多信息、专家知识相结合的高炉冶炼下部调节优化控制研究

Iron and steel industry is an important and basic pillar industry of the national economy which has the most serious overcapacity. Blast furnace ironmaking is the largest energy consumption and pollution emission link that should undertake the important task of energy saving and cost reduction. Taking the large blast furnace with baiyunebo as foundation, aiming at high efficiency, low carbon and low emission, this research would like to study operation optimization control system on the lower part of blast furnace using mass blast furnace smelting data and image information, with combinations of iron-making theory and expert knowledge, utilizing data mining,machine vision, pattern recognition, artificial intelligence, intelligent computing and so on. It is opposed to 1) study dynamic optimization problem of set value,establish optimization strategy of operation parameters;2)establish feedback compensation stategy of set point of coal injection,elimatate uncertain influence of set value;3)study image information of tuyere,establish predictive compensation control strategy for large time delay,amend set value of coal injection.This research enriched the operation optimization controltheory and method at the complex process of blast furnace and also had theoretical guidance meaning for energy conservation in the blast furnace smelting process.

钢铁工业是我国国民经济的重要支柱和基础产业，产能过剩最严重。高炉炼铁是钢铁企业能耗、污染排放最大的环节，应承担节能降耗和降成本的重任。本课题以冶炼白云鄂博矿的大型高炉为研究对象，以高效、低碳、低排放为目标，利用高炉海量复杂数据和图像信息，结合炼铁理论与专家知识，综合利用数据挖掘、机器视觉、模式识别、人工智能、智能计算等理论与技术，研究高炉下部调制的运行优化控制体系。研究内容如下：1）研究设定值动态优化问题，建立操作参数优化策略；2）建立喷煤设定值反馈补偿模型，消除设定值不确定性影响；3）研究风口图像信息，建立大滞后预测补偿控制策略，修正喷煤设定值。本课题的研究丰富了复杂炼铁过程运行优化控制应用的理论与方法，对高炉冶炼过程的节能降耗具有重要意义。

高炉炼铁是钢铁产业中能耗和污染最大的环节，亟待向高效、节能、环保智能模式转型，增煤降焦炭是最有效实现的关键措施。高炉生产条件波动、炉况复杂、状态多变，具有参数关联、强耦合、多重大滞后特征。多个生产指标、约束复杂的人工操作模式，存在盲目性、模糊性、主观性、滞后性问题，难以实现高炉冶炼过程运行优化。高炉冶炼过程是高度复杂、多目标、非线性动力学过程，以高效、低碳、环保为目标的运行优化控制，涉及炼铁、信息、控制等多个科学技术领域，相关控制理论方法远超现有的控制理论和系统设计方法。.本课题在不改变高炉冶炼生产设备及操作流程的基础上，从工程优化控制的角度，将高炉冶炼过程数据与工艺机理及专家知识相结合，综合运用数学、人工智能、机器视觉理论技术方法。将建模与控制相集成，优化与反馈、预测与前馈相结合，基于高炉操作控制模式解析描述高炉运行优化控制问题，依据分层理论将之转化为有约束的上部、下部两个子系统协同优化控制问题，简化高炉的复杂性和强耦合性问题。下部调剂是增煤降焦比、调剂热制度，保证高炉平稳的有效途径，进而将问题等价为下部喷煤优化控制问题。上部协同降焦调制的影响等效为干扰问题；前馈预测补偿和反馈补偿控制消除参数不确定影响；分布式状态反馈控制解决大滞后性导致的炉况波动，保证运行过程的稳态迁移，均为过程回路复杂优化控制问题。建立了下部增煤上部协同降焦的高炉运行优化控制结构与体系。.从方法论的角度，将建模、控制与优化不同层次的科学研究问题归为同类动态智能建模问题。建立了表征炉况特征的综合炉况识别与评价模型、基于多目标优化的操作参数喷煤量设定值动态决策模型，给出与冶炼条件相适应最佳喷煤操作参数量，指导炉长优质、节能减排精细化操作。建立了基于风口回旋区煤粉燃烧、温度信息的前馈预测补偿智能模型，保证煤粉充分燃烧，解决高煤粉喷吹消化率低的关键瓶颈问题。建立了基于状态反馈分布式T-S模糊控制，保证高炉运行过程的稳态迁移，实现高煤低焦与高炉稳定顺行的相统一。.本课题为解决高炉运行过程机理复杂建模难，人工操作控制模式难以实现运行优化问题，提供了可行的技术与理论方法。研究内容完成了项目预期目标，发表期刊论文21篇，其中SCI收录4篇、EI收录2篇，授权国家发明专利4项，获内蒙古自然科学二等奖一项。