一种高炉多元铁水质量指标软测量系统及方法

一种高炉多元铁水质量指标软测量系统及方法
【专利摘要】一种高炉多元铁水质量指标软测量系统及方法，该系统包括：数据采集单元、数据预处理单元、软测量单元；该方法包括：获取高炉多元铁水质量指标软测量所需参数；对高炉多元铁水质量指标动态软测量所需参数进行滤波、剔除噪声及归一化处理；利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量指标动态软测量：以滤波及归一化处理后的高炉多元铁水质量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出，采用输出自反馈，动态在线递推预测高炉多元铁水质量指标。本发明考虑高炉冶炼过程的滞后特性和输入输出变量之间的时序关系，利用递推子空间智能建模技术，实现高炉冶炼过程多元铁水质量指标的动态在线软测量。
【专利说明】
一种高炉多元铁水质量指标软测量系统及方法
技术领域
[0001] 本发明属于高炉冶炼自动化控制技术领域，特别涉及一种高炉多元铁水质量指标 软测量系统及方法。
【背景技术】
[0002] 高炉炼铁是将铁从铁矿石等含铁化合物中还原出来的动态过程，为实现高炉冶炼 过程的高产量与低能耗，就应对高炉内部状态进行实时监测与有效控制。然而高炉内部冶 炼环境极其严酷，反应最剧烈的区域温度高达2000多度，压强高达标准大气压的4倍左右， 且伴随着固、液、气多相共存的状态，使高炉内部状态难以实时监测，从而难以对高炉进行 优化控制。目前，被广泛用来间接反映高炉内部状态的指标为铁水质量指标，综合性的铁水 质量指标通常采用Si含量、P含量、S含量和铁水温度来衡量，铁水质量指标的测量一般采用 离线化验法，测量结果会滞后2-3小时，因此其结果无法实时的反映高炉内部状态。为了实 现对高炉内部运行状态实时全面地监测，就需要建立高炉多元铁水质量指标的在线软测量 模型以实现对铁水质量的实时在线软测量，充分利用高炉炼铁过程中可检测的运行数据， 建立数据驱动的高炉多元铁水质量在线软测量模型。
[0003] 专利公开号CN102031319A公开了"一种高炉铁水含硅量的预报方法"，该方法包括 数据参数选取及预处理、预测算法、结果输出及操作指导，数据参数选取采用硅含量短期均 值、硅含量中期均值、硅含量长期均值、前次铁水对应的风口理论燃烧温度及前次铁水含硫 量五个参数，通过神经网络算法对娃含量进行预测。
[0004] 专利公开号CN101457264A公开了 "高炉炉温优化控制方法"，在考虑实际系统的时 滞性和不确定性的情况下，通过建立阶梯式动态矩阵预测控制算法的预测模型对高炉炉温 进行预测，修正了模型的误差。
[0005] 专利公开号CN103320559A公开了 "一种高炉铁水硫含量预报方法"，以硫S含量短 期均值、硫含量中期均值、硫含量长期均值、前次铁水对应的炉渣碱度、前次铁水含硅量、入 炉焦炭S含量、入炉煤粉S含量作为铁水含硫预报的输入变量，基于径向基函数神经网络建 模技术，预报下一次铁水的含硫量。
[0006]上述专利报道的方法以及其他相关文献中的方法均是针对单一铁水质量指标，如 铁水温度、Si含量、S含量等，进行软测量的方法，单一的铁水质量指标并不能全面地反映高 炉内部复杂的状态，无法为现场的操作人员提供综合性的指导，实际应用价值较低。而且已 有的铁水质量软测量方法建立的模型均是参数时不变模型，并不适合高炉炼铁过程的工况 慢时变特性，因此这些模型在实际工况改变时，预报结果会失准。另外，已有软测量方法中 的模型结构大多较为复杂，软测量模型计算时间较长，而工业现场需要简单快速的软测量 方法，因此，以上方法实际应用时的效率较低。综上所述，目前国内外还没有专门针对高炉 冶炼过程铁水质量指标Si含量、P含量、S含量和铁水温度进行多元动态快速在线软测量的 方法。

【发明内容】

[0007] 针对现有技术存在的问题，本发明提供一种基于递推子空间辨识的高炉多元铁水 质量指标软测量方法。
[0008] 本发明的技术方案是：
[0009] -种高炉多元铁水质量指标软测量系统，包括：
[0010]数据采集单元:获取高炉多元铁水质量指标软测量所需参数，包括当前时刻高炉 工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计值;高炉工况参数 包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷煤量;上一时刻高炉多元 铁水质量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计值、上一时刻硫含 量估计值、上一时刻铁水温度估计值；
[0011] 数据预处理单元:对高炉多元铁水质量指标动态软测量所需参数进行滤波、剔除 噪声及归一化处理；
[0012] 软测量单元:利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量 指标动态预测:高炉多元铁水质量指标动态软测量模型以滤波及归一化处理后的高炉多元 铁水质量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出， 采用输出自反馈，动态在线递推预测高炉多元铁水质量指标。
[0013]所述数据采集单元，包括：
[0014] 辅助变量确定模块:利用主成分分析法对若干时刻的高炉过程工况参数进行相关 性分析，确定对于高炉铁水多元质量指标动态软测量贡献率最大的工况参数作为辅助变 量；
[0015] 输入变量确定模块:基于辅助变量、结合不同时刻输入参数时滞、结合当前时刻辅 助变量的测量值、上一时刻辅助变量的测量值及上一时刻铁水硅含量估计值、上一时刻铁 水磷含量估计值、上一时刻铁水硫含量估计值、上一时刻铁水温度估计值，确定高炉多元铁 水质量指标动态软测量所需参数即高炉多元铁水质量指标动态软测量模型的输入变量并 米集。
[0016] 所述数据预处理单元，包括：
