流程工業(yè)的智能制造

劉順 岳秋雨

摘 要：鋼鐵工業(yè)是國民經濟的支柱產業(yè)，高爐煉鐵是鋼鐵工業(yè)的上游主體工序，對鋼鐵工業(yè)的發(fā)展與節(jié)能降耗有重要的地位。通過大數據挖掘，確定生產過程最佳途徑和最佳參數控制范圍，動態(tài)預測調整生產過程控制，是目前鋼鐵產業(yè)面臨的一個難點。對在高爐中的還原反應過程進行分析，查閱文獻并通過數據對比得出，硅含量與鐵水溫度存在正相關；其次，利用MATLAB軟件繪出爐中生產大數據中，硅含量隨時間序列的變化圖，得出硅含量集中分布在范圍，建立一元平穩(wěn)時間序列硅含量模型。

關鍵詞： 動態(tài)預測 擬合回歸分析 質量優(yōu)化模型 粒子群算法

引 言

我國于2014年超過美國成為世界頭發(fā)工業(yè)生產國，在工業(yè)的流程當中，鋼鐵冶金與石油化工等行業(yè)是代表性的國民經濟支柱性產業(yè)。在冶煉的過程當中，因為采集的工藝參數是一個高維的大數據時間序列，所以影響因素眾多。在生產指標產量、能耗以及鐵水質量都與爐溫有密切的關系，爐溫即鐵水含硅量密切相關。

一、簡要分析

1.冶煉工藝機理

高爐煉鐵是一個工藝復雜的冶煉過程，高爐內的溫度場雖然因各高爐具體情況的不同，沿圓周及半徑方向依煤氣流分布而千差萬別，但是沿高爐高度方向上的溫度分布卻有著共同規(guī)律：在爐料裝入爐內的上部區(qū)域和從風口燃燒帶形成煤氣向上升的地區(qū)，由于煤氣與爐料之間的溫度差很大，進行著很強的熱交換，形成高爐上部熱交換區(qū)和下部熱交換區(qū)；而高爐中部，煤氣與爐料的溫度較小，是熱交換進行得極其緩慢的區(qū)域，被稱熱交換空區(qū)或熱儲備區(qū)，熱儲備區(qū)的存在說明高爐是一種熱交換很完善的設備[1]

2.硅還原反應機理[3]

硅在高爐內還原發(fā)生的主要化學方程式為：爐渣與鐵水接觸時發(fā)生的渣鐵反應：，被還原，發(fā)生的反應為：，過程是隨煤氣上升的氣態(tài)，與C反應，同時還與滴下的鐵水相遇，發(fā)生還原反應。

二、高爐鐵水硅含量分析

根據給定的依序號排列的1000爐生產的大數據表，利用MATLAB軟件繪出硅含量隨時間序列的散點圖和區(qū)域分布折線圖，如圖所示。

從圖中我們可以明顯看出，[Si]含量明顯集中分布在0.36-0.6%的部位，可以把高爐鐵水硅含量[Si]分成5個不同的級別，雖然鐵水硅含量[Si]在采集時是離散的。

二、預測模型求解

根據實際生產情況，一般使用命中率來評價對模型的預測成功率。命中率越高模型的預測成功率越高，模型也就越精確；反之，則越不精確。

從表3的模型預測率中可以得出如下結論：

1.命中率隨樣本數的增加而增加；

2.在樣本個數較多的情況下，命中率增長程度減緩。可以分析出，若樣本個數繼續(xù)增加，預測命中率應在某一數值的附近波動。

參考文獻：

[1] 徐夏，基于改進粒子群算法和支持向量機的高爐爐溫預測建模研究，燕山大學碩士學位論文，2015年5月。

[2] 劉祥官，劉芳，高爐煉鐵過程優(yōu)化與智能控制系統(tǒng)[M]，冶金工業(yè)出版社，2003：1-5。

[3] 史燕，高爐爐溫預測控制模型的研究，杭州電子科技大學碩士學位論文，2009年12月。

[4] J.Sterneland， M.A.T. Andersson and P.G. Josson. Comparison of iron ore reduction in experiment Blast furnace and laboratory scale simulation of blast furnace Process [M]. Ironmaking and Steelmaking， 2003， 30（4）： 313-327.

[5] 楊叔子，吳雅等編，時間序列分析的工程應用，華中理工大學出版社，1991年。

[6] 汪榮鑫，隨機過程[J]，西安交通大學出版社，1995年。

[7] 孫桂利，時間序列方法在臨鋼六號高爐鐵水含硅量預測中的應用，西安建筑科技大學碩士學位論文，2001年5月。

[8] 畢學工，高爐過程數學模型及計算機控制，冶金工業(yè)出版社，1996年。

[9] 安鴻志，陳兆國，杜金觀，潘民著，.時間序列的分析與應用，科學出版社，1986年。

[10] 劉艷秋，石君麗，陶學恒，統(tǒng)計過程技術（SPC）在質量管理中的應用[J]，機電產品開發(fā)與創(chuàng)新，2001年。