基于高斯過程的高爐煉鐵過程辨識與預測.pdf

1、隨著世界各國對能源危機、環(huán)境保護和全球氣候變暖等問題的逐漸重視，節(jié)能減排已經(jīng)成為各國實現(xiàn)可持續(xù)發(fā)展的必經(jīng)之路。鋼鐵工業(yè)作為整個國民經(jīng)濟中消耗能源較大的產(chǎn)業(yè)，其節(jié)能減排潛力較大，尤其是高爐煉鐵過程作為鋼鐵工業(yè)最主要的能源消耗工序，更是承擔了節(jié)能減排的重大任務。本文以國內(nèi)較典型的萊鋼1＃中型高爐和包鋼6＃大型高爐在線采集的冶煉過程數(shù)據(jù)為對象，利用高斯過程模型對高爐煉鐵過程進行研究，尤其是對爐溫預測、高爐煉鐵過程噪聲模型以及爐溫變化趨勢預測等

2、進行了有意義的研究，從而為實現(xiàn)高爐煉鐵過程的閉環(huán)自動化控制以及節(jié)能減排打下扎實的基礎，因此具有一定的理論意義和應用價值。
　　 本論文研究的核心問題主要包括3點：第一，提高爐溫數(shù)值預測的命中率，以滿足有效指導工長操作的需求；第二，研究高爐煉鐵過程的噪聲模型以及對異常值的處理，第三，對高爐爐溫變化趨勢進行預測，并探索和研究多類爐溫變化幅度預測。這3個問題是高爐煉鐵過程閉環(huán)自動化的難題，因此對其開展研究具有較大的意義。論文的第二章簡

3、要介紹了高斯過程的基本知識；論文第三章首先闡述了高爐煉鐵過程工藝流程以及高爐煉鐵專家系統(tǒng)和數(shù)學模型，尤其是數(shù)學模型的國內(nèi)外研究歷史和現(xiàn)狀；在此基礎上，應用第二章介紹的高斯過程模型建立了高爐煉鐵過程爐溫預測模型，并將其對萊鋼和包鋼兩座高爐的數(shù)據(jù)進行仿真研究，結果顯示，對于數(shù)據(jù)波動較小的萊鋼數(shù)據(jù)，預測精度較高，能夠基本滿足實際生產(chǎn)的需要，但是對于波動較大的包鋼數(shù)據(jù)，預測效果一般，因此，需要進一步提高模型的預測精度。
　　 論文的第四

4、章提出了一種新的模型，即子高斯過程模型。本章首先給出子高斯過程的基本概念，并且從理論上證明了當高斯過程選取一類特殊的協(xié)方差函數(shù)時其等價于子高斯過程。該定理不僅說明子高斯過程與高斯過程之間的聯(lián)系，更說明子高斯過程模型創(chuàng)造了一種新的協(xié)方差函數(shù)(核函數(shù))構造方法，因此具有較大的理論意義。在此基礎上，應用子高斯過程對萊鋼和包鋼數(shù)據(jù)進行仿真研究，仿真結果表明子高斯過程對較平穩(wěn)和波動較大的數(shù)據(jù)都能進行較好的辨識與預測，其中萊鋼的預測命中率高達85％

5、，而包鋼的預測命中率也達到了79%。
　　 由于高爐冶煉過程復雜的環(huán)境條件，使得高爐在線采集數(shù)據(jù)中往往會產(chǎn)生較多的異常值。論文的第五章首先對異常值的產(chǎn)生原因進行了討論和分類，在此基礎上應用魯棒高斯過程對高爐煉鐵過程進行辨識。應用魯棒高斯過程模型不僅能夠有效處理異常值，同時，其可以對高爐煉鐵過程的噪聲分布進行研究。仿真結果顯示，對于萊鋼高爐而言，高爐煉鐵過程的噪聲分布更加接近但不絕對服從學生氏分布，同時對于萊鋼數(shù)據(jù)和包鋼數(shù)據(jù)而言，

6、其噪聲都不絕對服從正態(tài)分布。此外，萊鋼數(shù)據(jù)的仿真結果也證實了魯棒高斯過程模型對于潛在的異常值具有更好的穩(wěn)定性。第五章的第二部分提出了一種新的建模方法，即對基礎模型預測的殘差序列再建模，并使用高斯過程模型對殘差序列建模。為了驗證該建模方法的有效性，分別選取高斯過程模型和自回歸模型為基礎模型，利用萊鋼和包鋼數(shù)據(jù)進行仿真研究，仿真結果顯示，該建模方法無論是對于較復雜的高斯過程模型還是簡單自回歸模型都能夠改進模型精度和預測結果，因此具有一定的實

7、用性。
　　 由于高爐爐溫的變化趨勢和爐溫數(shù)值對于高爐工長具有同樣重要的指導意義，因此，論文的第六章重點研究高爐爐溫變化趨勢和幅度預測。首先，利用高斯過程2分類模型建立了高爐爐溫趨勢預測模型，對爐溫的上升和下降進行預測。并將該預測模型應用于萊鋼和包鋼數(shù)據(jù)。仿真結果顯示，爐溫變化趨勢模型對萊鋼數(shù)據(jù)的預測效果一般，能夠基本滿足生產(chǎn)實踐的需要。通過對仿真結果的分析，認為萊鋼高爐與包鋼高爐由于爐體體積的差異以及原燃料的差異導致了兩個高爐

8、煉鐵過程的差異，所以包鋼的模型預測效果要比萊鋼的模型預測效果差。由于預測下一爐的變化幅度將會對高爐工長的操作提供更為有效的指導，因此，本章利用高斯過程多分類模型分別建立了3類爐溫變化幅度模型和5類爐溫變化幅度模型，并將其應用于萊鋼和包鋼數(shù)據(jù)。仿真結果表明上述兩類模型無論針對萊鋼數(shù)據(jù)還是包鋼數(shù)據(jù)預測效果都達不到要求。根據(jù)仿真結果分析，說明了“邊界問題”是導致預測效果不好的主要原因。所謂“邊界問題”是指在多分類中類別之間的差別不明顯，導致模