[0017] 滤波模块:针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪 声尖峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据；
[0018] 剔除噪声模块:采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小 的高频测量噪声波动干扰；
[0019] 归一化处理模块：对高炉多元铁水质量指标动态软测量所需参数进行归一化处 理。
[0020] 所述软测量单元，包括：
[0021]历史数据采集模块:采集历史若干时刻的高炉多元铁水质量指标动态软测量模型 训练所需参数及相应时刻多元铁水质量指标测量值;高炉多元铁水质量指标动态软测量模 型训练所需参数，包括：当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多 元铁水质量指标测量值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风 湿度、设定喷煤量;多元铁水质量指标测量值包括上一时刻硅含量测量值、上一时刻磷含量 测量值、上一时刻硫含量测量值、上一时刻铁水温度测量值；
[0022] 历史数据处理模块:采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中 较小的高频测量噪声波动干扰，并进行归一化处理；
[0023] 模型构建模块:将滤波及归一化处理后的高炉多元铁水质量指标动态软测量模型 训练所需参数作为训练数据集，利用子空间辨识方法构建高炉多元铁水质量指标动态软测 量模型；
[0024] 模型系数矩阵求解模块:采用加入遗忘因子的递推最小二乘法，求解高炉多元铁 水质量指标软测量模型系数矩阵，确定最终的高炉多元铁水质量指标动态软测量模型；
[0025] 模型评价模块：引入均方根误差作为高炉多元铁水质量指标软测量模型的评价指 标，若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根误差，均 达到设定阈值，则得到最终的高炉多元铁水质量指标软测量模型;若利用高炉多元铁水质 量指标软测量模型估计出的各铁水质量指标的均方根误差，有任意一个未达到设定值，则 重新训练高炉多元铁水质量指标软测量模型；
[0026] 模型估计模块：利用高炉多元铁水质量指标软测量模型估计出多元铁水质量指 标。
[0027] 采用所述的高炉多元铁水质量指标软测量系统进行高炉多元铁水质量指标软测 量的方法，包括：
[0028] 步骤1、获取高炉多元铁水质量指标软测量所需参数，包括当前时刻高炉工况参 数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计值;高炉工况参数包括炉 腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷煤量;上一时刻高炉多元铁水质 量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计值、上一时刻硫含量估计 值、上一时刻铁水温度估计值；
[0029] 步骤2、对高炉多元铁水质量指标动态软测量所需参数进行滤波、剔除噪声及归一 化处理；
[0030] 步骤3、利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量指标 动态软测量:高炉多元铁水质量指标动态软测量模型以滤波及归一化处理后的高炉多元铁 水质量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出，采 用输出自反馈，动态在线递推预测高炉多元铁水质量指标。
[0031 ]所述高炉多元铁水质量指标软测量所需参数的确定方法如下：
[0032] 步骤1-1、利用主成分分析法对若干时刻的高炉过程工况参数进行相关性分析，确 定对于高炉铁水多元质量指标动态软测量贡献率最大的6个工况参数作为辅助变量，包括： 炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、喷煤量；
[0033] 步骤1-2、基于上述6个辅助变量、结合不同时刻输入参数时滞、结合当前时刻辅助 变量的测量值、上一时刻辅助变量的测量值及上一时刻铁水硅含量的测量值，确定高炉多 元铁水质量指标动态软测量所需参数即高炉多元铁水质量指标动态软测量模型的输入变 量，包括当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标 估计值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷煤 量;上一时刻高炉多元铁水质量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量 估计值、上一时刻硫含量估计值、上一时刻铁水温度估计值。高炉多元铁水质量指标动态软 测量模型的输出变量分别为：当前时刻磷含量、当前时刻硫含量、当前时刻铁水温度、当前 时刻娃含量。
[0034] 所述步骤2具体按如下步骤执行：
[0035] 步骤2-1、针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪声 尖峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据；
[0036] 步骤2-2、采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的高 频测量噪声波动干扰；
[0037]步骤2-3、对高炉多元铁水质量指标动态软测量所需参数进行归一化处理。
[0038] 所述高炉多元铁水质量指标动态软测量模型的建立方法如下：
