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

1、鋼鐵工業(yè)是國民經(jīng)濟的重要支柱產(chǎn)業(yè)，也是大量消耗能源的產(chǎn)業(yè)。在當今信息化時代和低碳經(jīng)濟時代，鋼鐵企業(yè)的節(jié)能減排和信息化建設倍受社會關注。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)錯綜復雜，運行機制具有非線性、大時滯、高噪聲、分布參數(shù)等特性。高爐生產(chǎn)過程的工藝機理，涉及化學反應動力學、三相流體動力學等物理化學過程，其復雜性涉及到了微觀、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雜性常常受不同控制機制的作用，

2、需要分別加以處理，才能夠深刻揭示冶煉過程的復雜規(guī)律。本文以包鋼6號高爐冶煉專家系統(tǒng)在線采集的生產(chǎn)數(shù)據(jù)為基礎，對高爐冶煉過程的多尺度辨識、預測及控制進行研究。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)新價值和應用價值。
　　高爐冶煉過程自動控制的核心難題是爐溫的預測和控制，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、相空間重構技術對爐溫[Si]序列進行了多尺度辨識。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個本征模態(tài)函數(shù)和一個余項，其中:子尺度c1表征了原始信號中大部分的隨機動態(tài)學特性，子尺度c2～c4則更多地反映混沌動態(tài)學特性，而剩余的分量則刻畫了極限環(huán)特性。同時，應用交叉動態(tài)學維數(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)對耦合系統(tǒng)c2 vs.c3起主導性的作用，而c3和c4子系

4、統(tǒng)均未對耦合系統(tǒng)c3 vs.c4起主導性作用，二者相互作用控制著該耦合系統(tǒng)。以上結(jié)果為應用多尺度方法研究高爐冶煉過程提供了具有應用價值的指導方針，并為進一步應用多尺度理論研究爐溫的預測控制問題開辟了一條新途徑。
　　論文在此基礎上，進一步將多尺度時間序列預測方法用于爐溫[Si]序列的預測，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爐溫[Si]序列進行了多尺度建模，與單一尺度的AR模型的預測結(jié)果進行比

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，其他指標如均方誤差和相關系數(shù)也有所改進。尤其是EMD_ARX模型，由于考慮了子尺度序列對相鄰尺度的影響，預測效果較好，命中率達到了82％。也就是說，基于多尺度特征來對爐溫[Si]序列進行建模體現(xiàn)出了巨大的優(yōu)勢，這也從另一個角度驗證了高爐冶煉系統(tǒng)具有多尺度特征。
　　為更好地辨識多尺度系統(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，以及各個子尺

6、度系統(tǒng)及其耦合子系統(tǒng)對整體系統(tǒng)的不同貢獻，來選取與目標變量關聯(lián)度最大的子集——最優(yōu)子集作為模型輸入，進而構建所研究系統(tǒng)的多尺度模型。應用本文所提出的基于EMD的多尺度建模算法對高爐冶煉過程進行辨識，將原始尺度上采集的各個變量分別分解為不同尺度的子尺度信號，進而根據(jù)MIBIVS算法，從包含所有子尺度序列的信號集中選取出與原始尺度上系統(tǒng)輸出關聯(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造相應的多尺度模型。仿真過程以4種基本模型為框架，包括2個線性模型(MLR，MSLR)，2個非線性模型(RBFN，LS-SVM)，結(jié)果表明，Multiscale-RBFN對爐溫[Si]序列進行預測可以達到86％的命中率，均方根誤差和相關系數(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個變量的信息，而不需要其他的相關變量，也就是說，應用Multiscal

8、e-模型時只需要采集這3個變量就能達到較好的預測效果，這也是該模型的優(yōu)勢所在。
　　在對高爐冶煉過程進行多尺度辨識的基礎上，將辨識得到的多尺度模型與傳統(tǒng)模型預測控制算法結(jié)合，提出了一種多尺度模型預測控制算法。結(jié)合高爐實際，設定相應的控制時域、預測時域和控制目標等參數(shù)，進而對高爐冶煉過程的爐溫[Si]進行優(yōu)化控制。仿真結(jié)果表明，多尺度模型預測控制算法能夠有效地控制爐溫[Si]在設定點附近波動，大大地降低了爐溫的波動性，相應的輸入變量