【摘要】：高爐煤粉噴吹技術(shù)是實(shí)現(xiàn)高爐節(jié)能減排的重要手段之一。從經(jīng)濟(jì)角度來(lái)講,噴煤實(shí)現(xiàn)了冶煉過程中對(duì)價(jià)格昂貴的焦炭的替代,同時(shí)煤粉噴吹技術(shù)也是高爐冶煉過程中從高爐底部調(diào)控爐溫的手段之一。目前高爐冶煉的現(xiàn)場(chǎng)煤粉噴吹量的決策是依靠具有經(jīng)驗(yàn)的高爐爐長(zhǎng)觀察高爐運(yùn)行過程中的各檢測(cè)指標(biāo)的參數(shù)來(lái)決定當(dāng)前時(shí)刻的噴煤量的大小。因此,高爐噴煤量的決策具有主觀性。本課題是以高爐冶煉過程中的實(shí)時(shí)噴煤決策量作為研究對(duì)象,以柳州鋼鐵2#高爐為研究背景,基于機(jī)理分析高爐煤粉噴吹對(duì)高爐各部分冶煉的影響及決策高爐噴煤量的影響因素,基于數(shù)據(jù)分析篩選不同變量做為模型的輸入特征,針對(duì)高爐的冶煉特點(diǎn)對(duì)模型進(jìn)行改進(jìn),使其更適用高爐冶煉的數(shù)據(jù)場(chǎng)景。具體的研究工作如下:(1)結(jié)合高爐冶煉過程中的工藝機(jī)理和現(xiàn)場(chǎng)傳感器采集數(shù)據(jù),針對(duì)高爐在冶煉過程中由于惡略環(huán)境產(chǎn)生的異常值數(shù)據(jù),本文使用了箱線圖法對(duì)其進(jìn)行了剔除,利用最大信息系數(shù)進(jìn)行相關(guān)性分析,確定不同時(shí)延下的特征序列對(duì)噴煤決策量的影響。根據(jù)不同相關(guān)性系數(shù)閾值,篩選相應(yīng)的變量作為后續(xù)數(shù)據(jù)建模的輸入特征。(2)考慮了不同的相關(guān)系數(shù)閾值所篩選的特征變量對(duì)建模數(shù)據(jù)的影響,將不同閾值下篩選的變量作為支持向量回歸模型中,以驗(yàn)證最佳的相關(guān)性系數(shù)閾值的建模效果。同時(shí)考慮到數(shù)據(jù)建模模型對(duì)數(shù)據(jù)特征分布敏感的特性,本文引入稀疏降噪自編碼神經(jīng)網(wǎng)絡(luò)對(duì)支持向量回歸模型進(jìn)行改進(jìn),使特征數(shù)據(jù)在進(jìn)行回歸建模之前對(duì)特征空間進(jìn)行重構(gòu),保證對(duì)數(shù)據(jù)噪聲的平滑處理,使回歸模型對(duì)于大量存在噪聲的高爐數(shù)據(jù)具有魯棒性。并在第四章仿真實(shí)驗(yàn)中驗(yàn)證基于自編碼改進(jìn)的支持向量回歸模型其模型精度由于經(jīng)典支持向量回歸模型。(3)使用聚類算法對(duì)高爐數(shù)據(jù)進(jìn)行分簇預(yù)處理來(lái)應(yīng)對(duì)高爐冶煉過程中存在的多冶煉爐況的問題。聚類算法將相似冶煉狀態(tài)所生成的數(shù)據(jù)樣本歸為一簇,進(jìn)而利用每個(gè)數(shù)據(jù)子集對(duì)冶煉過程中的噴煤量進(jìn)行子模型建立,這樣建立多個(gè)子模型的方法能夠很好的抓住高爐冶煉過程多爐況的特征。最后的數(shù)據(jù)仿真驗(yàn)證了此方法的有效性和模型的高精度。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TF538.6
【圖文】：