[0039] 步骤3-1、历史数据采集模块:采集历史若干时刻的高炉多元铁水质量指标动态软 测量模型训练所需参数及相应时刻多元铁水质量指标测量值;高炉多元铁水质量指标动态 软测量模型训练所需参数，包括：当前时刻高炉工况参数、上一时刻高炉工况参数、上一时 刻高炉多元铁水质量指标测量值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富 氧率、鼓风湿度、设定喷煤量;多元铁水质量指标测量值包括上一时刻硅含量测量值、上一 时刻磷含量测量值、上一时刻硫含量测量值、上一时刻铁水温度测量值；
[0040] 步骤3-2、对采集的数据进行滤波及归一化处理；
[0041] 步骤3-2-1、针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪 声尖峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据；
[0042] 步骤3-2-2、采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的 高频测量噪声波动干扰；
[0043]步骤3-2-3、将采集的数据进行归一化处理；
[0044]步骤3-3、将滤波及归一化处理后的高炉多元铁水质量指标动态软测量模型训练 所需参数作为训练数据集；
[0045]步骤3-4、将样本数据集中的当前时刻高炉工况参数、上一时刻高炉工况参数、上 一时刻高炉多元铁水质量指标作为输入，相应当前时刻高炉多元铁水质量指标作为输出， 建立子空间辨识模型，即高炉多元铁水质量指标动态软测量模型。
[0046] 所述步骤3-4具体按如下步骤进行：
[0047] 步骤3-4-1、利用子空间辨识方法，得到高炉多元铁水质量指标软测量模型；
[0048] 步骤3-4-2、采用加入遗忘因子的递推最小二乘法，求解高炉多元铁水质量指标软 测量模型系数矩阵；
[0049] 步骤3-4-3、引入均方根误差，作为高炉多元铁水质量指标软测量模型的评价指 标，若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根误差，均 达到设定值，则高炉多元铁水质量指标软测量模型训练结束，得到最终的高炉多元铁水质 量指标软测量模型;若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的 均方根误差，有任意一个未达到设定值，则重新训练高炉多元铁水质量指标软测量模型，转 至步骤3-4-2。
[0050] 有益效果：
[0051] 为了解决高炉冶炼过程铁水质量指标在线软测量方法的不足，本发明基于递推子 空间辨识技术，在主成分分析方法降低模型输入维数和对原始数据进行移动平均滤波处理 的基础上，构造一个具有输出自反馈结构、并考虑输入输出数据时序关系、结构简单的多元 铁水质量指标动态软测量模型，实现同时对综合性的铁水质量指标，即Si含量、P含量、S含 量和铁水温度进行多元在线动态软测量，并能够随着高炉工况的改变，通过最新的测量数 据在线更新模型参数。基于钢厂常规在线检测设备提供的高炉本体参数在线检测值，本发 明可以得出当前时刻多元铁水质量指标的在线软测量值，为高炉炼铁过程的优化运行控制 提供关键的铁水质量指标。基于工业现场常规的检测设备实时测量得到的高炉本体参数作 为模型的输入数据，充分考虑高炉冶炼过程的滞后特性和输入输出变量之间的时序关系， 利用数据驱动的递推子空间智能建模技术，实现了高炉冶炼过程多元铁水质量指标Si含 量、P含量、S含量和铁水温度的动态在线软测量。相比于现有的离线人工检测多元铁水质量 指标的方法，本方法可避免离线化验的滞后性和人工操作带来的不确定性，实现实时在线 准确软测量，为现场的操作人员及时准确判断高炉内部运行状态提供了关键指标。同时本 方法可以根据工况的变化，利用最新的过程数据更新软测量模型参数，避免了时不变模型 的局限性，实用价值很高。另外本发明方法有助于进一步实现高炉炼铁过程的运行优化控 制。
【附图说明】
[0052] 图1是本发明【具体实施方式】中高炉炼铁过程的检测设备配置图；
[0053] 图2是本发明【具体实施方式】中高炉多元铁水质量指标软测量方法流程图；
[0054]图3是本发明【具体实施方式】中的软测量结果效果图，（a)为当前时刻硅含量预测值 与实际值对比曲线，（b)为当前时刻磷含量预测值与实际值对比曲线，（c)为当前时刻硫含 量预测值与实际值对比曲线，（d)为当前时刻铁水温度预测值与实际值对比曲线；
[0055] 图4是本发明【具体实施方式】中高炉多元铁水质量指标软测量系统结构框图；
[0056] 图1中：1-高炉，2-热风炉，3-流量计，4-温度计，5-压力计，6-湿度计，7-炉腹煤气 量测量分析仪，8-富氧率测量分析仪，9-数据采集装置，10-计算机系统。
【具体实施方式】
[0057] 下面结合附图对本发明的【具体实施方式】做详细说明。
[0058] 本实施方式采用检测设备、数据采集器9、计算机系统10来实现高炉多元铁水质量 指标软测量方法，如图1所示，检测设备包括流量计3、温度计4、压力计5和湿度计6、炉腹煤 气量测量分析仪7、富氧率测量分析仪8,这些常规测量仪表安装于高炉冶炼系统的各个相 应位置。数据采集器9连接各检测设备，并通过通信总线连接计算机系统10。常规测量系统 主要包括如下常规测量仪表包括：
[0059] 三个流量计3,分别用于在线测量高炉1煤粉喷吹系统煤粉喷吹量、富氧流量、冷风 流量；
[0060] -个温度计4,用于在线测量高炉1热风炉2的热风温度；
[0061] 一个压力计5,用于在线测量高炉1热风炉2的热风压力；
[0062] -个湿度计6,用于在线测量高炉1热风炉2的鼓风湿度。
[0063] -个炉腹煤气量测量分析仪7通过流量计3测量得到的冷风流量V2、富氧流量vi以 及煤粉喷吹量，以及湿度计6测量得到的鼓风湿度，分析计算出炉腹煤气量参数；
