一种基于集成学习的高炉铁水质量预测系统及方法技术方案

本发明专利技术提出一种基于集成学习的高炉铁水质量预测系统及方法，包括：高炉、热风炉、第一流量计、第二流量计、第三流量计、温度计、压力计、湿度计、炉腹煤气量测分析仪、富氧率测量分析仪、数据采集装置和计算机；将获取的实时待测试高炉数据，经过预处理，获取输入输出参数，使用已经建立好的均方根误差概率加权集成随机权神经网络的多元铁水质量在线预报模型，得到在线预测结果。本发明专利技术可以避免离线化验的滞后性和人工操作带来的不确定性，实现实时在线准确软测量，为现场的操作人员及时准确判断高炉内部运行状态提供了关键指标，同时可以根据工况的变化，利用最新的过程数据更新软测量模型参数，避免了时不变模型的局限性，实用价值很高。

【技术实现步骤摘要】
一种基于集成学习的高炉铁水质量预测系统及方法
本专利技术属于高炉冶炼自动化控制
，具体涉及一种基于集成学习的高炉铁水质量预测系统及方法。
技术介绍
高炉是一个在炼铁过程中的大型的对流反应器和热交换器，同时高炉炼铁也是社会发展的一个重要环节。然而高炉内部冶炼环境极其严酷，反应最剧烈的区域温度高达2000多度，压强高达标准大气压的4倍左右，且伴随着固、液、气多相共存的状态，使高炉内部状态难以实时监测，从而难以对高炉进行优化控制。目前，被广泛用来间接反映高炉内部状态的指标为铁水质量参数，综合性的铁水质量指标通常采用Si含量、P含量、S含量和铁水温度来衡量，铁水质量参数的测量一般采用离线化验法，测量结果会滞后1-2小时，因此其结果无法实时的反映高炉内部状态。为了实现对高炉内部运行状态实时全面地监测，就需要建立高炉多元铁水质量参数的在线软测量模型以实现对铁水质量的实时在线软测量，充分利用高炉炼铁过程中可检测的运行数据，建立数据驱动的高炉多元铁水质量在线软测量模型。专利公开号CN102031319A公开了“一种高炉铁水含硅量的预报方法”，该方法包括数据参数选取及预处理、预测算法、结果输出及操作指导，数据参数选取采用硅含量短期均值、硅含量中期均值、硅含量长期均值、前次铁水对应的风口理论燃烧温度及前次铁水含硫量五个参数，通过神经网络算法对硅含量进行预测。专利公开号CN101211383A公开了“一种高炉铁水硅含量的特征分析预报方法”，使用引入遗传算法优化的最小二乘支持向量机对高炉铁水中的硅(Si)含量进行预报。该方法通过对原有样本进行指数加权移动平均滤波和归一化预处理对样本数据进行特征提取，建立了高炉铁水硅含量预报的动态递归模型。专利公开号CN103320559A公开了“一种高炉铁水硫含量预报方法”，以硫S含量短期均值、硫含量中期均值、硫含量长期均值、前次铁水对应的炉渣碱度、前次铁水含硅量、入炉焦炭S含量、入炉煤粉S含量作为铁水含硫预报的输入变量，基于径向基函数神经网络建模技术，预报下一次铁水的含硫量。上述专利报道的方法以及其他相关文献中的方法均是针对单一铁水质量参数，如铁水温度、Si含量、S含量等，进行软测量的方法，单一的铁水质量参数并不能全面地反映高炉内部复杂的状态，无法为现场的操作人员提供综合性的指导，实际应用价值较低。而且已有的铁水质量软测量方法建立的模型均是参数时不变模型，并不适合高炉炼铁过程的工况慢时变特性，因此这些模型在实际工况改变时，预报结果会失准。另外，已有软测量方法中的模型结构大多较为复杂，软测量模型计算时间较长，而工业现场需要简单快速的软测量方法，因此，以上方法实际应用时的效率较低。综上所述，目前国内外还没有专门针对高炉冶炼过程铁水质量参数Si含量、P含量、S含量和铁水温度进行多元动态快速在线软测量的方法。
技术实现思路
