基于遗传算法优化BP神经网络的高炉喷煤优化

高炉炼铁是一个复杂的多变量系统,而现行的操作制度是基于炉长经验的参数设置模式,导致能源尤其是煤粉的消耗常常处于"盲目"状态;文章综合炼铁工艺理论和高炉专家经验,针对白云鄂博矿石冶炼的特殊性,采用筛选出的优化数据,利用遗传算法所固有的全局搜索性能优化BP神经网络模型的权值和阈值,分别建立了基于遗传算法优化BP神经网络的高炉喷煤量优化预测模型以及工艺指标(铁水[Si]含量及入炉焦比)预测模型;优化数据的利用使得上述模型可以根据高炉当前炉况输出喷煤量的最佳优化设定值,并预测出相对应的工艺指标变化趋势;实际应用表明,本方法能够给现场操作人员提供操作指导,实现高炉稳定顺行、提高经济效益的目的。

酒钢高炉喷吹煤结构优化及提煤比攻关实践

结合酒钢现有周边原煤资源,对喷煤煤种工业分析、煤粉粒度、燃烧性、热值、可磨性等方面进行研究,高炉使用的喷吹煤配煤结构进行合理调整,并改造喷吹系统及参数优化,高炉煤比较2020年提高30 kg/t,焦比较2020年降低33 kg/t,取得了较好的经济效益。

基于T-S模型的高炉喷煤协同优化控制策略研究

高炉炼铁过程通过增煤减焦实现节能减排目标,针对人工操作模式存在主观性、粗糙性和滞后性难以实现增煤减焦的问题,采用上下协同优化控制方法,一方面通过上部提前匹配减焦方式维持高温区热平衡,另一方面通过富氧鼓风保证下部喷入煤粉的高消化率,使煤粉在风口回旋区充分燃烧。进而从控制角度解析描述增煤减焦过程,将铁水温度的稳定控制问题转换为风口回旋区温度的稳定控制问题,提出增煤减焦协同优化控制策略及风口回旋区温度对焦炭和煤粉不同滞后时间的稳定控制策略。首先,建立煤粉燃烧系统的T-S模糊模型,将辨识得到的喷煤最大时延区间进行划分,在不同时延子区间建立T-S模糊子模型;然后,采用并行分布补偿(parallel distributed compensation,PDC)原理设计状态反馈控制器,并基于Lyapunov稳定性理论与线性矩阵不等式(linear matrix inequality,LMI)方法求解出系统稳定的充分条件。仿真实验验证了模型及状态反馈稳定控制器的有效性。