基于多傳感器的高爐煉鐵操作參數(shù)優(yōu)化*

崔桂梅，侯 佳，高翠玲，陳智輝

(內(nèi)蒙古科技大學(xué) 信息工程學(xué)院，內(nèi)蒙古 包頭014010)

0 引 言

高爐(blast furnace，BF)煉鐵是一個(gè)復(fù)雜的高溫、多相物理化學(xué)變化過(guò)程，具有非線性、多變量、大滯后、強(qiáng)耦合、不確定性等特點(diǎn)［1］，為了實(shí)現(xiàn)對(duì)高爐的實(shí)時(shí)監(jiān)控，高爐煉鐵過(guò)程應(yīng)用了大量傳感器，用來(lái)采集各變量數(shù)據(jù)，利用數(shù)據(jù)挖掘［2］實(shí)現(xiàn)操作參數(shù)優(yōu)化。長(zhǎng)期以來(lái)，許多學(xué)者針對(duì)高爐優(yōu)化做了大量的研究，例如:劉祥官教授［3，4］在高爐煉鐵過(guò)程的建模優(yōu)化方面取得了巨大的進(jìn)步，但是針對(duì)操作參數(shù)優(yōu)化的研究相對(duì)較少。陽(yáng)春華、謝永芳教授［5］將操作模式匹配應(yīng)用到銅閃速熔煉過(guò)程中，取得了一定的成果，但是在高爐領(lǐng)域尚無(wú)人應(yīng)用。

本文針對(duì)白云鄂博礦的特殊冶煉過(guò)程，結(jié)合高爐專家經(jīng)驗(yàn)，從數(shù)據(jù)驅(qū)動(dòng)的角度研究高爐煉鐵過(guò)程操作模式優(yōu)化問(wèn)題，即利用操作模式評(píng)價(jià)模型提取優(yōu)良模式庫(kù)，然后采用基于相似性的聚類算法對(duì)優(yōu)良模式庫(kù)中的模式進(jìn)行聚類，獲得各子類中心。計(jì)算當(dāng)前工況與各子類中心的相似度，獲得與當(dāng)前工況所匹配到的相似度最高的子類，實(shí)現(xiàn)第一級(jí)匹配。進(jìn)入該子類，計(jì)算當(dāng)前工況與該子類各操作模式的相似度，取相似度最大的操作模式作為匹配到的最優(yōu)操作模式，完成第二級(jí)匹配。采用操作模式多級(jí)匹配方法能夠準(zhǔn)確快速地搜索出最優(yōu)操作模式，使得綜合工況指標(biāo)達(dá)到最優(yōu)。

1 高爐煉鐵操作模式的定義

高爐煉鐵過(guò)程是在一個(gè)密閉的豎爐內(nèi)進(jìn)行的。高爐煉鐵過(guò)程的特點(diǎn)是，在爐料(礦石、焦炭)與煤氣逆流運(yùn)動(dòng)的過(guò)程中完成了多種錯(cuò)綜復(fù)雜的交織在一起的化學(xué)反應(yīng)和物理變化，且由于高爐是密閉的容器，除去投入(裝料)和產(chǎn)出(鐵、渣、煤氣)外，操作人員無(wú)法直接觀察到反應(yīng)過(guò)程，只能通過(guò)儀器儀表檢測(cè)的數(shù)據(jù)，間接觀察、了解高爐的運(yùn)行狀況。高爐煉鐵過(guò)程各種傳感器檢測(cè)的數(shù)據(jù)大約有70 多種，因此，根據(jù)現(xiàn)場(chǎng)數(shù)據(jù)的采集條件和各變量與鐵水硅含量(%)與硫含量(%)的相關(guān)程度，結(jié)合專家經(jīng)驗(yàn)選取料速(批/h)、鐵量差(t)、透氣性指數(shù)(m3/min·MPa))、風(fēng)量(m3/min)、富氧率(%)、噴煤量(t/h)作為主要變量。將上述變量組合定義為高爐煉鐵的操作模式，即q=［XTYTOT］T，其中，X=［x1，x2，x3］T，料速(x1)、鐵量差(x2)、透氣性指數(shù)(x3)能反映高爐運(yùn)行狀態(tài)定義為狀態(tài)參數(shù);Y=［y1，y2，y3］T，風(fēng)量(y1)、富氧率(y2)、噴煤(y3)等生產(chǎn)過(guò)程中可進(jìn)行調(diào)節(jié)控制的參數(shù)定義為操作參數(shù);O=［o1，o2］T，鐵水硅含量(o1)與硫含量(o2)為反應(yīng)鐵水質(zhì)量的工藝指標(biāo)。操作模式匹配即是以當(dāng)前爐況的狀態(tài)參數(shù)與優(yōu)化操作模式的狀態(tài)參數(shù)進(jìn)行匹配，通過(guò)相似度計(jì)算尋找到最接近的操作參數(shù)，從而實(shí)現(xiàn)操作參數(shù)的優(yōu)化，達(dá)到指導(dǎo)實(shí)際生產(chǎn)的目的。