针对上述技术不足，本专利技术提出一种基于集成学习的高炉铁水质量预测系统及方法；具体为，一种基于集成学习的高炉铁水质量预测系统，包括：高炉、热风炉、第一流量计、第二流量计、第三流量计、温度计、压力计、湿度计、炉腹煤气量测分析仪、富氧率测量分析仪、数据采集装置和计算机；待测试样本从高炉入口被放置进入高炉内部，从高炉炉腹风口处进行煤粉喷吹，第一流量计被安装在煤粉喷吹处，第一流量计分别与数据采集装置和炉腹煤气量测分析仪相连接；温度计被安装在热风炉的出风口，温度计与数据采集装置相连接；压力计被安装在热风炉的出风口，压力计与数据采集装置相连接；第二流量计、第三流量计和湿度计被分别安装在热风炉的入风口，第二流量计分别与炉腹煤气量测分析仪和富氧率测量分析仪相连接，第三流量计分别与炉腹煤气量测分析仪和富氧率测量分析仪相连接；湿度计分别与炉腹煤气量测分析仪和数据采集装置相连接；炉腹煤气量测分析仪和富氧率测量分析仪分别与数据采集装置相连接；数据采集装置通过通讯总线与计算机相连接；所述高炉，用于完成高炉冶炼过程；所述热风炉，将富氧的冷空气输送到热风炉，通过热风炉将热风输送到高炉内部；所述第一流量计，被安装在煤粉喷吹处，用于在线测量煤粉喷吹量，并将煤粉喷吹量测量值分别传递到炉腹煤气量测分析仪和数据采集装置中；所述第二流量计，被安装在热风炉的入口处，用于在线测量富氧流量，并将富氧流量测量值分别传递到炉腹煤气量测分析仪和富氧率测量分析仪中；所述第三流量计，被安装在热风炉的入口处，用于在线测量冷风流量，并将冷风流量测量值分别传递到炉腹煤气量测分析仪和富氧率测量分析仪中；所述温度计，被安装在热风炉出口处，用于在线测量热风炉的热风温度，并将热风温度测量值传递到数据采集装置中；所述压力计，被安装在热风炉出口处，用于在线测量热风炉的热风压力，并将热风压力测量值传递到数据采集装置中；所述湿度计，被安装在热风炉的入口处，用于在线测量热风炉的鼓风湿度，并将鼓风湿度测量值分别传递到炉腹煤气量测分析仪、富氧率测量分析仪和数据采集装置中；所述炉腹煤气量测分析仪，通过对第一流量计测量的煤粉喷吹量测量值、第二流量计测量的富氧流量测量值、第三流量计测量的冷风流量测量值以及湿度计测量的鼓风湿度测量值进行分析，炉腹煤气量测分析仪计算出炉腹煤气量参数，并将炉腹煤气量参数传递到数据采集装置；所述富氧率测量分析仪，通过对第二流量计测量的富氧流量测量值、第三流量计测量的冷风流量测量值、湿度计测量的鼓风湿度测量值进行分析，富氧率测量分析仪计算出富氧率参数，并将富氧率参数传递到数据采集装置；所述数据采集装置，将第一流量计传递过来的煤粉喷吹量测量值、炉腹煤气量测分析仪传递过来的炉腹煤气量参数、温度计传递过来的热风温度测量值、压力计传递过来的热风压力测量值、富氧率测量分析仪传递过来的富氧率参数以及湿度计传递过来的鼓风湿度测量值在数据采集装置中进行预处理，并将预处理后的数据结果传递给计算机；所述计算机，使用数据采集装置传递过来的预处理后的数据结果，并按照时间顺序保存在计算机中，采用基于集成学习的高炉铁水质量预测方法进行预测，通过建立均方根误差概率加权集成随机权神经网络(Randomvectorfunctional-linknetworks,RVFLNs)的多元铁水质量在线预报模型，对多元铁水质量指标进行在线预测，得到多元铁水质量指标预测值。所述计算机系统装有OPC通讯软件负责计算机与数据采集装置之间进行数据双向通讯。一种基于集成学习的高炉铁水质量预测方法，使用一种基于集成学习的高炉铁水质量预测系统实现，具体步骤如下：步骤1：获取高炉原始历史数据，并进行预处理，包括：对数据统一时间粒度、剔除休风数据和异常数据以及归一化数据，具体包括如下步骤：步骤1.1：按时间先后顺序对采集的数据进行标注，使用最近邻时间原则，即按照时间的先后顺序，人工进行匹配得到时间粒度一致的高炉炼铁过程的历史数据；步骤1.2：剔除休风数据和异常数据：剔除休风数据，具体方式为：依据交班记录确定高炉计划检修时间段，剔除此时间段的高炉本体休风数据，休风数据具体指热风炉不向高炉吹风的数据；剔除异常数据，采用拉依达准则，即3σ准则进行异常值的剔除，即数据偏差大于3σ的数据应该剔除；σ为上述筛选出的高炉本体数据的标准差，如下公式所示：步骤1.3：对高炉数据进行数据归一化处理，得到归一化后的高炉本文档来自技高网...

