一种基于工况识别的烧结点火温度建模预测方法技术

本发明专利技术提供一种基于工况识别的烧结点火温度建模预测方法，包括以下步骤：采用FCM聚类的方法对点火过程的多工况进行聚类，确定工况类别；对确定的工况类别进行DBI指标计算，确定烧结点火过程的工况数；基于聚类后得到的不同组实际数据，搭建确定的每种特定工况下的点火温度预测模型PSO

【技术实现步骤摘要】
一种基于工况识别的烧结点火温度建模预测方法


[0001]本专利技术涉及烧结点火
，尤其涉及一种基于工况识别的烧结点火温度建模预测方法。

技术介绍

[0002]钢铁行业是国民经济发展的重要基础产业，烧结生产是炼铁流程中的一道重要工序，是人工富矿的主要途径，产生的烧结矿用于高炉冶炼，烧结矿质量及产量对高炉生产有直接影响，进而影响整个炼铁生产的效果。烧结生产工艺一般包括配料、混合制粒、偏析布料、点火、抽风烧结、冷却、破碎筛分等过程，烧结点火是烧结生产中的一个重要流程，点火的效果会深刻影响烧结矿质量与产量。烧结燃烧过程开始于烧结机点火炉中的点火操作，点火的目的是点燃混合料表面的固体燃料，最终获得优质的烧结矿。点火过程的主要衡量指标之一是点火温度，如果温度偏低，则表层烧结矿强度差，甚至不能形成烧结矿；如果温度偏高，则将使表层烧结矿过熔，得不到满意质量的烧结矿，而且很容易造成燃料不必要的浪费。
[0003]当前，对于烧结点火过程预测建模的研究，往往忽略了烧结点火过程所用煤气的热值在长时间尺度下存在较大变化的现象，都默认煤气热值不变，但通过对高炉煤气与焦炉煤气出厂时的热值检测，发现这些煤气都存在短期变化小，长期变化大的特点，该现象导致了烧结点火过程的长时间尺度下多工况特性。已提出的烧结点火温度预测模型基本上都属于单一建模方式，没有点火过程多工况下建模的研究，由于点火过程的多工况特性，建立的点火温度单一预测模型无法适应长时间尺度下不断变化的点火过程工况，因此，单一预测模型无法做到长期准确的点火温度预测，即在长时间尺度下无法保证预测的准确性，只能在短期内(即工况稳定时)有效，模型的实用性大大降低。
[0004]因此，想要达到长时间尺度下更精确的点火温度预测效果，就需要通过对能反映煤气热值变化的相关烧结生产数据进行有效聚类，以实现对点火过程工况变化的有效识别，并能搭建出适用于多工况下更精确的组合预测模型，保证预测模型能根据点火过程实时数据进行有效的工况识别与准确的点火温度预测。
[0005]当前，我国的烧结能耗水平仍然落后国际先进水平很多的情况下，研究烧结点火过程并优化烧结点火控制，能起到节约能耗、减少温室气体排放的作用，而点火过程智能控制研究的重要基础是精确的点火温度预测模型。对于点火温度预测模型的研究，大多都只能在短时间尺度工况稳定的情况下才有好的预测效果，而在长时间尺度工况发生变化的情况下，预测效果会变差。因此，研究烧结点火过程的预测模型具有极佳的经济效益，对烧结点火的特性研究、建模、控制和优化技术具有重要的现实意义。