[0064] -个富氧率测量分析仪8通过流量计3测量得到的冷风流量V2、富氧流量vi，以及湿 度计6测量得到的鼓风湿度，分析计算出富氧率参数。
[0065] 计算机系统10中设置有高炉多元铁水质量指标软测量系统，如图4所示，包括：
[0066] 数据采集单元:获取高炉多元铁水质量指标软测量所需参数，包括当前时刻高炉 工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计值;高炉工况参数 包括炉腹煤气量m、热风温度11 2、热风压力U3、富氧率U4、鼓风湿度115、设定喷煤量U6 ;上一时 刻高炉多元铁水质量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计值、上 一时刻硫含量估计值、上一时刻铁水温度估计值；
[0067] 数据预处理单元:对高炉多元铁水质量指标动态软测量所需参数进行滤波、剔除 噪声及归一化处理；
[0068] 软测量单元:利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量 指标动态预测:高炉多元铁水质量指标动态软测量模型以滤波及归一化处理后的高炉多元 铁水质量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出， 采用输出自反馈，动态在线递推预测高炉多元铁水质量指标。
[0069]数据采集单元，包括：
[0070]辅助变量确定模块:利用主成分分析法对若干时刻的高炉过程工况参数进行相关 性分析，确定对于高炉铁水多元质量指标动态软测量贡献率最大的工况参数作为辅助变 量，包括:炉腹煤气量ui (单位是m3)、热风温度U2(单位是°C)、热风压力U3 (单位是KPa)、富氧 率U4、鼓风湿度u5 (单位是RH)、喷煤量u6 (单位是m3/h);
[0071 ]输入变量确定模块:基于辅助变量、结合不同时刻输入参数时滞、结合当前时刻辅 助变量的测量值、上一时刻辅助变量的测量值及上一时刻铁水硅含量的测量值，确定高炉 多元铁水质量指标动态软测量所需参数即高炉多元铁水质量指标动态软测量模型的输入 变量并采集数据，包括当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多元 铁水质量指标估计值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿 度、设定喷煤量;上一时刻高炉多元铁水质量指标估计值包括上一时刻硅含量估计值、上一 时刻磷含量估计值、上一时刻硫含量估计值、上一时刻铁水温度估计值。
[0072] 数据预处理单元，包括：
[0073] 滤波模块:针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪 声尖峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据；
[0074] 剔除噪声模块:采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小 的高频测量噪声波动干扰；
[0075] 归一化处理模块：对高炉多元铁水质量指标动态软测量所需参数进行归一化处 理。
[0076] 软测量单元，包括：
[0077]历史数据采集模块:采集历史若干时刻的高炉多元铁水质量指标动态软测量模型 训练所需参数及相应时刻多元铁水质量指标测量值;高炉多元铁水质量指标动态软测量模 型训练所需参数，包括：当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多 元铁水质量指标测量值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风 湿度、设定喷煤量;多元铁水质量指标测量值包括上一时刻硅含量测量值、上一时刻磷含量 测量值、上一时刻硫含量测量值、上一时刻铁水温度测量值；
[0078] 历史数据处理模块:采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中 较小的高频测量噪声波动干扰，并进行归一化处理；
[0079] 模型构建模块:将滤波及归一化处理后的高炉多元铁水质量指标动态软测量模型 训练所需参数作为训练数据集，利用子空间辨识方法构建高炉多元铁水质量指标动态软测 量模型；
[0080] 模型系数矩阵求解模块:采用加入遗忘因子的递推最小二乘法，求解高炉多元铁 水质量指标软测量模型系数矩阵，确定最终的高炉多元铁水质量指标动态软测量模型；
[0081] 模型评价模块：引入均方根误差作为高炉多元铁水质量指标软测量模型的评价指 标，若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根误差，均 达到设定阈值，则得到最终的高炉多元铁水质量指标软测量模型;若利用高炉多元铁水质 量指标软测量模型估计出的各铁水质量指标的均方根误差，有任意一个未达到设定值，则 重新训练高炉多元铁水质量指标软测量模型；
[0082] 模型估计模块：利用高炉多元铁水质量指标软测量模型估计出多元铁水质量指 标。
[0083] -种高炉多元铁水质量指标软测量方法，如图2所示，包括：
[0084] 步骤1、获取高炉多元铁水质量指标软测量所需参数，包括当前时刻高炉工况参 数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计值;高炉工况参数包括炉 腹煤气量m、热风温度11 2、热风压力U3、富氧率U4、鼓风湿度115、设定喷煤量u6;上一时刻高炉 多元铁水质量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计值、上一时刻 硫含量估计值、上一时刻铁水温度估计值；
[0085] 高炉多元铁水质量指标软测量所需参数的确定方法如下：