【技术保护点】
1.一种基于集成学习的高炉铁水质量预测系统，其特征在于，包括：高炉、热风炉、第一流量计、第二流量计、第三流量计、温度计、压力计、湿度计、炉腹煤气量测分析仪、富氧率测量分析仪、数据采集装置和计算机；待测试样本从高炉入口被放置进入高炉内部，从高炉炉腹风口处进行煤粉喷吹，第一流量计被安装在煤粉喷吹处，第一流量计分别与数据采集装置和炉腹煤气量测分析仪相连接；温度计被安装在热风炉的出风口，温度计与数据采集装置相连接；压力计被安装在热风炉的出风口，压力计与数据采集装置相连接；第二流量计、第三流量计和湿度计被分别安装在热风炉的入风口，第二流量计分别与炉腹煤气量测分析仪和富氧率测量分析仪相连接，第三流量计分别与炉腹煤气量测分析仪和富氧率测量分析仪相连接；湿度计分别与炉腹煤气量测分析仪和数据采集装置相连接；炉腹煤气量测分析仪和富氧率测量分析仪分别与数据采集装置相连接；数据采集装置通过通讯总线与计算机相连接；所述高炉，用于完成高炉冶炼过程；所述热风炉，将富氧的冷空气输送到热风炉，通过热风炉将热风输送到高炉内部；所述第一流量计，被安装在煤粉喷吹处，用于在线测量煤粉喷吹量，并将煤粉喷吹量测量值分别传递到炉腹煤气量测分析仪和数据采集装置中；所述第二流量计，被安装在热风炉的入口处，用于在线测量富氧流量，并将富氧流量测量值分别传递到炉腹煤气量测分析仪和富氧率测量分析仪中；所述第三流量计，被安装在热风炉的入口处，用于在线测量冷风流量，并将冷风流量测量值分别传递到炉腹煤气量测分析仪和富氧率测量分析仪中；所述温度计，被安装在热风炉出口处，用于在线测量热风炉的热风温度，并将热风温度测量值传递到数据采集装置中；所述压力计，被安装在热风炉出口处，用于在线测量热风炉的热风压力，并将热风压力测量值传递到数据采集装置中；所述湿度计，被安装在热风炉的入口处，用于在线测量热风炉的鼓风湿度，并将鼓风湿度测量值分别传递到炉腹煤气量测分析仪、富氧率测量分析仪和数据采集装置中；所述炉腹煤气量测分析仪，通过对第一流量计测量的煤粉喷吹量测量值、第二流量计测量的富氧流量测量值、第三流量计测量的冷风流量测量值以及湿度计测量的鼓风湿度测量值进行分析，炉腹煤气量测分析仪计算出炉腹煤气量参数，并将炉腹煤气量参数传递到数据采集装置；所述富氧率测量分析仪，通过对第二流量计测量的富氧流量测量值、第三流量计测量的冷风流量测量值、湿度计测量的鼓风湿度测量值，富氧率测量分析仪计算出富氧率参数，并将富氧率参数传递到数据采集装置；所述数据采集装置，将第一流量计传递过来的煤粉喷吹量测量值、炉腹煤气量测分析仪传递过来的炉腹煤气量参数、温度计传递过来的热风温度测量值、压力计传递过来的热风压力测量值、富氧率测量分析仪传递过来的富氧率参数以及湿度计传递过来的鼓风湿度测量值在数据采集装置中进行预处理，并将预处理后的数据结果传递给计算机；所述计算机，使用数据采集装置传递过来的预处理后的数据结果，并按照时间顺序保存在计算机中，采用基于集成学习的高炉铁水质量预测方法进行预测，通过建立均方根误差概率加权集成RVFLNs的多元铁水质量在线预报模型，对多元铁水质量指标进行在线预测，得到多元铁水质量指标预测值。...

