高炉煤气系统模糊建模方法研究及应用

摘要

高炉煤气(Blast Furnace Gas, BFG)是钢铁生产过程中重要的二次能源。为有效合理调度高炉煤气，需要实时预测煤气柜位变化趋势。高炉煤气系统生产过程复杂，各变量之间存在强非线性动态关系，对其建立精确的数学模型难度较大。鉴于在炼钢过程中积累的大量历史数据，可以采用数据驱动的方法对高炉煤气系统进行建模分析，构建煤气柜与系统产消用户之间的关系模型，从而制定合理的高炉煤气使用计划，对企业节能减排具有重要意义。
　　本研究针对工业现场采集数据含噪声较高，波动较大，变量关系复杂等问题，且考虑到对高炉煤气柜位预测准确稳定的需求，提出一种基于多目标优化的高炉煤气系统模糊建模方法，旨在提高模型精度、降低模型复杂度、增强模型可解释性。该方法在建模过程中同时优化各变量的隶属度函数和模糊规则库，建立最终的模糊模型。针对隶属度函数的确定问题，提出两阶段的隶属度函数确定方法，第一阶段，基于多目标优化的密度聚类算法确定最佳的聚类参数，得到合理的聚类个数和聚类中心；在第二阶段，根据数据分布特征和隶属度函数的特性，设计了隶属度函数公式，并根据聚类结果确定各个隶属度函数的形状和参数。鉴于模型预测时规则库中没有匹配规则的情况，本文将Wang-Mendel(WM)规则提取算法融入训练过程。为验证本文方法的有效性，选取我国某钢铁企业实际生产数据进行实验，并与已有方法进行多组对比实验。实验结果表明本文方法对高炉煤气系统建立的模糊模型在模型精度、模型复杂度和模型可解释性方面具有较好的效果。最后，开发了工业数据建模分析应用平台，并以本文方法为后台算法，应用于高炉煤气系统的平衡控制，对决策调度优化具有重要的参考价值。

目录

声明

1 绪论

1.1 研究背景与意义

1.2 高炉煤气系统建模方法概述

1.3 模糊系统建模研究现状

1.3.1 模糊隶属度函数确定

1.3.2 模糊规则提取

1.4 本文主要工作

2 基于Mamdani模糊推理的高炉煤气系统建模

2.1 高炉煤气系统建模问题描述

2.2 高炉煤气系统模糊建模

2.2.1 确定隶属度函数

2.2.2 建立模糊规则库

2.3 小结

3 基于多目标密度聚类算法的隶属度函数确定方法

3.1 多目标密度聚类算法

3.1.1 快速密度聚类算法

3.1.2 基于多目标优化的快速密度聚类算法

3.2 隶属度函数拟合

3.3 模糊模型求解整体流程

3.4 小结

4 实验分析及系统应用

4.1 高炉煤气系统模糊建模实验

4.1.1 确定隶属度函数

4.1.2 模型对比分析

4.2 高炉煤气系统平衡控制应用

4.2.1 系统架构及功能分析

4.2.2 系统运行实例

4.3 小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