[0086] 步骤1-1、利用主成分分析法对若干时刻的高炉过程工况参数进行相关性分析，确 定对于高炉铁水多元质量指标动态软测量贡献率最大的6个工况参数作为辅助变量，包括： 炉腹煤气量ui(单位是m 3)、热风温度U2(单位是°〇、热风压力U3(单位是KPa)、富氧率U4、鼓风 湿度u5(单位是RH)、喷煤量u 6(单位是m3/h);
[0087] 待软测量的高炉多元铁水质量指标为Si娃含量oi(单位是％ )、P磷含量〇2(单位 是％)4硫含量〇3(单位是％)和铁水温度〇4(单位是°C)。可通过常规在线检测装置获得的高 炉本体变量有冷风流量、送风比、热风压力、顶压、压差、顶压风量比、透气性、阻力系数、热 风温度、富氧流量、富氧率、设定喷煤量、鼓风湿度、理论燃烧温度、标准风速、实际风速、鼓 风动能、炉腹煤气量、炉腹煤气指数。利用主成分分析法对19个高炉本体变量进行相关性分 析，选出信息量最大的6个变量作为辅助变量，分别为:炉腹煤气量m(单位是m 3)、热风温度 U2 (单位是°C )、热风压力U3 (单位是KPa)、富氧率U4、鼓风湿度U5 (单位是RH)、喷煤量U6 (单位 是m3/h)。
[0088] 步骤1-2、基于上述6个辅助变量、结合不同时刻输入参数时滞、结合当前时刻辅助 变量的测量值、上一时刻辅助变量的测量值及上一时刻铁水硅含量的测量值，确定高炉多 元铁水质量指标动态软测量所需参数即高炉多元铁水质量指标动态软测量模型的输入变 量并采集这些输入变量，包括当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高 炉多元铁水质量指标估计值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、 鼓风湿度、设定喷煤量;上一时刻高炉多元铁水质量指标估计值包括上一时刻硅含量估计 值、上一时刻磷含量估计值、上一时刻硫含量估计值、上一时刻铁水温度估计值。高炉多元 铁水质量指标动态软测量模型的输出变量分别为：当前时刻磷含量、当前时刻硫含量、当前 时刻铁水温度、当前时刻硅含量。
[0089] 16个高炉铁水多元质量指标动态软测量模型的输入变量如下：
[0090] 当前时刻炉腹煤气量m(t)，m3;
[0091] 当前时刻热风温度u2(t)，°C;
[0092]当前时刻热风压力u3(t)，KPa;
[0093]当前时刻富氧率U4(t);
[0094]当前时刻鼓风湿度u5(t)，RH;
[0095]当前时刻设定喷煤量u6(t)，m3/h.
[0096] 上一时刻炉腹煤气量m(t-l)，m3;
[0097] 上一时刻热风温度U2(t_l)，°C;
[0098] 上一时刻水热风压力u3(t_l)，KPa;
[0099] 上一时刻富氧率U4(t_l);
[0100] 上一时刻鼓风湿度u5(t_l)，RH;
[0101] 上一时刻设定喷煤量U6(t-l)，m3/h;
[0102] 上一时刻硅含量估计值4(卜丨），％;
[0103] 上一时刻磷含量估计值&(/-丨），％;
[0104] 上一时刻硫含量估计值^卜丨），％:
[0105] 上一时刻铁水温度估计值54G-1) ,
[0106] 步骤2、对高炉多元铁水质量指标动态软测量所需参数进行滤波及归一化处理；
[0107] 步骤2-1、针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪声 尖峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据；
[0108] 步骤2-2、采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的高 频测量噪声波动干扰；
[0109] 步骤2-3、对高炉多元铁水质量指标动态软测量所需参数进行归一化处理；
[0110]步骤3、利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量指标 动态软测量:高炉多元铁水质量指标动态软测量模型以滤波及归一化处理后的高炉多元铁 水质量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出，采 用输出自反馈，动态在线递推预测高炉多元铁水质量指标。
[0111] 高炉多元铁水质量指标动态软测量模型的建立方法如下：
[0112] 步骤3-1、采集历史若干时刻的高炉多元铁水质量指标动态软测量模型训练所需 参数及相应时刻多元铁水质量指标测量值;高炉多元铁水质量指标动态软测量模型训练所 需参数，包括：当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质 量指标测量值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设 定喷煤量;多元铁水质量指标测量值包括上一时刻硅含量测量值、上一时刻磷含量测量值、 上一时刻硫含量测量值、上一时刻铁水温度测量值；
[0113] {(Xn，yn) I Xn e R1，yn e Rm，n = 1，2，…，No}，Xn为模型输入数据集中第n个数据，yn为 多元铁水质量指标输出数据集中第n个数据，1为16，m为4，N〇为输入输出数据集中数据个 数；
[0114] xn=[oi(n_l)，02(n_l)，03(n_l)，04(n_l)，ui(n_l)，U2(n_l)，U3(n_l)，U4(n_l)，U5 (n-1)，U6(n-l)，ui(n)，U2(n)，U3(n)，U4(n)，U5(n)，U6(n) ]T，yn= [oi(n)，02(n)，03(n)，04(n) ]T;
[0115] 步骤3-2、对采集的数据进行滤波及归一化处理；
[0116] 步骤3-2-1、针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪 声尖峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据；
