利用人工智能专家系统高炉冶炼的方法技术方案

本发明专利技术是一种全面控制高炉过程的方法，从高炉传感器上采集数据；根据专家的经验和知识及模糊关系矩阵构成的知识库；对在线采集的数据进行比较、推理，判断高炉炉体状态、冶炼进程的顺行状态和热状态。根据预报结果，实现高炉过程调节和控制。（*该技术在2013年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及高炉冶炼生铁过程的状况预测的计算机专家系统，用于高炉生铁冶炼过程的操作指导与管理。70年代高炉生铁冶炼数学模型已相当成熟。其弱点是适应性差。炉况正常时，命中率较高，但炉况发生变化或出现异常状况时，命中率就很低。这是由于高炉冶炼过程是一个十分复杂的综合过程。冶炼是在封闭的炉体内进行，操作者只能通过仪表和经验判断炉内状况。而计算机数学模型只能依靠仪表检测的数据。仪表显示的数据往往只是传感器所能反映出的局部区域的情况。炉况变化或发生异常状况时，局部参数的变化，难以准确地反映炉内的整体情况。因此数学模型的命中率大大降低。使用先进的计算机和人工智能技术建立高炉生铁冶炼专家系统，成了急待解决的课题。1987年12月23日中国专利局公布的日本钢管公司申请专利《控制高炉运行的方法》(871A09036)就是一种高炉生铁冶炼专家系统。用大型计算机处理传感器送来的数据，用确定因子(CF)值，进行推断高炉是否将发生意外事故、悬料和管道等异常状况。1990年7月1日专利局公开了新日铁的《高炉操作管理方法和装置》(CN1043745A)也是一种高炉专家系统。该申请将知识库中的规则分为为避免高炉故障而是否需采取被动行动的被动规则，和为降低操作成本而采取的主动行动的主动规则，以及判断是否需改变炉料分配行为的分配改进规则。计算机首先执行被动规则的推断。如果需采取被动行动，则指示出相应的被动行动，并终止推断;若不需要采取被动行为，则执行有关主动规则的推断。如果需采取被动行动，则指示出相应的被动行动，并终止推断;若不需采取主动行为，则执行有关配料改进规则的推断。如果需采取分配改进行动，则指示出相应的改进行动，并终止推断;若不需采取行动，则发出保持现状的指示。以上两个
技术介绍
文件只粗略地公开了高炉动态数学模型的技术构思，不具备人工智能的功能方案，而且没有将各种具体的技术参数公开出来。本领域的专家或高级技术人员要实施此技术需经过自己的创造性劳动，对许多技术特征提出具体方案后才能实施。本领域的技术人员，未经自己的创造性工作，不能实现。本专利技术的目的，就是针对上述
技术介绍
的不足，提供一种本领域的技术人员能够实现的，判断高炉冶炼状是顺行，还是发生或将发生悬料、管道、难行，判断高炉炉温是过热、向热还是向凉或剧冷，判断高炉炉体结厚，还是粘结状况或烧穿等的高炉生铁冶炼人工智能专家系统，以加强高炉的运行管理，正确诊断炉况，及时提醒工长采取适当的措施，避免发生事故，保证高炉生产正常进行。高炉生铁冶炼专家系统是高炉计算机控制的重要组成部分。为工作方便，高炉运行参数检测及控制分为四组高炉本体、热风炉、上料和喷煤。如图1所示，各组都设有可编程工业过程控制机(PLC)，各组检测点将主要生产运行参数以电流或电压等，经电控仪表(DDC)传送给过程控制机(PLC)。通过集散系统的过程控制机对电控、仪控信号进行检测、计算、打印、显示、报警等处理，显示生产操作参数和点对点通讯，对生产进行计算机管理，同时将数学模型所需的模似量及开关量的数据送往中小型计算机(以下称上位机)，上位机的任务，除担任高炉数模工作外，还将高炉的数据定时传递到厂部，通过终端微机，按计算机管理网络的要求，将高炉生产的主要数据送入公司计算机管理网。为了为生产及科研服务，上位机还配置了微机，可将在线生产数据调出进行离线应用处理。上位机除接受来自高炉的自动检测信息外，还接受通过终端机送入的必要信息，如高炉值班主控制室，热风炉、上料、喷煤等控制室送入的信息、化验室、原料站等辅助岗位送入的炉渣、铁水以及各类入炉原料的化学成分。本专利技术的专家系统分为顺行状况判断、炉体状态判断和炉热状态判断三个子系统。本专利技术所称的高炉顺行状况判断子系统，是利用高炉操作者和炼铁专家的经验，判断高炉运行状态是否顺行，并对悬料(难行)、塌料、管道、边缘气流发展，中心气流发展等异常炉况进行预测和判断的智能程序;高炉炉体状态判断子系统是对炉墙侵蚀监测和烧穿监测，炉底破损和炉墙结厚的预报的判断智能程序;高炉热状态判断子系统是判断高炉炉温是向热、过热、正常，还是向凉、剧冷的情况。无论是进行哪种判断，都用推理机(如图2所示)，把系统自动采集和预处理的实时数据，与储存在知识库内的知识或经验进行比较，做出推论判断，并把结果储存和输出。高炉操作者或冶炼专家可以从人机界面了解系统运行的情况。本模型用户窗口主要是以下部分1、将推理过程中使用的数据、结论存入磁盘(见图3)，以便专家进行检索、验证所建立的规则是否正确，结论是否可靠。2、彩色大屏幕图形显示(见图8)，这一部分主要是将专家系统推理得出的最后结论以拟人化的形式在彩色大屏幕上显示脸谱。由笑脸、严肃、哭脸分别表示高炉各种状态良好，正常和出现不正常征兆。3、曲线显示(见图3中的生产管理、高炉操作显示)把最终判断结果画成曲线，直接地反映出炉内各种状态的变化。表1、给出了高炉不同状态下，各参数作出的响应，即专家系统的知识框架，它是归纳、整理高炉操作专家的经验而建立的炉况与参数的逻辑关系。图3为专家系统数据处理流程图。高炉专家系统数学模型使用数据绝大部分是从冶炼现场通过过程控制机实时在线采集得到的，而一小部份数据前因技术或设备原因计算机未采集则由人按规定要求按时将所需数据输入计算机。图4表示出上位机向过程控制机打集数据主要分为四个大系统。它们的喷煤系统、高炉本体系统、热风炉系统及上料系统。喷煤系统主要是将上、下罐的重量、压力及喷煤总压力按一分钟周期传输给上位机。而高炉本体系统是按照生产管理及数模需要按五秒、卅秒、一分钟及五分钟周期传输给上位机，例如料批信号左右料尺是以5秒周期数采，而高炉主要生产参数风压、风量、顶温、氧量、热风炉等主要参量是以30秒周期进行数采的。同样原料信号如矿石、焦碳、杂矿重量信号也是以30秒周期采集的，而大量数据如铁水信号、十字测温、混合煤气CO、CO2、H2的含量、炉内静压力、软融带温度、热风炉主要参量是以一分钟周期进行数采的，而变化较为缓慢的水箱后壁温度，炉缸温度等，则以五分钟周期进行数采。上述数据大部分从过程机采集后即刻存放在上位机的内存共享区内。而某些数据如原料、焦炭、料种、重量等信号，必须先对数据进行筛选、平滑，检查信号是否在可信任范围内，而后再进行处理、判断是否在下料过程，正在下料。下料结束，并且追踪判断已附加焦碳重量、料种、重量时刻的信号，并将这些信号存放在内存有共享区的数据专用数据区。同样，高炉本体数据如水箱后壁温度等及喷煤系统数据也必须分别进行数据筛选，除去不合理信号，有些重量信号进行求和等处理，然而按照数模要求分一小时及四小时周期进行存放。然后再对其进行求和，求最大值(MAX)、最小值、方差等计算。再挑选各模型程序需要的数据按专家系统知识库中规则要求进行处理，按规定存放在内存共享区中的数模专用数据区。为子系统模型提供共享数据及判断，用信息。另外，高炉本体热风炉、上料系统的大量数据为风量、风压、风温、顶压、透气性指数、顶温等信号也经过数据筛选后进行计算机的生产管理。生产管理是向高炉生产操作提供显示数据，并按生产需要进行打印生产报表。存放在数模专用内存共享区的数据是所有子模型运行需要的共享数据，他们在经过各自进程运行，根据知识库知识进行逻辑判断、推本文档来自技高网...