-9-圖 2-1 高爐冶煉流程圖煉過程實(shí)際上是還原氣體還原鐵礦石的過程，按照礦石在高爐的態(tài)以及反應(yīng)的程度，根據(jù)其特征人為的劃分成五個(gè)區(qū)域，自上至軟熔帶、滴落帶、風(fēng)口回旋區(qū)以及爐缸區(qū)。其中各區(qū)域高爐內(nèi)主狀帶 間接還原，爐料和煤氣進(jìn)行熱交換。熔帶 礦石等爐料軟化，在上半?yún)^(qū)融化，下半?yún)^(qū)熔融滴落，主要進(jìn)。落帶 熔化的鐵水以及還原氣體及固體碳之間進(jìn)行多種物料的接觸

圖 5-4 高爐爐況分簇建模分析示意圖表 5-1 柳鋼 2#高爐部分參數(shù)合理運(yùn)行指標(biāo)表項(xiàng)目 好 注意 壞壓差 P (kPa)大于 160 且小于等于 175大于 150 且小于等于 160或大于 175 且小于等于182大于 182 或小于等于150透氣性指數(shù)(萬(wàn))大于 16.90 且小于等于17.40小 于 等 于16.40 或大于17.90熱風(fēng)壓力(MPa)大于 0.385 且小于等于0.400大于 0.380 且小于等于0.385或大于0.400且小于等于 0.410小 于 等 于0.375 或大于0.415軟水溫差 T (℃)大于 4 且小于等于 5.5大于 3 且小于等于 4 或大于 5.5 且小于等于 6.5小于等于 3或大于 6.5鐵水溫度差(℃)大于 0 且小于等于 10大于 10 且小于等于 20 大于 20探尺深度偏差(m) 小于等于 0.2 大于 0.2 且小于等于 0.5 大于 0.5大于 400 且小于等于 450

預(yù)設(shè)的高爐運(yùn)行過程中的參數(shù)范圍，這就為現(xiàn)場(chǎng)決策帶來(lái)困難�；诰垲愃惴ǖ膶�(duì)數(shù)據(jù)分簇有利于，將數(shù)據(jù)分成更小的子集浙江意味著降低了每個(gè)數(shù)據(jù)集的數(shù)據(jù)量，特別對(duì)于聚類使用的 SVR 算法能夠提高其運(yùn)算速度，同時(shí)聚類算法是對(duì)高爐運(yùn)行過程中數(shù)據(jù)在高維空間中分布相似的數(shù)據(jù)建模，其建模精度更加優(yōu)于單模型建模。綜上所述，這種建模辦法在提高精度的同時(shí)將目標(biāo)數(shù)據(jù)集的分成多個(gè)數(shù)據(jù)集建模降低的訓(xùn)練模型的時(shí)間，下面介紹該方法的具體步驟。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郜傳厚,周志敏,邵之江;高爐冶煉過程的混沌性解析[J];物理學(xué)報(bào);2005年04期

2 韓曉光;胡賓生;貴永亮;;煤氣中氯對(duì)高爐冶煉過程的影響及防治預(yù)測(cè)[J];河北聯(lián)合大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

3 楊桂萍,謝裕生,張恒,張洪平;高爐冶煉過程中硫在渣-鐵間分配系數(shù)的確定[J];鋼鐵研究學(xué)報(bào);1989年04期

4 嚴(yán)其艷;劉勇求;;面向高爐冶煉過程的預(yù)測(cè)方法綜述[J];科技致富向?qū)?2011年32期

5 李家新,周莉英,糜克勤;高爐冶煉過程的動(dòng)作響應(yīng)問題[J];安徽工業(yè)大學(xué)學(xué)報(bào);2001年03期

6 馮曉會(huì);;高爐冶煉過程模型與計(jì)算機(jī)應(yīng)用[J];甘肅科技;2012年13期

7 李晶;武靖U

本文編號(hào)：2764691