【技术特征摘要】
1.一种基于集成学习的高炉铁水质量预测系统，其特征在于，包括：高炉、热风炉、第一流量计、第二流量计、第三流量计、温度计、压力计、湿度计、炉腹煤气量测分析仪、富氧率测量分析仪、数据采集装置和计算机；待测试样本从高炉入口被放置进入高炉内部，从高炉炉腹风口处进行煤粉喷吹，第一流量计被安装在煤粉喷吹处，第一流量计分别与数据采集装置和炉腹煤气量测分析仪相连接；温度计被安装在热风炉的出风口，温度计与数据采集装置相连接；压力计被安装在热风炉的出风口，压力计与数据采集装置相连接；第二流量计、第三流量计和湿度计被分别安装在热风炉的入风口，第二流量计分别与炉腹煤气量测分析仪和富氧率测量分析仪相连接，第三流量计分别与炉腹煤气量测分析仪和富氧率测量分析仪相连接；湿度计分别与炉腹煤气量测分析仪和数据采集装置相连接；炉腹煤气量测分析仪和富氧率测量分析仪分别与数据采集装置相连接；数据采集装置通过通讯总线与计算机相连接；所述高炉，用于完成高炉冶炼过程；所述热风炉，将富氧的冷空气输送到热风炉，通过热风炉将热风输送到高炉内部；所述第一流量计，被安装在煤粉喷吹处，用于在线测量煤粉喷吹量，并将煤粉喷吹量测量值分别传递到炉腹煤气量测分析仪和数据采集装置中；所述第二流量计，被安装在热风炉的入口处，用于在线测量富氧流量，并将富氧流量测量值分别传递到炉腹煤气量测分析仪和富氧率测量分析仪中；所述第三流量计，被安装在热风炉的入口处，用于在线测量冷风流量，并将冷风流量测量值分别传递到炉腹煤气量测分析仪和富氧率测量分析仪中；所述温度计，被安装在热风炉出口处，用于在线测量热风炉的热风温度，并将热风温度测量值传递到数据采集装置中；所述压力计，被安装在热风炉出口处，用于在线测量热风炉的热风压力，并将热风压力测量值传递到数据采集装置中；所述湿度计，被安装在热风炉的入口处，用于在线测量热风炉的鼓风湿度，并将鼓风湿度测量值分别传递到炉腹煤气量测分析仪、富氧率测量分析仪和数据采集装置中；所述炉腹煤气量测分析仪，通过对第一流量计测量的煤粉喷吹量测量值、第二流量计测量的富氧流量测量值、第三流量计测量的冷风流量测量值以及湿度计测量的鼓风湿度测量值进行分析，炉腹煤气量测分析仪计算出炉腹煤气量参数，并将炉腹煤气量参数传递到数据采集装置；所述富氧率测量分析仪，通过对第二流量计测量的富氧流量测量值、第三流量计测量的冷风流量测量值、湿度计测量的鼓风湿度测量值，富氧率测量分析仪计算出富氧率参数，并将富氧率参数传递到数据采集装置；所述数据采集装置，将第一流量计传递过来的煤粉喷吹量测量值、炉腹煤气量测分析仪传递过来的炉腹煤气量参数、温度计传递过来的热风温度测量值、压力计传递过来的热风压力测量值、富氧率测量分析仪传递过来的富氧率参数以及湿度计传递过来的鼓风湿度测量值在数据采集装置中进行预处理，并将预处理后的数据结果传递给计算机；所述计算机，使用数据采集装置传递过来的预处理后的数据结果，并按照时间顺序保存在计算机中，采用基于集成学习的高炉铁水质量预测方法进行预测，通过建立均方根误差概率加权集成RVFLNs的多元铁水质量在线预报模型，对多元铁水质量指标进行在线预测，得到多元铁水质量指标预测值。2.根据权利要求1所述一种基于集成学习的高炉铁水质量预测系统，其特征在于，所述计算机系统装有OPC通讯软件负责计算机与数据采集装置之间进行数据双向通讯。3.一种基于集成学习的高炉铁水质量预测方法，采用权利要求1所述一种基于集成学习的高炉铁水质量预测系统实现，其特征在于，具体步骤如下：步骤1：获取高炉原始历史数据，并进行预处理，包括：对数据统一时间粒度、剔除休风数据和异常数据以及归一化数据，具体包括如下步骤：步骤1.1：按时间先后顺序对采集的数据进行标注，使用最近邻时间原则，即按照时间的先后顺序，人工进行匹配得到时间粒度一致的高炉炼铁过程的历史数据；步骤1.2：剔除休风数据和异常数据：剔除休风数据，具体方式为：依据交班记录确定高炉计划检修时间段，剔除此时间段的高炉本体休风数据，休风数据具体指热风炉不向高炉吹风的数据；剔除异常数据，采用拉依达准则，即3σ准则进行异常值的剔除，即数据偏差大于3σ的数据应该剔除；σ为上述筛选出的高炉本体数据的标准差，如下公式所示：步骤1.3：对高炉数据进行数据归一化处理，得到归一化后的高炉历史数据作为样本数据集，如下公式所示：其中，xi、分别为第i个变量归一化前、后的取值，max(xi)、min(xi)分别为第i个变量的最大值、最小值，归一化处理后的数据在如下范围内：xi∈(0,1)；步骤2：获取高炉多元铁水质量指标软测量所需输入输出参数，并根据输入输出参数从预处理后的高炉原始历史数据提取样本数据集；步骤2.1：根据高炉工艺机理确定需要软测量的高炉铁水质量输出参数为：硅含量y1、磷含量y2、硫含量y3和铁水温度y4；步骤2.2：采取灰色关联性分析的方法，提取前k个关联度最高的高炉本体参数...

【专利技术属性】
技术研发人员：周平，刘进进，闻超垚，柴天佑，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21