高炉炼铁过程的数学模型研究与过程控制

Scientific burden distribution of blast furnace (BF), forecasting and control of hot metal temperature play a pivotal role in realizing automatic control of iron making progress. The goal of our program proposal is to establish optimal control model of BF ironmaking process, which is combined with furnace burden distribution model, forecast model of hot metal temperature and identification technology of gas flow distribution together. ①.Based on the data and theoretical analysis of No.6 BF at Baotou Steel Co., we want to build the burden distribution model of BF, which includes the following sub models: model of throttle opening size of damper and burden charging speed ;model of burden movement on chute; trajectory model of burden flow; profile model of burden surface; modified model of burden surface profile while burden surface is decreasing; prediction model of coke rate. ②By using the production data of No.6 BF at Baotou Steel Co., we also want to establish forecast model of BF temperature based on data-driven, which includes following sub models: time lag model with influence parameters of blast furnace;TGARCH time series model of silicon content in hot metal (including historical data); Nonlinear forecast model of silicon content in hot metal based on projection pursuit and genetic algorithm (including state parameters and control parameters);silicon content forecast model using hearth thermal state(considering furnace burden、 gas composition、hot metal composition);silicon content forecast model using weighted multivariate time series combined with time lag model;③State forecast model of BF using fuzzy association rules(including silicon content of hot metal、reduction rate of iron elements、sulfur content of hot metal、slag basicity and gas distribution at furnace top)④Based on the burden distribution model, We also want to establish the optimal burden distribution matrix of under-construction blast furnace(4500) at Baotou Steel Co.

科学的布料制度和炉温的预报、调控是实现高炉炼铁过程自动化控制技术的关键环节。本课题拟将炉顶布料、炉温预测与煤气流识别技术相结合，建立高炉冶炼过程综合优化控制模型。① 建立基于实测数据和理论分析的包钢6号高炉炉顶布料模型：模型包括节流阀开度与料流速度的模型；炉料在溜槽上的运动模型；料流轨迹模型；料面形状模型；矿焦比预测模型。②建立基于大量生产数据的包钢6号高炉炉温预报模型：模型包括各影响参数的时间滞后模型；TGARCH铁水硅含量时间序列模型（历史信息）；基于投影寻踪技术和遗传算法的铁水硅含量非线性系统的预测模型（控制参数和状态参数）；炉热指数铁水硅含量模型（炉料、煤气成分、铁水硅含量）；加权的多元时序与滞后混合的硅含量模型；③采用模糊关联规则建立高炉炉况预报模型(硅含量、铁还原速率、铁水硫含量、炉渣碱度及煤气流分布形态)④利用建立的布料模型给出包钢在建高炉（4500）的最优布料矩阵。

科学的布料制度和炉温的预报、调控是实现高炉炼铁过程自动化控制技术的关键环节。本课题以包钢6号高炉为研究对象，建立了四个数学模型，分别是并罐高炉的布料模型、煤气流中心分布识别模型、煤气流分布与煤气利用率关系模型和炉温预测模型。具体研究结果如下：（1）建立了确定并罐高炉炉料堆尖位置的布料模型：通过计算颗粒能量耗散系数建立了碰撞模型，并将碰撞模型与水力学模型、三维碰撞轨迹、科氏力模型、曳力模型相结合，建立了预测并罐高炉炉料堆尖位置的混合模型，并利用实测数据、高炉运行的红外图像及现场穿孔溜槽图片验证了该模型的正确性。该模型能够实时指导高炉布料操作。（2）提出了一种基于红外图像处理的高炉煤气流中心分布特征识别方法：对煤气流视频图像进行批处理，提取到每秒煤气流中心的变化信息。引入“煤气流中心偏移”的概念，采用模糊C均值聚类的方法，对每小时的煤气流中心偏移度及对应的煤气利用率组成的向量进行分类，通过在线监测煤气流中心偏移度及偏移位置，实现炉喉煤气流中心发展情况的调控（3）提出了大数据框架下的多元统计分析和高斯混合模型的建模策略，为高炉生产过程分析提供新的思路：在实际生产过程中，通过在线监测煤气流中心偏移度、高温区域面积比和边缘煤气流温度等煤气流特征参数，使用该建模方法确定煤气流分布特征与CO利用率之间的关系，为高炉操作人员的实时调控提供了理论依据，达到高效生产的目的。（4）建立了基于香农熵的广义相关系数时滞分析模型和基于样条变换的非线性偏最小二乘回归（ST-PLS）的反应炉温的参数预测模型，得出影响高炉炉温的主要参数的滞后时间，预测出能够综合反应高炉炉温的4个参数[Si]，[S]，铁还原速率及铁水温度。建立了时间序列与影响因素结合的铁水温度TGARCH混合预报模型。