本发明专利技术涉及高炉过程控制，具体涉及一种基于专家系统和知识库的高炉冶炼方法及其对应的系统，方法包括以下步骤：1）建立数据样本；?2）对数据样本进行分类；3）对分类结果进行工艺解读；4）用特征参数来表征高炉指标；5）启动知识库；6）判断并调整知识库：如果规则的命中率低于设定的效果阈值，重复执行步骤1）—步骤5），重新选取高炉调剂措施，直至规则的命中率大于或等于设定的效果阈值。本发明专利技术能够适应不断变化的高炉状况，易于更新、易于维护，从而大大加快知识库的构建过程，指导高炉冶炼的生产过程，大大提高高炉生产效率和产能。
【技术实现步骤摘要】
本专利技术属于高炉过程控制
，具体涉及一种通过高炉冶炼专家系统知识库中规则实时更新进行高炉调剂的方法，适用于具有软水密闭循环冷却系统的大型高炉的操作控制。
技术介绍
高炉体积巨大，大型高炉内容积有2000-5800m3之大，高炉内部充满高温、高压富含⑶的煤气，高炉每分钟的煤气发生量高达5000-10000m3/mi n，高炉操作主要靠人工完成，培养一个高炉冶炼技术的专家需要10年以上的时间，现在人员流动性大，一旦出现人员的流动就意味着经验的流逝，同时高炉操作的影响因素很多，高炉一旦发生操作异常，经常给生产造成巨大的损失，少则几十万，多则几百万，上千万，同时高炉监测数据量巨大，操作人员很难及时处理如此巨大的数据，象高炉这种体积巨大、影响因素多、主要依靠人工操作、并且具备海量检测数据的系统特别适合于采用以专家系统为核心的人工智能技术进行控制。专家系统一般由数据库、知识库、推理机、人机界面、数学模型等内容构成，其中知识库的内容、规模、精度决定了专家系统的总体性能，要开发一个高水平的高炉冶炼专家系统，必须解决专家系统知识库的构建问题。自上世纪八十年代末期日本将人工智能专家系统技术引入高炉操作领域起，已经开发了很多种商业化的专家系统，如文献“Shigeru AMANO ； Expert System for BlastFurnace Operation at Kimitsu Works, ISIJ International, Vol. 30 (1990), No. 2,PP105-110”描述了新日铁在君津3号和4号高炉上应用了 ALIS专家系统的情况，该系统使用在线的实时高炉数据，ALIS系统的知识库中规则达700多条，其命中率可达90%以上。文献 “Tetsuya Yamamoto ； BLAST FURNACE OPERATIONAL SYSTEM WITH THE APPLICATIONOF ADVANCED GO / STOP SYSTEM AT MIZUSHIMA WORKS, Proceedings of The SixthInternational Iron and Steel Congress, 1990, Nagoya, ISIJ, PP364-371 ” 描述了在川崎制铁在水岛4号高炉上使用的Advanced G0-ST0P专家系统的情况，该系统是在原有模型G0-ST0P的基础上发展起来的，该系统从数百个过程数据中选出230个用于推理的信息，在有600个规则的Al计算机中处理，为操作者对炉况的判定和运行提供指导，AdvancedG0-ST0P系统在系统调试时命中率可达90%。文献“YasuONIWA,Application of A Self-learning Function to an ExpertSystem for Blast Furnace Heat Control, ISIJ International. Vol. 30 (1990), No.2,pp. 111-117”描述了日本钢管在福山5号高炉上应用的BAISYS专家系统的情况，日本钢管在福山5号高炉上应用的BAISYS系统由异常炉况诊断专家系统和炉热控制专家系统两个子系统组成。BABYS系统中的异常炉况知识库由200条产生式规则组成，炉热控制系统的知识库由500条规则组成，主要包括判断炉况的知识群和判断炉温变化趋势的知识群等，BABYS系统系统调试时对异常炉况的命中率达80%以上，对炉热状态判断的命中率可达90%。文献“Koichi OTSUKA ； A Hybrid Expert System Combined with aMathematical Model for Blast Furnace Operation, ISIJ International, Vol. 30(1990)，No. 2, PP118 - 127”描述了 1988年10月，住友金属在鹿岛I号高炉上开发了包含原Ts炉热模型和专家规则相结合的混合专家系统(HYBRID)的情况。