2 高爐煉鐵操作模式多級(jí)匹配過(guò)程

2.1 數(shù)據(jù)預(yù)處理

1)異常數(shù)據(jù)的處理

在高爐煉鐵中，受測(cè)量?jī)x表檢測(cè)精度、可靠性和現(xiàn)場(chǎng)測(cè)量環(huán)境等因素的影響，不可避免地存在一些不完整和錯(cuò)誤的數(shù)據(jù)。這些數(shù)據(jù)會(huì)在一定程度上影響甚至改變整體數(shù)據(jù)的分布趨勢(shì)與相關(guān)結(jié)構(gòu)，因此異常數(shù)據(jù)的檢測(cè)和處理非常重要。異常數(shù)據(jù)剔除方法主要有拉依達(dá)準(zhǔn)則法、馬氏距離法、預(yù)測(cè)殘差等，根據(jù)實(shí)際要求，采用拉依達(dá)準(zhǔn)則法對(duì)異常數(shù)據(jù)進(jìn)行剔除。本文所用某煉鐵廠數(shù)據(jù)為14 228 組，剔除后剩余13 513 組。

2)數(shù)據(jù)時(shí)滯分析

高爐工藝參數(shù)對(duì)鐵水硅含量、硫含量的影響存在著一定的時(shí)間滯后性，只有考慮滯后時(shí)間，才具有指導(dǎo)意義。采用自相關(guān)函數(shù)法［6］確定時(shí)滯，并結(jié)合爐長(zhǎng)的相關(guān)經(jīng)驗(yàn)，得出各參數(shù)的滯后時(shí)間分別為料速100 min，透氣性180 min，風(fēng)量60 min，富氧120 min，噴煤量280 min。

2.2 優(yōu)良模式庫(kù)提取

高爐煉鐵實(shí)際生產(chǎn)中，在一定的輸入條件下，不同操作參數(shù)帶來(lái)的生產(chǎn)效果差別很大。為此，建立操作模式評(píng)價(jià)模型，對(duì)某一輸入條件的操作模式進(jìn)行評(píng)價(jià)，具有較優(yōu)綜合指標(biāo)的操作模式為優(yōu)化操作模式。引入綜合指標(biāo)來(lái)直觀反映綜合工況的好壞，用式(1)來(lái)表示

其中，Sireal，Sreal分別為操作模式中實(shí)際鐵水硅含量和硫含量;Sihope，Shope分別為硅含量與硫含量的期望值;a1，a2分別為高爐鐵水硅含量、硫含量對(duì)綜合工況指標(biāo)的影響因子，約束條件為:a1+a2=1，且0≤a1，a2≤1。根據(jù)高爐煉鐵機(jī)理分析結(jié)合專家經(jīng)驗(yàn)，確定影響因子a1，a2的值分別為0.6，0.4，Sihope，Shope分別為0.55%，0.03%，并確定綜合工況評(píng)判標(biāo)準(zhǔn)即優(yōu)良模式的評(píng)判標(biāo)準(zhǔn)，如表1 所示。

