ARMA與Markov鏈交叉建模預測高爐爐溫.pdf

1、鋼鐵工業(yè)是國民經濟的支柱產業(yè)，對國家經濟建設的發(fā)展起著關鍵作用。作為鋼鐵工業(yè)上游主體工序的高爐煉鐵，它在鋼鐵工業(yè)的發(fā)展與節(jié)能降耗中有著重要的地位。高爐煉鐵過程的自動控制則是鋼鐵工業(yè)實現進一步節(jié)能減排的重要技術進步措施。但是，高爐冶煉過程的自動控制長期以來是冶金自動化領域內尚未攻克的技術難題。究其原因，一方面是因為高爐冶煉過程的動力學機理異常復雜，包含著眾多的化學反應動力學進程與流體動力學進程，難以建立冶煉過程的控制模型；另一方面則是因為

2、高爐冶煉過程的控制受到大量隨機因素影響，使得單一類型的數學模型難以達到較好的預測控制效果。
　　 由此，在綜合分析已有各種建模方法的基礎上，建立起高爐冶煉過程預測控制的創(chuàng)新建模思路。這種思路是把不同的建模方法進行集成，構成新的預測控制模型，以期改善單一模型存在的缺陷。
　　 在高爐冶煉過程中，鐵水硅質量分數(簡稱鐵水含硅量，記為[Si])是評定高爐爐況穩(wěn)定性和鐵水質量的重要指標，也是表征高爐熱狀態(tài)及其變化的標志性參數，也

3、稱為爐溫。爐溫控制是高爐冶煉過程控制的基礎與技術核心。因此爐溫[Si]預測方法的研究和數學建模是實現高爐爐溫的自動控制以及高爐煉鐵節(jié)能降耗的關鍵技術。
　　 綜合上述兩方面思路，本文針對高爐爐溫的預測建模，應用了時間序列模型與馬爾科夫模型作為主要研究工具，進行集成建模研究。同時，結合大型高爐生產實際檢驗模型的成效，使用了“包鋼2500m3高爐智能控制專家系統(tǒng)”在包鋼6號高爐上在線采集的生產數據，建立了爐溫[Si]序列新的分解模式

4、，實現了對爐溫[Si]序列特征和預測更深入的研究。
　　 本文在簡要介紹ARMA模型和馬爾科夫鏈相關數學基礎理論之后，對冶煉過程中的狀態(tài)參數和控制參數與鐵水含硅量[Si]的關系進行了分析，并對爐溫[Si]序列自身的特點進行了研究，從而解析了爐溫[Si]序列復雜性的成因和特征。在此基礎上，將爐溫[Si]序列分解為兩類不同的集合：{[Si]}={平穩(wěn)發(fā)展過程}∪{不確定性過程}其中，對“平穩(wěn)發(fā)展過程”應用時間序列滑動自回歸模型ARM

5、A進行研究，而對“不確定性過程”應用馬爾可夫鏈建模研究。
　　 對“平穩(wěn)發(fā)展過程”建模分析中看到：ARMA模型能夠很好地預測平穩(wěn)發(fā)展過程[Si]的變化，但是難以追蹤爐溫[Si]的劇烈波動，并且具有時滯性，總是落后一拍。進一步利用馬爾科夫鏈建模對“不確定性過程”進行分析，最終得到了控制過程中不確定性對爐溫[Si]序列產生的影響特征，并給出了爐溫[Si]時間序列模型預測的調整量，從而克服了時間序列ARMA模型的缺陷，提高了爐溫預測的