點(diǎn)，同時(shí)回顧了高爐預(yù)報(bào)系統(tǒng)的發(fā)展進(jìn)程及其面臨的主要問題；較系統(tǒng)地介紹了神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)在國內(nèi)外高爐爐熱預(yù)報(bào)中的應(yīng)用現(xiàn)狀及存在的問題。 本文針對高爐工藝參數(shù)眾多且存在相關(guān)性和強(qiáng)耦合性以及利用神經(jīng)網(wǎng)絡(luò)進(jìn)行爐熱預(yù)報(bào)建模輸入數(shù)據(jù)維數(shù)較高的問題，提出采用主成分分析法(PCA)對原始數(shù)據(jù)樣本進(jìn)行分析處理。對采用PCA方法進(jìn)行高爐數(shù)據(jù)處理的主成分提取原理及算法等核心問題進(jìn)行了詳細(xì)深入地討論。同時(shí)還以寶鋼某高爐數(shù)據(jù)為例，

3、對數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)預(yù)處理、插值處理、主成分提取及滯后時(shí)間確定等處理和研究，將處理后的數(shù)據(jù)樣本作為本文模型的輸入。 針對目前常用鐵水含硅量靜態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)方法及標(biāo)準(zhǔn)Elman網(wǎng)絡(luò)預(yù)報(bào)復(fù)雜非線性系統(tǒng)中存在的問題，本文提出一種具有動(dòng)態(tài)遞歸特性的改進(jìn)型Elman網(wǎng)絡(luò)結(jié)構(gòu)及算法，提高了網(wǎng)絡(luò)動(dòng)態(tài)適應(yīng)性及非線性映射能力；本文在闡述組合預(yù)報(bào)原理的前提下，討論了將ARMAX模型與改進(jìn)型Elman網(wǎng)絡(luò)模型結(jié)合建立組合預(yù)報(bào)模型的可行性，同時(shí)對不同爐況

4、條件下組合預(yù)報(bào)的加權(quán)向量進(jìn)行了討論和選擇。 最后，采用寶鋼某高爐數(shù)據(jù)樣本對本文所建模型進(jìn)行鐵水含硅量預(yù)報(bào)實(shí)驗(yàn)，取得了較好的效果。對改進(jìn)型Elman網(wǎng)絡(luò)模型進(jìn)行預(yù)報(bào)實(shí)驗(yàn)時(shí)，預(yù)報(bào)誤差按±0.05計(jì)，預(yù)報(bào)命中率達(dá)到88.17％；當(dāng)爐況波動(dòng)較大時(shí)，預(yù)報(bào)誤差按±0.05計(jì)，組合預(yù)報(bào)模型的預(yù)報(bào)命中率最高可達(dá)到92.56％(權(quán)值向量為(0.25，0.75))；當(dāng)爐況波動(dòng)較小時(shí)，預(yù)報(bào)誤差按±0.05計(jì)，組合預(yù)報(bào)模型的命中率最高可達(dá)到93.49％