數(shù)據(jù)驅(qū)動(dòng)的多尺度建模、控制及其在高爐冶煉過程中的應(yīng)用.pdf

1、鋼鐵工業(yè)是國民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)，也是大量消耗能源的產(chǎn)業(yè)。在當(dāng)今信息化時(shí)代和低碳經(jīng)濟(jì)時(shí)代，鋼鐵企業(yè)的節(jié)能減排和信息化建設(shè)倍受社會(huì)關(guān)注。高爐煉鐵作為鋼鐵生產(chǎn)流程中的主要耗能工序，其工藝流程長，影響參數(shù)錯(cuò)綜復(fù)雜，運(yùn)行機(jī)制具有非線性、大時(shí)滯、高噪聲、分布參數(shù)等特性。高爐生產(chǎn)過程的工藝機(jī)理，涉及化學(xué)反應(yīng)動(dòng)力學(xué)、三相流體動(dòng)力學(xué)等物理化學(xué)過程，其復(fù)雜性涉及到了微觀、中觀、宏觀等不同的層次和尺度。這些不同的層次和尺度的復(fù)雜性常常受不同控制機(jī)制的作用，

2、需要分別加以處理，才能夠深刻揭示冶煉過程的復(fù)雜規(guī)律。本文以包鋼6號(hào)高爐冶煉專家系統(tǒng)在線采集的生產(chǎn)數(shù)據(jù)為基礎(chǔ)，對(duì)高爐冶煉過程的多尺度辨識(shí)、預(yù)測及控制進(jìn)行研究。這一研究為探索高爐冶煉過程的完全閉環(huán)控制提供了一種新的思路和途徑，具有一定的創(chuàng)新價(jià)值和應(yīng)用價(jià)值。
　　高爐冶煉過程自動(dòng)控制的核心難題是爐溫的預(yù)測和控制，這也是本文研究的核心問題所在。論文選取了高爐專家系統(tǒng)在線采集的生產(chǎn)數(shù)據(jù)為樣本空間，容量為1000爐數(shù)據(jù)，采樣間隔為2h左右。利

3、用多尺度分析方法、相空間重構(gòu)技術(shù)對(duì)爐溫[Si]序列進(jìn)行了多尺度辨識(shí)。結(jié)果表明高爐冶煉過程具有明顯的多尺度特征:分解得到了7個(gè)本征模態(tài)函數(shù)和一個(gè)余項(xiàng)，其中:子尺度c1表征了原始信號(hào)中大部分的隨機(jī)動(dòng)態(tài)學(xué)特性，子尺度c2～c4則更多地反映混沌動(dòng)態(tài)學(xué)特性，而剩余的分量則刻畫了極限環(huán)特性。同時(shí)，應(yīng)用交叉動(dòng)態(tài)學(xué)維數(shù)、Arnhold魯棒算法研究相鄰子尺度系統(tǒng)之間的耦合狀況，結(jié)果表明，c3子系統(tǒng)對(duì)耦合系統(tǒng)c2 vs.c3起主導(dǎo)性的作用，而c3和c4子系

4、統(tǒng)均未對(duì)耦合系統(tǒng)c3 vs.c4起主導(dǎo)性作用，二者相互作用控制著該耦合系統(tǒng)。以上結(jié)果為應(yīng)用多尺度方法研究高爐冶煉過程提供了具有應(yīng)用價(jià)值的指導(dǎo)方針，并為進(jìn)一步應(yīng)用多尺度理論研究爐溫的預(yù)測控制問題開辟了一條新途徑。
　　論文在此基礎(chǔ)上，進(jìn)一步將多尺度時(shí)間序列預(yù)測方法用于爐溫[Si]序列的預(yù)測，提出了EMD_AR和EMD_ARX兩種多尺度模型。利用兩種多尺度模型分別對(duì)爐溫[Si]序列進(jìn)行了多尺度建模，與單一尺度的AR模型的預(yù)測結(jié)果進(jìn)行比

5、較。仿真結(jié)果顯示，基于EMD的多尺度模型在命中率方面有了大幅度提高，其他指標(biāo)如均方誤差和相關(guān)系數(shù)也有所改進(jìn)。尤其是EMD_ARX模型，由于考慮了子尺度序列對(duì)相鄰尺度的影響，預(yù)測效果較好，命中率達(dá)到了82％。也就是說，基于多尺度特征來對(duì)爐溫[Si]序列進(jìn)行建模體現(xiàn)出了巨大的優(yōu)勢，這也從另一個(gè)角度驗(yàn)證了高爐冶煉系統(tǒng)具有多尺度特征。
　　為更好地辨識(shí)多尺度系統(tǒng)，本文提出了一種多尺度建模策略，充分考慮系統(tǒng)狀態(tài)參數(shù)的多尺度特征，以及各個(gè)子尺

6、度系統(tǒng)及其耦合子系統(tǒng)對(duì)整體系統(tǒng)的不同貢獻(xiàn)，來選取與目標(biāo)變量關(guān)聯(lián)度最大的子集——最優(yōu)子集作為模型輸入，進(jìn)而構(gòu)建所研究系統(tǒng)的多尺度模型。應(yīng)用本文所提出的基于EMD的多尺度建模算法對(duì)高爐冶煉過程進(jìn)行辨識(shí)，將原始尺度上采集的各個(gè)變量分別分解為不同尺度的子尺度信號(hào)，進(jìn)而根據(jù)MIBIVS算法，從包含所有子尺度序列的信號(hào)集中選取出與原始尺度上系統(tǒng)輸出關(guān)聯(lián)度最大的最優(yōu)子集，并以該最優(yōu)子集作為模型輸入，以原始尺度上系統(tǒng)輸出——爐溫[Si]序列作為模型輸出

7、，結(jié)合一般的線性模型或非線性模型來構(gòu)造相應(yīng)的多尺度模型。仿真過程以4種基本模型為框架，包括2個(gè)線性模型(MLR，MSLR)，2個(gè)非線性模型(RBFN，LS-SVM)，結(jié)果表明，Multiscale-RBFN對(duì)爐溫[Si]序列進(jìn)行預(yù)測可以達(dá)到86％的命中率，均方根誤差和相關(guān)系數(shù)也在非常理想的水平，充分體現(xiàn)了模型的優(yōu)勢。而且Multiscale-模型只需要在原始尺度上的3個(gè)變量的信息，而不需要其他的相關(guān)變量，也就是說，應(yīng)用Multiscal

8、e-模型時(shí)只需要采集這3個(gè)變量就能達(dá)到較好的預(yù)測效果，這也是該模型的優(yōu)勢所在。
　　在對(duì)高爐冶煉過程進(jìn)行多尺度辨識(shí)的基礎(chǔ)上，將辨識(shí)得到的多尺度模型與傳統(tǒng)模型預(yù)測控制算法結(jié)合，提出了一種多尺度模型預(yù)測控制算法。結(jié)合高爐實(shí)際，設(shè)定相應(yīng)的控制時(shí)域、預(yù)測時(shí)域和控制目標(biāo)等參數(shù)，進(jìn)而對(duì)高爐冶煉過程的爐溫[Si]進(jìn)行優(yōu)化控制。仿真結(jié)果表明，多尺度模型預(yù)測控制算法能夠有效地控制爐溫[Si]在設(shè)定點(diǎn)附近波動(dòng)，大大地降低了爐溫的波動(dòng)性，相應(yīng)的輸入變量