【技术保护点】
一种人工智能高炉冶炼专家系统；适用于判断高炉炉体和冶炼进程是否正常，本系统除具有一般系统关于判断高炉热状态和高炉冶炼进程顺行状态外，还有判断高炉炉体状态的子系统，由数据采集系统、数据库、知识库、推理机和输出系统组成，所有状态判据均以高炉传感器上在线动态采集数据，经过与知识库的规则、数据进行比较匹配、判断。推理，得出结论，由解释系统给定输出结果，向高炉操作者提供操作，其特征在于系统运行步骤如下：计算机初始化的，进入５秒钟秒进程，上位机向过程控制机采集一次数据，向共享区采集下料信息并计算机料速；１５秒进程运行顺行判断，并把判断结果送入共享区；３０秒进程，从过程控制机每３０秒读取数据，运行下料模型，运行模型综合判断图形显示程序，结果由图形显示出来，运行炉体炉墙结厚判断，进行以３０秒为周期的取左右料尺差值、每批料的最大差值，对２小时内每批料最大料尺差求平均值，用于结厚判断；一分钟进程，从过程机采集周期为１分的数据，对各模型和生产管理所需的数据进行平滑、上、下限筛选、求和、平均、求最大值、最小值、偏差或加权等处理，并运行周期为１分钟的热模型和生产管理程序；２分钟进程，运行周期为２分钟的顺行判断模型；５分钟进程，运行周期为５分钟的高炉炉体状态模型；２０分钟进程，运行周期为２０分钟的高炉热模型；１小时进程，运行高炉热状态模型和高炉炉体状态模型；各进程运行的结果数据分别储存在顺行状态数据库、热状态数据库和炉体状态数据库，图形显示经实时采集各子系统运行结果进行显示，向高炉操作者提供操作。...

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：周冠五，杨天钧，刘云彩，徐金梧，张宗民，周渝竽，庞玉茹，杨世山，刘德铨，左广庆，白宝柱，斑润臣，李丽芬，马晓兰，温世湛，冯国庆，邹瑞端，杨来仪，
申请(专利权)人：首钢总公司，北京科技大学，
类型：发明
国别省市：11[中国|北京]