技术实现思路

[0006]有鉴于此，本专利技术目的是提供一种基于工况识别的烧结点火温度建模预测方法，包括以下步骤：
[0007]S1、采用FCM聚类的方法对点火过程的多工况进行聚类识别，得到每种工况下的数据集，包括当前时刻的点火温度T、空气流量Q
A
、影响高炉煤气流量Q
B
以及焦炉煤气流量Q
C
；
[0008]S2、对步骤S1中的每种工况进行DBI指标计算，确定烧结点火过程的工况数；
[0009]S3、基于每种工况的数据集，搭建S2确定的每种特定工况下的点火温度预测模型；
[0010]S4、根据不同的工况类别，切换相对应的预测模型，实现点火温度的预测。
[0011]本专利技术提供的技术方案带来的有益效果是：克服了点火过程工况变化时单一预测模型精度变差的缺陷，能够根据实时反馈数据计算并判断点火过程工况是否发生改变，若发生改变，则可识别出当前工况并切换到相应的预测模型进行预测，保证了长时间尺度各种工况条件下点火温度都能被最适合的PSO-Elman预测模型所预测，从而保持长期高效的预测精度。
附图说明
[0012]图1是本专利技术一种基于工况识别的烧结点火温度建模预测方法的结构图；
[0013]图2是本专利技术一种基于工况识别的烧结点火温度建模预测方法中Elman神经网络结构图；
[0014]图3是本专利技术一种基于工况识别的烧结点火温度建模预测方法中预测结果对比图。
具体实施方式
[0015]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。
[0016]请参考图1，本专利技术提供了一种基于工况识别的烧结点火温度建模预测方法，包括以下几个步骤：
[0017]S1、采用FCM聚类的方法对点火过程的多工况进行聚类，确定工况类别；
[0018]烧结点火过程是一个多干扰、影响参数众多的复杂工业生产过程，具有时间延迟性、大滞后性、非线性等特点，影响点火温度T的主要参数如下表1所示：
[0019]表1.烧结点火过程主要参数
[0020][0021]其中，高炉煤气阀门开度V
B
、高炉煤气压力P
B
、焦炉煤气阀门开度V
C
、焦炉煤气压力P
C
分别影响高炉煤气流量Q
B
与焦炉煤气流量Q
C
的大小。在点火过程中，点火炉中的混合气体燃烧产生的热量直接决定了点火温度的高低，通常点火温度T正比于燃烧产生的热量E，因此，影响烧结点火温度的直接参数如下所示
[0022]T
∝
E＝H
B
*Q
B
+H
C
*Q
C
[0023]因此，若要实现对点火温度的长期精确预测，不仅要考虑煤气流量这一影响参数(通常由于煤气压力波动导致煤气流量变化)，还要考虑另外的直接影响因素——煤气热值，但由于烧结厂一般没有安装煤气热值检测仪，所以无法实时测量煤气热值变化，这也是已提出的预测方法中不考虑煤气热值影响的主要原因。而煤气热值长时间尺度变化小、长时间尺度变化大的特点，可以认为不检测煤气热值的情况下，点火过程存在长时间尺度下的多工况特性。
[0024]采用欧式距离为聚类指标的FCM目标函数及其约束条件如下：
[0025][0026][0027]其中，X
i
为第i个样本，c
j
为第j个聚类中心，u
ij
为第i个样本对于第j类的隶属度，l为聚类数目，n为样本数，m∈[1,∞)为模糊权重系数；
[0028]FCM聚类算法是一种不确定建模与数据聚类的有效工具，本专利技术采用FCM聚类的方法对点火过程的多工况进行聚类识别，聚类的输入量X
j
需要能反应点火过程工况的变化，即反映高炉煤气热值与焦炉煤气热值的大小，煤气热值相近的数据被聚为一类，可视为同一工况。本专利技术设计的FCM聚类的输入变量X
i
如下：
[0029][0030]其中，T
i
、Q
A(i)
、Q
B(i)
以及Q1分别表示数据集中的第i个点火温度、空气流量、高炉煤气流量以及焦炉煤气流量，X
i
表示单位时间单位煤气流量下，第i个点火温度的变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工况识别的烧结点火温度建模预测方法，其特征在于，包括以下几个步骤：S1、采用FCM聚类的方法对点火过程的多工况进行聚类识别，得到每种工况下的数据集，包括当前时刻的点火温度T、空气流量Q
A
、影响高炉煤气流量Q
B
以及焦炉煤气流量Q
C
；S2、对步骤S1中的每种工况进行DBI指标计算，确定烧结点火过程的工况数；S3、基于每种工况的数据集，搭建S2确定的每种特定工况下的点火温度预测模型；S4、根据不同的工况类别，切换相对应的预测模型，实现点火温度的预测。2.根据权利要求1所述的一种基于工况识别的烧结点火温度建模预测方法，其特征在于，步骤S1具体如下：采用欧式距离为聚类指标的FCM目标函数及其约束条件如下：采用欧式距离为聚类指标的FCM目标函数及其约束条件如下：其中，X
i
为第i个样本，c
j
为第j个聚类中心，u
ij
为第i个样本对于第j类的隶属度，l为聚类数目，n为样本数，m∈[1,∞)为模糊权重系数；聚类的输入变量X
i
如下：其中，T
i
、Q
A(i)
、Q
B(i)
以及Q
C(i)
分别表示数据集中的第i个点火温度、空气流量、高炉煤气流量以及焦炉煤气流量，X
i
表示单位时间单位煤气流量下，第i个点火温度的变化程度，即反映高炉煤气热值与焦炉煤气热值的大小，煤气热值相近的数据被聚为一类，视为同一工况。3.根据权利要求1所述的一种基于工况识别的烧结点火温度建模预测方法，其特征在于，S2中所述最佳聚类数确定方法具体如下：S21、定义距离函数d
...

【专利技术属性】
技术研发人员：安剑奇，岑延卓，吴敏，杜胜，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：