轉炉炼钢动态过程预设定模型的混合建模与预报.docVIP

第 2 4 卷 第 8 期 2 0 0 3 年 8 月 东 北 大 学 学 报 ( 自 然 科 学 版 ) Jo ur nal of No rt heaster n U niversit y ( Nat ural Science) Vol124 ,No . 8 Aug. 2 0 0 3  文章编号 : 100523026 (2003) 0820715204 转炉炼钢动态过程预设定 模型的混合建模与预报 王永富1 , 李小平1 , 柴天佑1 , 谢书明2 ( 1 . 东北大学 自动化研究中心 , 辽宁 沈阳 　110004 ; 2 . 沈阳工业大学 , 辽宁 沈阳 　110023) 摘 　　　要 : 准确预报转炉炼钢动态过程的补吹氧气用量和冷却剂添加量 ,对于提高终点命中率 具有重要意义·采用机理模型及基于数据的自适应神经模糊推理系统混合建模方法建立了转炉炼 钢动态过程预设定模型·用减法聚类 ,最小二乘法及梯度下降法辨识了 T2S 模型并用该模型对机 理模型进行补偿建模·对一座 180 t 转炉的实测数据进行了仿真 ,仿真结果表明该方法是切实可行 并有效的· 关 　键 　词 : 转炉 ;炼钢 ;混合建模 ;预设定模型 ;自适应神经模糊系统 ; T2S 模型 ;减法聚类 中图分类号 : TF 74812 ; TP 39119 　　　文献标识码 : A 转炉炼钢作为钢铁生产的重要环节 ,其主要 目标是冶炼出成分和温度均合格的钢水·由于钢 水的碳含量和温度不能连续检测 ,同时冶炼过程 的操作条件变化频繁 ,这给冶炼过程的终点控制 带来困难 ,在实际生产过程中 ,经常出现由于难以 准确控制熔池碳温而引起“返工”的现象 ,因而提 高转炉炼钢终点命中率具有重要意义·目前世界 上各大型转炉主要采用静态模型结合动态模型的 控制形式 ,并同时采用参考炉次更新和模型系数 学习等方法 ,增强控制模型的适应能力 ,提高模型 的预报和控制精度[ 1 ] · 转炉炼钢是十分复杂的非线性过程 ,由于过 程的非线性 、时变性 、随机干扰及对象模型参数的 不确定等因素 ,使得单纯依靠传统的数学工具的 机理建模方法十分困难或者并不十分有效·而基 于数据的模糊神经网络技术则是将模糊逻辑和神 经网络结合起来 ,取长补短 ,具有强大的函数映射 能力 ,它能够通过输入输出数据对过程进行有效 的学习 ,因而在解决基于知识的非线性系统建模 领域具有良好的应用前景[ 2 ] · 目前 ,转炉炼钢动态控制中普遍存在的问题 为模型的适应性能低 ,其终点控制命中率有待提 高·本文在转炉动态过程的补吹氧量和冷却剂添 加量的机理建模[ 3 ] 基础上 ,引入基于数据的自适 应神经网络模糊推理系统对转炉动态过程的补吹 氧量和动态冷却剂用量进行补偿 ,以提高转炉冶 炼过程的终点命中率· 1 　转炉炼钢动态过程预设定模型建 模方法 在转炉炼钢动态过程控制中 ,被控变量为熔 池的碳含量和温度 ,控制量为动态冶炼过程的补 吹氧气用量和冷却剂用量·本文控制方法 :采用一 个 DCS 控制转炉炼钢的吹氧和冷却剂添加控制 回路 ,并采用一套方法设定转炉动态过程的补吹 氧气用量和冷却剂添加量 ,将该设定量返回并参 与吹炼过程的控制·同时引入预测模型和停吹决 策系统参与冶炼过程的监督与控制·图 1 给出了 转炉炼钢动态过程的模型结构 ,其主要包括 :预设 定模型 (虚线部分) 、专家在线调整 、预测模型和停 吹决策系统以及各自相应的辅助部分·转炉炼钢 动态过程是一复杂系统 ,本文只对预设定模型的 建模和预报进行讨论 ,而其他子系统及各系统之 间的关系在另文叙述· 1 . 1 　预设定模型机理建模方法 机理模型通常都是在一定假 设 条 件 下 得 到 的 ,而且为便于应用往往都作了一定的简化处理· 因此 ,不能完全反映外界扰动对系统的影响 ,也不  收稿日期 : 2002209205 基金项目 : 国家自然科学基金资助项目 ( · 作者简介 : 王永富 ( 1969 - ) ,男 ,黑龙江齐齐哈尔人 ,东北大学博士研究生 ; 柴天佑 ( 1947 - ) ,男 ,甘肃兰州人 ,东北大学教授 ,博士 生导师·  716 东北大学学报 (自然科学版) 　　　　　 　 　　　　　第 24 卷  能完全反映系统内部变化对系统的影响 ,有时机 理模型与实际系统存在着较大的误差· 图 1 　转炉炼钢动态过程模型结构 Fig. 1 　Structure of dynamic BOF ste elma king 转炉炼钢动态控制量的计算 ,是在