[0117] 步骤3-2-2、采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的 高频测量噪声波动干扰；
[0118] 步骤3-2-3、将采集的数据进行归一化处理；
[0119] 步骤3-3、将滤波及归一化处理后的高炉多元铁水质量指标动态软测量模型训练 所需参数作为训练数据集；
[0120] 步骤3-4、将样本数据集中的当前时刻高炉工况参数、上一时刻高炉工况参数、上 一时刻高炉多元铁水质量指标作为输入，相应当前时刻高炉多元铁水质量指标作为输出， 建立子空间辨识模型，即高炉多元铁水质量指标动态软测量模型；
[0121] 步骤3-4-1、利用子空间辨识方法，得到高炉多元铁水质量指标软测量模型为 兑=，其中，L为高炉多元铁水质量指标动态软测量模型系数矩阵，通过递推最小二乘法 不断更新，LeR mX1，^为t时刻的模型输入数据，另为t时刻的多元铁水质量指标估计值；
[0122] 在传统的子空间辨识方法中估计步长取1时，推导得出的高炉多元铁水质量指标 软测量模型为叉二蘇，
[0123] % = ^
[0124] ^ -1). 〇.(/-]).〇,(/-l),^(r-l) it -!).//-(/-!) // (i ,?3(〇,2/4(r),?5(r),?6(/)]' <,
[0125] 子空间辨识采用16输入4输出自反馈结构。16个输入分别为：当前时刻炉腹煤气量 Ui(t)，m3、当前时刻热风温度U2(t)，°C、当前时刻热风压力U3(t)，KPa、当前时刻富氧率U4 (t)、当前时刻鼓风湿度u 5(t)，RH、当前时刻设定喷煤量u6(t)，m3/h、上一时刻炉腹煤气量m (t-1)，m 3、上一时刻热风温度U2(t_l)，°C、上一时刻水热风压力U3(t_l)，KPa、上一时刻富氧 率U4(t_l)、上一时刻鼓风湿度11 5(卜1)，冊、上一时刻设定喷煤量116(卜1)，1113/11、上一时刻31 含量估计值5# -1)，％、上一时刻P含量估计值-1),%、上一时刻S含量估计值-1) ,%、 上一时刻铁水温度估计值54(/-l)/C;4个输出分别为：需要估计的当前时刻的Si含量估计 值堯#) ,%、P含量估计值士 (/),%、s含量估计值各(〇，％以及铁水温度估计值34⑴,°C。
[0126] 步骤3-4-2、采用加入遗忘因子的递推最小二乘法，求解高炉多元铁水质量指标软 测量模型系数矩阵L;
[0127] 由于高炉炼铁过程是一个工况渐变的慢时变过程，因此高炉多元铁水质量指标软 测量模型系数矩阵L的求解采用加入遗忘因子的递推最小二乘法，通过最新检测到的炼铁 过程数据来在线实时更新高炉多元铁水质量指标软测量模型中的系数矩阵L，以使高炉多 元铁水质量指标软测量能够及时跟踪工况变化，不断修正由工况变化带来的估计偏差，具 体步骤如下所示：
[0128] 步骤3-4-2-1、令递推迭代次数N从1开始，即N=l，遗忘因子Ae(〇，l]，设定系数矩 「 ， 「106 0 …0_ 0 * * * 0 , ^ 〇 1〇6 … 0 阵初值￡广：：，协方差矩阵初值3=:....; .L 」/. [ 0 0 106」 /x/
[0129] 步骤3-4-2-2、定义<+, =4+1，则增益矩阵KN+1如下：
[0130] Knu = PN(pN+l(^ + ^LiPn^nuT1
[0131] 步骤3-4-2-3、模型系数矩阵4+1由下式更新：
[0132] Lmi - LN +Kmi(yK^
[0133] 步骤3-4-2_4、协方差矩阵PN+1由下式更新：
[0134] f\ =1-U-K,n(p[,,)f\
[0135] 步骤3-4-2-5、令N=N+1，跳转到步骤3-4-2-2,重复执行以上步骤，直到递推迭代 次数超出数据集中数据个数，即N=N〇+l，跳出循环，得到模型系数矩阵1 = ^41，由此得到高 炉多元铁水质量指标软测量模型免=Z.X。
[0136] 高炉冶炼系统是一个不确定的动态时变系统，矿石品位的改变、工况的改变均会 改变软测量模型的参数，因此为了保证多元铁水质量指标软测量模型的测量精度，就要随 着原料或工况的变更，不断利用新采集到的高炉本体参数数据更新模型参数。针对高炉的 慢时变特性，本方法的递推最小二乘辨识方法可以实现随着工况的改变，不断更新模型参 数。但是高炉系统具有很大的不确定性，针对炉况的一些突然的巨大变化，递推最小二乘辨 识方法很难及时地大幅更新模型参数，因此，需要定期对软测量模型的预报精度进行检查， 具体方法为:定期对近一阶段多元铁水质量软测量结果进行统计分析，求取这一阶段多元 铁水质量软测量均方根误差的均值，若四个铁水质量指标中任一变量的均方根误差统计均 值超出预先设定阈值，则重启初始模型训练。
[0137] 步骤3-4-3、引入均方根误差RMSE，作为高炉多元铁水质量指标软测量模型的评价 指标，若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根误差， 均达到设定值，则高炉多元铁水质量指标软测量模型训练结束，得到最终的高炉多元铁水 质量指标软测量模型;若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标 的均方根误差，有任意一个未达到设定值，则重新训练高炉多元铁水质量指标软测量模型， 转至步骤3-4-2;
[0139]本实施方式中以一个容积为2600m3的炼铁高炉对象安置如下测量系统，包括： [0140]横河DPharp EJA系列压力变送器用于测量高炉热风系统的热风压力；
[0141 ] HH-WLB差压流量计用于测量冷风流量；
[0142] A+K平衡流量计用于测量富氧流量；
[0143] JWSK-6CWDA空气湿度传感器用于测量鼓风湿度；
[0144] YHIT红外测温仪用于测量热风温度；
[0145] HDLWG-06煤粉流量计用于测量煤粉喷吹量.