表1 綜合工況判斷Tab 1 Judgement of compositive working status

綜合工況指標(biāo)J 越小說(shuō)明工況越好，計(jì)算J 值并結(jié)合表1 判斷當(dāng)前模式是否為優(yōu)，如果當(dāng)前操作模式的綜合工況指標(biāo)落在“優(yōu)”區(qū)間，則將此操作模式放入優(yōu)良模式庫(kù)中，從而完成優(yōu)良模式庫(kù)的提取。本文最終提取到的優(yōu)良模式庫(kù)所含優(yōu)良操作模式為8170 組。

2.3 操作模式匹配

由于大量傳感器的使用，使得高爐煉鐵過(guò)程中積累了大量的工業(yè)歷史數(shù)據(jù)，即使通過(guò)操作模式評(píng)價(jià)模型所提取的優(yōu)良模式庫(kù)仍非常龐大，直接從優(yōu)良模式庫(kù)中搜索匹配當(dāng)前工況耗時(shí)耗力，且準(zhǔn)確度相對(duì)來(lái)說(shuō)不高。為此，采用操作模式多級(jí)匹配，首先采用聚類算法對(duì)優(yōu)良模式庫(kù)進(jìn)行聚類，然后采用基于馬氏距離的相似性度量方法，快速地匹配到相似度最高的操作模式［7，8］。

2.3.1 基于相似性的FCM 聚類

模糊C 聚類(fuzzy c-means，F(xiàn)CM)算法是一種基于劃分的聚類算法［9，10］，它的思想就是使得被劃分到同一簇的對(duì)象之間相似度最大，而不同簇之間的相似度最小。為此，先用減法聚類確定初始聚類中心和聚類個(gè)數(shù)，確定聚類個(gè)數(shù)為5 類，而后基于FCM 聚類得到的各子類中心和每一類的個(gè)數(shù)如表2 所示。

表2 聚類中心與數(shù)據(jù)個(gè)數(shù)Tab 2 Number of clustering centers and data

2.3.2 操作模式相似度計(jì)算

馬氏距離［11，12］被廣泛應(yīng)用于相似性度量，它是一種有效的計(jì)算2 個(gè)樣本集之間相似度的方法，它不僅不受量綱影響，并且還能較好地處理變量間的相關(guān)性問(wèn)題。假設(shè)H，S 為2 個(gè)數(shù)據(jù)集，則H 的均值和S 的均值之間的馬氏距離可用下式計(jì)算其中分別為數(shù)據(jù)集H 和S 的樣本均值;為S 的協(xié)方差矩陣的偽逆矩陣，則采用馬氏距離時(shí)操作模式的相似度定義為

按照上式求出當(dāng)前工況與優(yōu)化操作模式之間的相似度，匹配到相似度最高的優(yōu)化操作模式［13］，實(shí)現(xiàn)操作參數(shù)的優(yōu)化。

3 實(shí)際應(yīng)用

綜上所述，以某鋼鐵公司6#高爐2013 年9 月26 日所選取的5 組數(shù)據(jù)為例，通過(guò)狀態(tài)參數(shù)進(jìn)行一級(jí)匹配，確定各組數(shù)據(jù)所屬子類，結(jié)果如表3 所示。

表3 狀態(tài)參數(shù)所屬子類Tab 3 Sub-classes that condition parameters belong to

一級(jí)匹配確定所屬子類后進(jìn)入該子類中進(jìn)行二級(jí)匹配，所得最優(yōu)操作參數(shù)與實(shí)際操作參數(shù)對(duì)比結(jié)果如表4 所示。從表4 可以看出:匹配優(yōu)化出的風(fēng)量、富氧率及噴煤量與操作人員的經(jīng)驗(yàn)操作思路相吻合，上述3 個(gè)參數(shù)的最大相對(duì)誤差分別為5.27%，6.16%，5.0%。由表5 可以看出:采用操作模式多級(jí)匹配方法與常規(guī)模式匹配方法相比能有效縮短搜索時(shí)間，提高效率。結(jié)果表明:采用本文提出的高爐煉鐵操作模式多級(jí)匹配方法可以準(zhǔn)確并快速地給現(xiàn)場(chǎng)人員提供決策指導(dǎo)。