该系统是一种包含Ts炉热模型和专家规则相结合的混合专家系统，该混合专家系统中约有1200条规则，在高炉生产中约有80-85%的时间靠Ts模型控制，有15-20%的时间靠经验规则控制。系统调试时铁水含硅量的预报准确率达85%以上，铁水温度的预报准确率可达90%。芬兰Rautaruukki—Kawasaki专家系统是一个纯粹的以规则为基础的专家系统，内有规则800多条，武钢、首钢、昆钢等多个厂家引进了该系统，对高炉生产发挥了一定的作用。现有的规则库的规则难以反映高炉运行的实际状况，这些系统使用效果都有限。从知识库的构建上看这些专家系统中的规则都来源于高炉操作人员的经验，是相应高炉操作经验的总结，尽管经验很宝贵，但经验也有其局限性，一方面经验具有个人性，不同人员对同一现象的诊断存在差异，另一方面随着高炉运行环境的变化，经验具有变化性，经验提取困难，已经提取出来的经验难以进行推广以适应不断变化的高炉状况，很大程度上依赖于某个人的经验，同时这些经验易更新、维护困难。
技术实现思路
本专利技术的目的是为了克服上述缺陷和不足，提供一种采用模式识别技术来深入分析高炉过程的变化规律，通过实时更新规则库来实现高炉各系统的协同，解决专家系统学习与维护能力低，操作指导、解释机制的简单化，集成性能差等问题，从而大大提高高炉冶炼生产效率的基于专家系统和知识库的高炉冶炼方法及系统。为实现上述目的，本专利技术提供的基于专家系统和知识库的高炉冶炼方法，包括以下步骤I)、建立数据样本从高炉冶炼过程控制数据库中获取3-5个月表征这些参数的实时数据气流控制、炉型管理、布料控制、高炉状况评估、炉缸状态评估、炉温状态控制，建立数据样本；2)、对数据样本进行分类采用模式识别方法对数据样本进行分类；3)、对分类结果进行工艺解读各种现象所呈现的不同状态标注工艺含义，将各种状态和高炉运行的评价性指标一一对应起来，找出不同状态对应的高炉指标表征特点；4)、用特征参数来表征高炉指标用特征参数来表征各种高炉指标的不同状态类另Ij，构成知识库；5)、启动知识库以当前的操作参数为触发器，启动知识库中的模式匹配，判断高炉各种现象的实际状态，选取正确的高炉调剂措施；6)、判断并调整知识库如果规则的命中率低于设定的效果阈值，重复执行步骤I) 一步骤5)，重新选取高炉调剂措施，直至规则的命中率大于或等于设定的效果阈值。在上述技术方案的步骤I)中，所述气流控制数据包括十字测温数据、上升管温度、红外图像信息；所述炉型管理数据包括冷却壁温度、热负荷、冷却水量、温度；所述布料控制数据包括炉料水份、焦炭反应强度、炉料成分、布料矩阵、进风面积、鼓风参数；所述高炉操作数据包括风量、风温、风压、熔损反应碳量、热负荷、热指数、炉身静压力、CO、CO2 ;所述炉缸状态数据包括渣铁平衡数据、炉缸温度、渣铁成分；所述炉温状态数据包括下料指数、CO2、炉缸状态指数、炉热指数、熔损反应碳量、渣皮脱落指数。在上述技术方案的步骤3)中，高炉运行的评价性指标包括煤气利用率、C0、C02、焦t匕、利用系数、0/C、燃料比、下料指数、炉缸状态指数。另一方面，本专利技术还提供了一本文档来自技高网...
【技术保护点】
一种基于专家系统和知识库的高炉冶炼方法，其特征在于包括以下步骤：1）、建立数据样本：从高炉冶炼过程控制数据库中获取3?5个月表征这些参数的实时数据：气流控制、炉型管理、布料控制、高炉状况评估、炉缸状态评估、炉温状态控制，建立数据样本；?2）、对数据样本进行分类：采用模式识别方法对数据样本进行分类；3）、对分类结果进行工艺解读：各种现象所呈现的不同状态标注工艺含义，将各种状态和高炉运行的评价性指标对应起来，找出不同状态对应的高炉指标表征特点；4）、用特征参数来表征高炉指标：用特征参数来表征各种高炉指标的不同状态类别，构成知识库；5）、启动知识库：以当前的操作参数为触发器，启动知识库中的模式匹配，判断高炉各种现象的实际状态，选取正确的高炉调剂措施；6）、判断并调整知识库：如果规则的命中率低于设定的效果阈值，重复执行步骤1）—步骤5），重新选取高炉调剂措施，直至规则的命中率大于或等于设定的效果阈值。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈令坤，胡正刚，邹祖桥，柏文萍，尹腾，
申请(专利权)人：武汉钢铁集团公司，
类型：发明
国别省市：
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。