[0146] 另外，常规测量系统还包括如下两个测量分析仪：
[0147] -个测量分析仪通过流量计测量得到的冷风流量、富氧流量以及煤粉喷吹量，以 及湿度计测量得到的鼓风湿度，分析计算出炉腹煤气量参数；
[0148] 炉腹煤气量测量分析仪设置如下：
[0149] 炉腹煤气量=1.21 *冷风流量/60+ (2*富氧流量/60) + (44.8*鼓风湿度*(冷风流 量/60+(富氧流量/60))/18000) + (22.4*小时喷煤量*1000*煤粉含氢量/12000)
[0150] 富氧率测量分析仪设置如下：
[0151] 富氧率=((富氧流量*0 ? 98/60+( (0 ? 21 + (0 ? 29*鼓风湿度/8/100) )*冷风流量/ 60))/(冷风流量/60+(富氧流量/60) )-(0 ? 21+(0 ? 29* 鼓风湿度/8/100)) )*100
[0152] 计算机系统装有0PC通讯软件负责与下位机以及数据采集装置进行数据双向通 讯。
[0153] 作为一种优选方案，采用加入遗忘因子A = 〇.95的递推最小二乘法，求解高炉多元 铁水质量指标软测量模型系数矩阵L;本发明每天对多元铁水质量指标软测量结果进行统 计分析，求取这一天多元铁水质量指标软测量值的均方根误差的均值，若RMSE，Si >0.1 % 或RMSE，P>0 ? 01 %或RMSE，S>0 ? 008%或RMSE，铁水温度> 15°C，则重启模型训练。
[0154]从历史数据中采集300组数据作为模型训练样本数据，经过数据处理后，留下200 组数据用于模型训练，图3(a)~(d)为一段时间内软测量系统得到的多元铁水质量指标软 测量值与实际值的对比结果，可以看出多元铁水质量软测量结果具有很高的精度，软测量 误差较小且其变化趋势与实际值保持一致。另外，本发明方法的软测量模型结构简单，模型 复杂度低，运算速度快，且测量精度高、泛化能力强，相比于其他已有的铁水质量指标软测 量方法具有更高的实用性与优越性。因此本发明是一种低成本的、高效实用的高炉炼铁过 程铁水质量多元计量手段。
[0155]可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本 发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行 修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之 内。
【主权项】
1. 一种高炉多元铁水质量指标软测量系统，其特征在于，包括： 数据采集单元:获取高炉多元铁水质量指标软测量所需参数，包括当前时刻高炉工况 参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计值;高炉工况参数包括 炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷煤量;上一时刻高炉多元铁水 质量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计值、上一时刻硫含量估 计值、上一时刻铁水温度估计值； 数据预处理单元:对高炉多元铁水质量指标动态软测量所需参数进行滤波、剔除噪声 及归一化处理； 软测量单元:利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量指标 动态预测:高炉多元铁水质量指标动态软测量模型以滤波及归一化处理后的高炉多元铁水 质量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出，采用 输出自反馈，动态在线递推预测高炉多元铁水质量指标。2. 根据权利要求1所述的高炉多元铁水质量指标软测量系统，其特征在于，所述数据采 集单元，包括： 辅助变量确定模块:利用主成分分析法对若干时刻的高炉过程工况参数进行相关性分 析，确定对于高炉铁水多元质量指标动态软测量贡献率最大的工况参数作为辅助变量； 输入变量确定模块:基于辅助变量、结合不同时刻输入参数时滞、结合当前时刻辅助变 量的测量值、上一时刻辅助变量的测量值及上一时刻铁水硅含量估计值、上一时刻铁水磷 含量估计值、上一时刻铁水硫含量估计值、上一时刻铁水温度估计值，确定高炉多元铁水质 量指标动态软测量所需参数即高炉多元铁水质量指标动态软测量模型的输入变量并采集。3. 根据权利要求1所述的高炉多元铁水质量指标软测量系统，其特征在于，所述数据预 处理单元，包括： 滤波模块:针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪声尖 峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据； 剔除噪声模块:采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的高 频测量噪声波动干扰； 归一化处理模块:对高炉多元铁水质量指标动态软测量所需参数进行归一化处理。4. 根据权利要求1所述的高炉多元铁水质量指标软测量系统，其特征在于，所述软测量 单元，包括： 历史数据采集模块:采集历史若干时刻的高炉多元铁水质量指标动态软测量模型训练 所需参数及相应时刻多元铁水质量指标测量值;高炉多元铁水质量指标动态软测量模型训 练所需参数，包括：当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁 水质量指标测量值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿 度、设定喷煤量;多元铁水质量指标测量值包括上一时刻硅含量测量值、上一时刻磷含量测 量值、上一时刻硫含量测量值、上一时刻铁水温度测量值； 历史数据处理模块:采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小 的高频测量噪声波动干扰，并进行归一化处理； 模型构建模块:将滤波及归一化处理后的高炉多元铁水质量指标动态软测量模型训练 所需参数作为训练数据集，利用子空间辨识方法构建高炉多元铁水质量指标动态软测量模 型； 模型系数矩阵求解模块:采用加入遗忘因子的递推最小二乘法，求解高炉多元铁水质 量指标软测量模型系数矩阵，确定最终的高炉多元铁水质量指标动态软测量模型； 模型评价模块：引入均方根误差作为高炉多元铁水质量指标软测量模型的评价指标， 若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根误差，均达到 设定阈值，则得到最终的高炉多元铁水质量指标软测量模型;若利用高炉多元铁水质量指 标软测量模型估计出的各铁水质量指标的均方根误差，有任意一个未达到设定值，则重新 训练高炉多元铁水质量指标软测量模型； 模型估计模块:利用高炉多元铁水质量指标软测量模型估计出多元铁水质量指标。