表4 實(shí)際操作參數(shù)與最優(yōu)操作參數(shù)對(duì)比Tab 4 Comparison between optimal operational parameters and actual operational parameters

表5 多級(jí)匹配方法與常規(guī)匹配方法效果對(duì)比Tab 5 Effect comparison of matching strategy between multi-hierarchy and conventional

4 結(jié)束語(yǔ)

本文根據(jù)高爐煉鐵過(guò)程積累的大量傳感器數(shù)據(jù)，結(jié)合專家經(jīng)驗(yàn)，建立了操作模式評(píng)價(jià)模型，實(shí)現(xiàn)了優(yōu)良模式庫(kù)的提取，提出了基于馬氏距離的模式相似度分析方法和操作模式多級(jí)匹配計(jì)算方法，減少了相似度計(jì)算復(fù)雜程度，縮短了模式匹配時(shí)間，進(jìn)而獲得最優(yōu)操作參數(shù)，實(shí)現(xiàn)了優(yōu)化過(guò)程的準(zhǔn)確性與快速性。仿真和分析表明:該方法具有較好的效果，并且對(duì)穩(wěn)定生產(chǎn)過(guò)程的整體優(yōu)化運(yùn)行具有積極的作用，具有廣闊的應(yīng)用前景。

［1］ 周傳典.高爐煉鐵生產(chǎn)技術(shù)手冊(cè)［M］.北京:冶金工業(yè)出版社，2005.

［2］ 嚴(yán)愛(ài)軍，柴天佑，岳 恒.豎爐焙燒過(guò)程的多變量智能優(yōu)化控制［J］.自動(dòng)化學(xué)報(bào)，2006，32(4):636－640.

［3］ 劉祥官，劉 芳.高爐煉鐵過(guò)程優(yōu)化與智能控制系統(tǒng)［M］.北京:冶金工業(yè)出版社，2003.

［4］ 漸 令，劉祥官.支持向量機(jī)在鐵水含硅量預(yù)報(bào)中的應(yīng)用［J］.冶金自動(dòng)化，2005，29(3):33－36.

［5］ 桂衛(wèi)華，劉建華，謝永芳.銅閃速熔煉過(guò)程操作模式快速匹配策略［J］.控制與決策，2013，28(1):120－130.

［6］ 郜傳厚，漸 令，陳積明，等.復(fù)雜高爐煉鐵過(guò)程的數(shù)據(jù)驅(qū)動(dòng)建模及預(yù)測(cè)算法［J］.自動(dòng)化學(xué)報(bào)，2009，35(6):725－730.

［7］ 胡志坤.復(fù)雜有色金屬熔煉過(guò)程操作模式智能優(yōu)化方法研究［D］.長(zhǎng)沙:中南大學(xué)，2005.

［8］ 桂衛(wèi)華，陽(yáng)春華.復(fù)雜有色冶金生產(chǎn)過(guò)程智能建模、控制與優(yōu)化［M］.北京:科學(xué)出版社，2010.

［9］ 孫吉貴，劉 杰，趙連宇.聚類算法研究［J］.軟件學(xué)報(bào)，2008，19(1):48-61.

［10］張慧哲，王 堅(jiān).基于初始聚類中心選取的改進(jìn)FCM 聚類算法［J］.計(jì)算機(jī)科學(xué)，2009，36(6):206-209.

［11］楊 濤，駱嘉偉，王 艷，等.基于馬氏距離的缺失值填充算法［J］.計(jì)算機(jī)應(yīng)用，2005，25(12):2868-2871.

［12］李玉榕，項(xiàng)國(guó)波.一種基于馬氏距離的線性判別分析分類方法［J］.計(jì)算機(jī)仿真，2006，23(8):86-88.

［13］陳 新.銅閃速熔煉過(guò)程基于操作模式匹配與演化的操作優(yōu)化方法［D］.長(zhǎng)沙:中南大學(xué)，2012.