基于高斯过程的高炉炼铁过程辨识与预测

摘要

随着世界各国对能源危机、环境保护和全球气候变暖等问题的逐渐重视，节能减排已经成为各国实现可持续发展的必经之路。钢铁工业作为整个国民经济中消耗能源较大的产业，其节能减排潜力较大，尤其是高炉炼铁过程作为钢铁工业最主要的能源消耗工序，更是承担了节能减排的重大任务。本文以国内较典型的莱钢1＃中型高炉和包钢6＃大型高炉在线采集的冶炼过程数据为对象，利用高斯过程模型对高炉炼铁过程进行研究，尤其是对炉温预测、高炉炼铁过程噪声模型以及炉温变化趋势预测等进行了有意义的研究，从而为实现高炉炼铁过程的闭环自动化控制以及节能减排打下扎实的基础，因此具有一定的理论意义和应用价值。
　　 本论文研究的核心问题主要包括3点：第一，提高炉温数值预测的命中率，以满足有效指导工长操作的需求；第二，研究高炉炼铁过程的噪声模型以及对异常值的处理，第三，对高炉炉温变化趋势进行预测，并探索和研究多类炉温变化幅度预测。这3个问题是高炉炼铁过程闭环自动化的难题，因此对其开展研究具有较大的意义。论文的第二章简要介绍了高斯过程的基本知识；论文第三章首先阐述了高炉炼铁过程工艺流程以及高炉炼铁专家系统和数学模型，尤其是数学模型的国内外研究历史和现状；在此基础上，应用第二章介绍的高斯过程模型建立了高炉炼铁过程炉温预测模型，并将其对莱钢和包钢两座高炉的数据进行仿真研究，结果显示，对于数据波动较小的莱钢数据，预测精度较高，能够基本满足实际生产的需要，但是对于波动较大的包钢数据，预测效果一般，因此，需要进一步提高模型的预测精度。
　　 论文的第四章提出了一种新的模型，即子高斯过程模型。本章首先给出子高斯过程的基本概念，并且从理论上证明了当高斯过程选取一类特殊的协方差函数时其等价于子高斯过程。该定理不仅说明子高斯过程与高斯过程之间的联系，更说明子高斯过程模型创造了一种新的协方差函数(核函数)构造方法，因此具有较大的理论意义。在此基础上，应用子高斯过程对莱钢和包钢数据进行仿真研究，仿真结果表明子高斯过程对较平稳和波动较大的数据都能进行较好的辨识与预测，其中莱钢的预测命中率高达85％，而包钢的预测命中率也达到了79%。
　　 由于高炉冶炼过程复杂的环境条件，使得高炉在线采集数据中往往会产生较多的异常值。论文的第五章首先对异常值的产生原因进行了讨论和分类，在此基础上应用鲁棒高斯过程对高炉炼铁过程进行辨识。应用鲁棒高斯过程模型不仅能够有效处理异常值，同时，其可以对高炉炼铁过程的噪声分布进行研究。仿真结果显示，对于莱钢高炉而言，高炉炼铁过程的噪声分布更加接近但不绝对服从学生氏分布，同时对于莱钢数据和包钢数据而言，其噪声都不绝对服从正态分布。此外，莱钢数据的仿真结果也证实了鲁棒高斯过程模型对于潜在的异常值具有更好的稳定性。第五章的第二部分提出了一种新的建模方法，即对基础模型预测的残差序列再建模，并使用高斯过程模型对残差序列建模。为了验证该建模方法的有效性，分别选取高斯过程模型和自回归模型为基础模型，利用莱钢和包钢数据进行仿真研究，仿真结果显示，该建模方法无论是对于较复杂的高斯过程模型还是简单自回归模型都能够改进模型精度和预测结果，因此具有一定的实用性。
　　 由于高炉炉温的变化趋势和炉温数值对于高炉工长具有同样重要的指导意义，因此，论文的第六章重点研究高炉炉温变化趋势和幅度预测。首先，利用高斯过程2分类模型建立了高炉炉温趋势预测模型，对炉温的上升和下降进行预测。并将该预测模型应用于莱钢和包钢数据。仿真结果显示，炉温变化趋势模型对莱钢数据的预测效果一般，能够基本满足生产实践的需要。通过对仿真结果的分析，认为莱钢高炉与包钢高炉由于炉体体积的差异以及原燃料的差异导致了两个高炉炼铁过程的差异，所以包钢的模型预测效果要比莱钢的模型预测效果差。由于预测下一炉的变化幅度将会对高炉工长的操作提供更为有效的指导，因此，本章利用高斯过程多分类模型分别建立了3类炉温变化幅度模型和5类炉温变化幅度模型，并将其应用于莱钢和包钢数据。仿真结果表明上述两类模型无论针对莱钢数据还是包钢数据预测效果都达不到要求。根据仿真结果分析，说明了“边界问题”是导致预测效果不好的主要原因。所谓“边界问题”是指在多分类中类别之间的差别不明显，导致模型在处理离边界较近的点时容易出现错误。论文第七章对全文的研究内容和创新点进行总结，并对后续的研究做了规划。