5. 采用权利要求1所述的高炉多元铁水质量指标软测量系统进行高炉多元铁水质量指 标软测量的方法，其特征在于，包括： 步骤1、获取高炉多元铁水质量指标软测量所需参数，包括当前时刻高炉工况参数、上 一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计值;高炉工况参数包括炉腹煤 气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷煤量;上一时刻高炉多元铁水质量指 标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计值、上一时刻硫含量估计值、上 一时刻铁水温度估计值； 步骤2、对高炉多元铁水质量指标动态软测量所需参数进行滤波、剔除噪声及归一化处 理； 步骤3、利用高炉多元铁水质量指标动态软测量模型进行高炉多元铁水质量指标动态 软测量:高炉多元铁水质量指标动态软测量模型以滤波及归一化处理后的高炉多元铁水质 量指标动态软测量所需参数作为输入，以当前时刻高炉多元铁水质量指标为输出，采用输 出自反馈，动态在线递推预测高炉多元铁水质量指标。6. 根据权利要求5所述的高炉多元铁水质量指标软测量的方法，其特征在于，所述高炉 多元铁水质量指标软测量所需参数的确定方法如下： 步骤1-1、利用主成分分析法对若干时刻的高炉过程工况参数进行相关性分析，确定对 于高炉铁水多元质量指标动态软测量贡献率最大的6个工况参数作为辅助变量，包括:炉腹 煤气量、热风温度、热风压力、富氧率、鼓风湿度、喷煤量； 步骤1-2、基于上述6个辅助变量、结合不同时刻输入参数时滞、结合当前时刻辅助变量 的测量值、上一时刻辅助变量的测量值及上一时刻铁水硅含量的测量值，确定高炉多元铁 水质量指标动态软测量所需参数即高炉多元铁水质量指标动态软测量模型的输入变量，包 括当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指标估计 值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷煤量;上 一时刻高炉多元铁水质量指标估计值包括上一时刻硅含量估计值、上一时刻磷含量估计 值、上一时刻硫含量估计值、上一时刻铁水温度估计值;高炉多元铁水质量指标动态软测量 模型的输出变量分别为：当前时刻磷含量、当前时刻硫含量、当前时刻铁水温度、当前时刻 娃含量。7. 根据权利要求5所述的高炉多元铁水质量指标软测量的方法，其特征在于，所述步骤 2具体按如下步骤执行： 步骤2-1、针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪声尖峰 滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据； 步骤2-2、采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的高频测 量噪声波动干扰； 步骤2-3、对高炉多元铁水质量指标动态软测量所需参数进行归一化处理。8. 根据权利要求5所述的高炉多元铁水质量指标软测量的方法，其特征在于，所述高炉 多元铁水质量指标动态软测量模型的建立方法如下： 步骤3-1、采集历史若干时刻的高炉多元铁水质量指标动态软测量模型训练所需参数 及相应时刻多元铁水质量指标测量值;高炉多元铁水质量指标动态软测量模型训练所需参 数，包括：当前时刻高炉工况参数、上一时刻高炉工况参数、上一时刻高炉多元铁水质量指 标测量值;高炉工况参数包括炉腹煤气量、热风温度、热风压力、富氧率、鼓风湿度、设定喷 煤量;多元铁水质量指标测量值包括上一时刻硅含量测量值、上一时刻磷含量测量值、上一 时刻硫含量测量值、上一时刻铁水温度测量值； 步骤3-2、对采集的数据进行滤波及归一化处理； 步骤3-2-1、针对由于高炉炉况不稳定和检测设备不精确造成的跳变数据，采用噪声尖 峰滤波算法用于剔除高炉生产过程中的噪声尖峰跳变数据； 步骤3-2-2、采用移动平均滤波算法对剔除噪声尖峰跳变数据后的数据中较小的高频 测量噪声波动干扰； 步骤3-2-3、将采集的数据进行归一化处理； 步骤3-3、将滤波及归一化处理后的高炉多元铁水质量指标动态软测量模型训练所需 参数作为训练数据集； 步骤3-4、将样本数据集中的当前时刻高炉工况参数、上一时刻高炉工况参数、上一时 刻高炉多元铁水质量指标作为输入，相应当前时刻高炉多元铁水质量指标作为输出，建立 子空间辨识模型，即高炉多元铁水质量指标动态软测量模型。9. 根据权利要求8所述的高炉多元铁水质量指标软测量的方法，其特征在于，所述步骤 3-4具体按如下步骤进行： 步骤3-4-1、利用子空间辨识方法，得到高炉多元铁水质量指标软测量模型； 步骤3-4-2、采用加入遗忘因子的递推最小二乘法，求解高炉多元铁水质量指标软测量 模型系数矩阵； 步骤3-4-3、引入均方根误差，作为高炉多元铁水质量指标软测量模型的评价指标，若 利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根误差，均达到设 定值，则高炉多元铁水质量指标软测量模型训练结束，得到最终的高炉多元铁水质量指标 软测量模型;若利用高炉多元铁水质量指标软测量模型估计出的各铁水质量指标的均方根 误差，有任意一个未达到设定值，则重新训练高炉多元铁水质量指标软测量模型，转至步骤 3 _4_2 〇
【文档编号】G06Q50/04GK105821170SQ201610311561
【公开日】2016年8月3日
【申请日】2016年5月11日
【发明人】周平, 宋贺达, 郭东伟, 张丽, 王宏
【申请人】东北大学