IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

基于影子趋势对比的矿热炉炉况在线辨识及趋势预测

已有 1737 次阅读 2022-8-24 16:59 |系统分类:博客资讯

引用本文

 

李沛, 阳春华, 贺建军, 桂卫华. 基于影子趋势对比的矿热炉炉况在线辨识及趋势预测. 自动化学报, 2021, 47(6): 13431354 doi: 10.16383/j.aas.c190827

Li Pei, Yang Chun-Hua, He Jian-Jun, Gui Wei-Hua. Smelting condition identification and prediction for submerged arc furnace based on shadow-trend-comparison. Acta Automatica Sinica, 2021, 47(6): 13431354 doi: 10.16383/j.aas.c190827

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190827

 

关键词

 

埋弧冶炼,操作电阻,炉况预测,影子趋势

 

摘要

 

矿热炉埋弧冶炼炉况影响因素复杂且偶发迁移和跃变, 炉况发展趋势难以把握, 给冶炼过程控制带来挑战. 对此, 本文在深入分析埋弧冶炼机理的基础上, 建立了可表征反应区内电弧热与电阻热交互耦合关系的反应区操作电阻模型, 实现炉况发展趋势的在线跟踪. 当炉况发生迁移或跃变时, 利用前序炉况下所得模型生成影子趋势信息, 并综合考虑冶炼工艺及电弧电阻与料层电阻的动态特性差异, 辨析炉况变化的成因, 形成规则化的待辨识参数在线选取方法, 解决了炉况变化前后采样点少, 传统辨识方法无法适用的问题. 工业现场验证表明, 所提出方法可在复杂条件下对冶炼炉况进行准确跟踪, 并给出可靠的炉况发展趋势预测, 为冶炼过程的精细化生产奠定了基础.

 

文章导读

 

矿热炉(亦称埋弧炉)是一种基础工业设备, 主要用于生产硅锰、碳锰、硅铁、锰铁、铬铁、钨铁、低镍生铁等各类铁合金, 以及磷、电熔镁砂等各种工业原料. 矿热炉属典型高能耗设备, 其用电成本占总生产成本的50 % ~ 65 %. 据不完全统计, 我国目前建成有不同容量的矿热炉3000余座, 总消耗电量占全国总发电量的5 %左右. 近年来, 随着节能减排、碳效优化、雾霾攻坚战等战略的实施[1], 针对冶炼行业的各项能耗与排放标准逐年提高, 对冶炼行业的工况辨识[2]及精确控制[3]提出了新的要求.

 

矿热炉埋弧冶炼过程是一个连续进料, 间歇出料的生产过程, 每隔一段时间将大量炉内铁水排出的出铁操作会急剧地改变炉内的热能分布及部分区域的矿料结构[4], 导致冶炼过程中炉内温度场分布及固、液、熔融态物料比例的持续变化. 并且, 国内大多数矿热炉不平衡的短网结构使得注入炉内的三相电能难以平衡[5], 加剧了三相反应区的不平衡发展[6], 同时冶炼生产中的多种操作也带来炉况的迁移或跃变, 进一步提高了各反应区炉况趋势的预测难度[7-8], 严重制约了冶炼过程的精细化生产. 因此, 亟待研究矿热炉埋弧冶炼过程炉况在线辨识及趋势预测. 在冶炼过程的炉况预测方面, 文献[9]使用主成分分析方法对高炉铁水质量在线估计模型进行约简, 提高了模型鲁棒性, 表明在复杂炉况下对模型进行合理降维可有效解决过拟合问题; 文献[10][11]使用时间序列挖掘炉况前后关联信息, 实现高炉冶炼过程铁水硅含量的预测, 这种利用炉况时序关联信息的思路值得借鉴.

 

本文针对矿热炉埋弧冶炼过程中电极升降操作、炉料配比调整、翘渣等操作所致的炉况迁移和跃变问题, 提出了基于影子趋势对比的炉况敏感参数动态选取及炉况趋势实时预测方法, 该方法提出炉况的影子趋势概念, 通过将实际炉况变化与变化前炉况在当前控制输出序列下的影子趋势进行对比, 选取工艺导向型的待辨识敏感参数, 解决了因炉况变化前后采样点少, 常规数据分类方法无法适用的问题, 实现了炉况在线辨识和炉况趋势预测, 为冶炼过程的精细化生产奠定基础.

 1  矿热炉简要构造

 2  矿热炉内电弧及料层电阻分布示意

 5  料层电阻率与炉盖温度关系

 

本文在深入分析矿热炉埋弧冶炼机理的基础上, 建立了可准确描述电弧电阻与料层电阻交互耦合关系的反应区操作电阻模型, 实现了炉况稳定状态下反应区动态特性的辨识. 当炉况发生迁移或跃变时, 利用前序炉况下辨识所得反应区模型, 生成当前控制输出下的炉况影子趋势, 并与实际工况进行比较, 用于对反应区内的实际变化进行诊断, 形成了冶炼工艺导向型的待辨识敏感参数选取方法, 提高了炉况在线辨识的可靠性, 解决了炉况变化前后采样点少, 常规辨识方法难以适用的问题, 从而实现了冶炼炉况的在线辨识, 并给出可靠的炉况发展趋势预测, 对实现矿热炉精细化生产意义重大.

 

作者简介

 

李沛

中南大学自动化学院博士研究生. 主要研究方向为复杂工业过程建模与控制.E-mail: csulipei@163.com

 

阳春华

中南大学自动化学院教授. 国家杰出青年基金获得者. 2002年获得中南大学博士学位. 主要研究方向为复杂工业过程建模与优化控制, 智能自动化控制系统. 本文通信作者.E-mail: ychh@csu.edu.cn

 

贺建军

中南大学自动化学院教授. 2004年获得中南大学博士学位. 主要研究方向为复杂工业过程建模与优化控制. E-mail: jjhe@csu.edu.cn

 

桂卫华

中国工程院院士, 中南大学自动化学院教授. 1981年获得中南矿冶学院硕士学位. 主要研究方向为复杂工业过程建模与优化控制, 工业大系统控制理论与应用.E-mail: gwh@csu.edu.cn



https://blog.sciencenet.cn/blog-3291369-1352485.html

上一篇:嵌套删失数据期望最大化的高斯混合聚类算法
下一篇:非匹配扰动下的多智能体系统固定时间一致跟踪
收藏 IP: 222.131.242.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-9-2 12:13

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部