The invention provides a control strategy of radial material layer thickness distribution in blast furnace charging process based on iterative learning and multi model. In the process of blast furnace charging, the radial material layer thickness distribution is taken as the controlled target, and the distribution matrix is taken as the operation variable, and a control strategy for the radial material layer thickness distribution in the blast furnace burden distribution process is constructed. The first material layer thickness distribution in radial basis function and the weights form, based on the representation of basis function model is given on the thickness distribution and the controlled expression of target distribution, based on iterative learning and multi model gives a BF process control strategy of material and thickness of radial distribution, multi model responsible for the integer domain cloth ring number vector
【技术实现步骤摘要】
一种高炉布料过程径向料层厚度分布的控制策略
本专利技术涉及一种基于迭代学习和多模型的高炉布料过程径向料层厚度分布的控制策略,涉及分布式系统的建模与控制,涉及冶金学、计算机科学、数学、控制科学和随机分布控制等
的交叉和融合。
技术介绍
高炉布料是高炉操作中一个重要操作制度,是高炉稳定顺行、高炉稳产、降低事故率和减少燃料消耗的关键环节。多年的实践和经验告诉我们,高炉布料过程所形成的料层初始厚度分布不仅仅影响初始料面形状和温度场的分布,同时亦是高炉稳产,高炉稳定顺行,高炉事故率和高炉燃料消耗的关键环节(刘云彩,高炉布料规律[M],冶金工业出版社,2012)。由于缺少描述高炉内部复杂三维立体料面输出形状的有效模型,高炉布料制度的制定和调整仍由经验丰富的工长执行,给高炉稳定生产带来较多负面影响。中国专利201410336893.7提供了一种高炉布料过程径向矿焦比的控制方法,建立了高炉布料控制参数对料面的模型关系,对于描述高炉布料模型,下料过程模型有一定的积极作用,由于缺少布料矩阵和料层厚度输出分布的有效描述,并不能实现对料层厚度分布的控制。专利申请文件201510586609.6提供了一种描述料面输出形状和操作变量之间的模型关系,但并没有给出料层厚度分布的控制方案。针对现行的高炉布料制度,本专利技术提出了一种以料层输出厚度分布为被控参数的高炉布料控制系统,并给出了一种基于迭代学习和多模型的高炉布料过程料层厚度分布的控制策略。本专利技术对于推进高炉工业过程自动化的进程,改善面向高性能冶炼的高炉操作,以及更大限度的实现高炉冶炼过程的节能、减排以及性能指标优化具有十 ...
【技术保护点】
一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策略,其特征在于,以高炉布料过程料层径向厚度分布为被控制目标,以布料矩阵为操作变量,构建面向高炉布料过程料层径向厚度分布的控制策略,所述控制策略包括:(1)利用分离变量方法将被控对象料层径向厚度分布写成权值和基函数形式;(2)在权值和基函数所描述的料层径向厚度分布的基础上,手动调节权值以设定料层厚度分布的控制目标;(3)根据已设定的高炉布料过程料层厚度分布的控制目标以及料层实时径向厚度的分布定义料层厚度分布控制性能指标准则函数,基于迭代学习和多模型方法对高炉布料过程操作变量布料矩阵进行自动调节。
【技术特征摘要】
1.一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策略,其特征在于,以高炉布料过程料层径向厚度分布为被控制目标,以布料矩阵为操作变量,构建面向高炉布料过程料层径向厚度分布的控制策略,所述控制策略包括:(1)利用分离变量方法将被控对象料层径向厚度分布写成权值和基函数形式;(2)在权值和基函数所描述的料层径向厚度分布的基础上,手动调节权值以设定料层厚度分布的控制目标;(3)根据已设定的高炉布料过程料层厚度分布的控制目标以及料层实时径向厚度的分布定义料层厚度分布控制性能指标准则函数,基于迭代学习和多模型方法对高炉布料过程操作变量布料矩阵进行自动调节。2.根据权利要求1所述的一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策略,其特征在于:被控对象料层径向厚度分布h(y,u)满足柱形积分约束,是一个与决策变量相关的二维分布函数,操作变量布料矩阵包含溜槽倾角序列和旋转圈数序列两个部分,其中溜槽倾角向量α属于实数域,而布料圈数向量κ属于自然数域。3.根据权利要求1所述的一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策略,其特征在于,所述(1)利用分离变量方法将被控对象料层径向厚度分布写成权值和基函数形式,具体为:1)在积分约束下将料层径向厚度分布h(y,u)写成权值wi(u)和基函数Bi(y)形式,并确定基函数和权值的个数n+1:其中,料层径向厚度分布h(y,u)为距离高炉中心的位置y和决策变量布料矩阵u的二维函数,Vt为炉料总体积,bi为基函数Bi(y)的体积积分;基函数Bi(y)为B样条函数,n为5-20之间的整数;2)采用降维方式描述n维权值向量W(u)和料层径向厚度分布之间的关系:h(y,u)=C(y)W(u)+L(y),W(u)=[w1(u),w2(u),…,wn(u)]T∈Rn×1,1其中,W(u)为与决策变量u相关的n维权值向量,C(y)为降维处理后n维基函数构成的矩阵,L(y)为降维处理后的约束变量。4.根据权利要求3所述的一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策略,其特征在于,所述(2)中,被控变量料层径向厚度目标分布函数g(y)由基函数和权值确定,在权值和基函数所描述的料层径向厚度分布的基础上,手动调节权值Wg以设定料层厚度分布的控制目标,具体为:g(y)=C(y)Wg+L(y)。5.根据权利要求1所述的一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策略,其特征在于,所述(3)根据已设定的高炉布料过程料层厚度分布的控制目标以及料层实时径向厚度的分布定义料层厚度分布控制性能指标准则函数,基于迭代学习和多模型方法对高炉布料过程操作变量布料矩阵进行自动调节,具体为:1)根据布料圈数序列κ所遵循的约束布料的最大环数m,以及高炉布料过程边缘多中心少的布料原则确定M个备选备选κj构成的有限集合K={κ1,κ2,…κM};2)根据目标分布g(y),定义有限可数集中布料圈数向量κj的准则函数:其中3)根据有限可数集中布料圈数向量κj对应的准则函数,用梯度迭代的方法给出溜槽倾角向量α的控制规律:其中(k)表示迭代学习的次数;4)设定最大迭代次数和迭代终止条件,根据已经确定的整数域布料圈数向量κ的有限可数集依次计算布料圈数向量κj的准则函数,从M个有限可数集K={κ1,κ2,…κM}中选择向量κ所对应的准则函数的最小值并根据最小化的性能指标给出相应的决策变量α和κ。6.一种基于迭代学习和多模型的高炉布料过程料层径向厚度分布的控制策...
【专利技术属性】
技术研发人员:张勇,刘丕亮,孙采鹰,周平,崔桂梅,
申请(专利权)人:内蒙古科技大学,
类型:发明
国别省市:内蒙古,15
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。