高炉透气性指数的核超限学习机预测模型

高炉透气性指数反映了高炉内煤气流运动受到阻碍的大小,是操作人员判断高炉运行状态的重要依据.本文针对超限学习机的缺点,提出了基于核超限学习机的高炉透气性指数预测模型.首先选取了适当的高炉参数作为模型的输入.其次采用小波变换对生产数据降噪处理.然后建立基于核超限学习机的高炉透气性指数预测模型.在建模过程中,探索了不同的核函数对模型性能的影响,并对相关参数寻优.最后进行仿真实验,同其他算法对比.实验结果表明,相比于传统算法,基于核超限学习机的高炉透气性指数预测模型训练速度更快,预测精度更高,预测结果更稳定.

基于数据驱动的高炉料面优化决策模型研究

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行.

高炉料面特征提取与聚类分析

布料是高炉上部调节的主要方式,料面形状特征是指导高炉工长做出下一次布料决策的重要依据.本文通过分析高炉雷达实测料面数据,结合专家经验,提出了一种料面特征定义和提取的方法,提取出了能够表征料面形状的6个特征;然后将谱聚类算法引入到料面特征数据的聚类中,建立了料面特征模型库;最后将新的料面特征与模型库数据匹配,为后续高炉布料控制奠定研究基础.在仿真结果中采用真实高炉生产数据,验证了料面特征提取方法的有效性.仿真结果表明谱聚类算法相比传统的K-mean和模糊C均值聚类算法,具有收敛速度快,聚类性能高等特点,能够准确有效地建立料面特征模型库.

高炉透气性指数的改进多层超限学习机预测模型

高炉透气性指数是高炉操作者衡量高炉顺行状态的指标之一.针对传统透气性指数测量模型的缺陷,本文提出了一种基于改进的多层超限学习机(multi-layer extreme learning machine,ML–ELM)的高炉透气性指数预测模型.首先分析影响高炉透气性指数的相关操作参数,考虑到高炉生产数据含有大量噪声,运用小波去噪方法消除数据的噪声干扰.然后建立高炉透气性指数预测模型.在建模过程中,将偏最小二乘(partial least square,PLS)与多层超限学习机算法结合,消除多层超限学习机最后一层隐藏层的多重共线性,提高了模型预测精度.并且所提出的改进算法称为PLS–ML–ELM.最后使用现场生产数据对该模型训练和测试,预测结果表明所提出模型能够快速、精确地预测高炉透气性指数,并且为高炉的后续操作提供有效的决策与支持.

高炉料面的分类与案例匹配算法

本文基于改进的k-means算法及分级案例库匹配技术提出一种研究高炉料面和煤气流关系的方法.为了获取煤气流分布情况,首先提出了改进的基于新型有效性指标评价的k-means算法,并将该算法与其它多种算法进行比较,证明了该方法的高效性和准确性.继而在此基础上提出了案例库匹配技术,从而获得与当前料面最为匹配的历史料面.最后,将匹配算法与改进的灰色相似性匹配算法和欧式近邻匹配算法进行比较.结果表明,分级匹配算法具有更高的分辨率和效率.在多次试验中匹配准确率高达92.5%,比其他几种算法更加准确,更适合研究料面与煤气流关系,指导布料操作.

Burden Distribution Calculation of Bell-Less Top of Blast Furnace Based on Multi-Radar Data

The burden distribution real-time estimation problem of multi-loop charging based on the real multi-radar data is resolved.Firstly , an iterative algorithm is introduced to calculate the radial coordinate of the pile-top.Then , based on the multi-radar data , the burden profile is estimated by a cubic-curve equation at the end of the multi-loop charging.Furthermore , the burden profile before the next multi-loop charging is calculated based on multi-radar data by considering the impact of burden descent.On the basis of these burden profiles , a more accurate thickness ratio of ore to coke （ RO/C ） at the radial direction of blast furnace can be obtained.Finally , an example is given to calculate the burden profiles and RO/C by using the real multi-radar data sampled from Baosteel , which shows the effectiveness of the method introduced.