钢铁冶炼的风炉拱顶温度建模仿真研究

摘要

针对钢铁冶炼对高炉生产节能降耗要求的不断提高,需提高对热风炉的燃烧效率.由于热风炉拱顶温度是热风炉燃烧控制系统是一个大惯性、纯滞后、多元参数分布非线性的系统,要实现高效的热风炉燃烧控制,就需要提前预测拱顶温度值,常规的数学建模较难实现.通过采集某钢厂热风炉的现场燃烧数据,在传统的数据预处理基础上,引入小波滤波对数据进行滤波分析,建立热风炉拱顶温度的BP神经网络模型.仿真结果表明模型准确性好.可以看出与传统的数据预处理所建立的神经网络模型相比,小波分析进行滤波使得滤波后残留噪声较小,同时实现降噪滤波与异常值剔除,所建立的神经网络模型预测更加准确.