高炉料面温度场边缘温度的智能提取方法

摘要

高炉料面温度场边缘温度的智能提取方法，本发明针对大型高炉料面温度场中边缘温度特征信息难以准确提取的问题，旨在反映高炉料面温度场的边缘温度信息，从而预测边缘煤气流的发展情况，并通过指导布料和送风制度来保证高炉生产的稳顺运行，实现高炉的长寿高效。该方法利用炉墙热电偶、十字测温边缘、料线深度等多源检测信息，采用热传导理论与智能化信息融合方法相结合，计算得到高炉料面温度场的边缘温度大小及分布情况。本发明为了解高炉料面温度场的边缘温度分布提供了可靠依据，进而在高炉冶炼过程中，为判断边缘煤气流分布形态提供了客观、量化的参考信息。

说明书

技术领域

本发明涉及钢铁冶金生产的过程监测与控制技术领域，特别是提供了一种大型高炉料面温度场边缘温度的智能提取方法。

背景技术

钢铁作为我国国民经济和国防军工发展的重要基础原料和战略物资，已广泛应用于机械、电子、建材、交通、航天、航空、国防军工等各个行业，在国民经济发展中具有十分重要的地位。

高炉是钢铁生产的关键设备，高炉生产要求边缘煤气流有一定的强度，从而减少炉料与炉墙之间的摩擦，防止炉墙结瘤等异常炉况的发生，但是目前，对高炉炉内边缘热状态的判断缺乏有效的检测设备和方法。高炉内部环境复杂，许多状态难以直接检测，采用红外图像不能反映整个料面的温度情况，而十字测温设备靠近炉墙的热电偶及炉墙热电偶只能离散地、片面地反映边缘温度，而高炉料面温度场边缘温度分布情况，直接影响高炉内块状区的热能分布、化学反应、煤气流分布以及炉内压力。因此，实时了解高炉料面温度场边缘温度的变化，对于预测高炉煤气流的发展状况、优化高炉操作、保证高炉稳顺运行十分关键。

发明内容

为了有效解决大型高炉生产过程中，料面温度场边缘温度信息难于准确获取的问题，本发明提供了一种采用神经网络、模糊推理、专家规则和热传导理论相结合的方法，融合十字测温边缘温度、料线深度、炉墙热电偶等多源检测信息，实现对高炉料面温度场边缘温度的软测量。该方法能够有效地提取高炉料面温度场的边缘温度信息，较准确地反映高炉料面温度场的边缘煤气流的分布情况。

本发明解决上述技术问题的技术方案包括以下步骤：

(1)基于十字测温的边缘温度计算

本发明采用BP神经网络，融合十字测温边缘温度信息与料线深度信息，获得边缘温度的估计值t₁，采用填表的形式进行基于专家知识的BP神经网络有师学习训练。

(2)基于热传导原理的边缘温度计算

根据炉墙的结构、材料特性以及炉墙热电偶的实际检测值，采用热传导计算方法，计算得到边缘温度估计值t₂。

(3)基于模糊推理和专家规则的料面温度场边缘温度提取

当边缘温度估计值t₁∈[80，300]，t₂∈[60，250](单位为℃)时，本发明采用模糊推理的方法，根据十字测温边缘得到的边缘温度估计值t₁与炉墙热电偶得到的边缘温度估计值t₂，来判断料面温度场的边缘温度T_f；当边缘温度估计值$t_1\notin \left[\mathrm{80,300}\right]$或者$t_2\notin \left[\mathrm{60,250}\right]$(单位为℃)时，需要采用专家知识和经验重新计算料面温度场的边缘温度T_f。

(4)基于专家规则的边缘温度分布的特征信息提取

根据边缘温度T_f与边缘煤气流的流量之间的关系，利用专家经验得到边缘温度分布区域W的大小。然后，结合边缘温度值T_f的高低和边缘温度分布区域W的大小获取料面温度场边缘温度分布的特征信息。

本发明对高炉内多源检测信息进行融合处理，从而准确、有效地提取高炉料面温度场的边缘温度信息，对于判断炉内煤气流的分布情况和保证高炉的稳顺生产具有重要的意义。

附图说明

图1本发明的高炉料面温度场边缘温度智能提取流程图。

图2本发明的BP神经网络结构图；

图3本发明的高炉炉墙结构图；

图4本发明的T₁的隶属函数；

图5  本发明的T₂的隶属函数；

图6本发明的T的隶属函数；

图7本发明的高炉料面温度场边缘温度分布的特征信息示意图；

图8本发明的伪彩颜色示意图。

具体实施方式

实施例1

针对大于2000m³的大型高炉，本发明利用炉墙热电偶的温度信息，结合热传导理论计算炉壁内侧的煤气温度，采用神经网络、模糊推理和专家规则等融合方法，融合十字测温边缘温度和料线深度等多源检测信息，实现对高炉料面温度场边缘温度的软测量。

(1)基于十字测温的边缘温度计算

由于从十字测温热电偶获得的温度信息经过相应变换后获得的数字信号，包含从各种噪声源引入的噪声成分，所以首先要对采集的数据进行数字信号预处理，主要是指数据的平滑滤波处理，即在滤波周期内，对剔除最大值和最小值后的采样数据进行均值计算。

与炉墙热电偶相比，十字测温的边缘热电偶能够直接地检测到炉内的温度信息，然而十字测温边缘与炉墙边缘存在一定距离，所检测的信息只是在一定程度上反映边缘温度，不能得到真实的边缘温度值。本发明采用BP神经网络，融合十字测温边缘温度与料线深度信息，获得边缘温度估计值t₁。BP神经网络采用基于专家规则的有师学习训练方式，邀请具有多年操作经验的高炉操作人员和高炉专家，采用填表的形式获得各种情况下边缘温度的估计值t₁，并把它作为BP神经网络的期望输出值。

该神经网络采用基本的三层结构，如图2所示。该神经网络模型的输入层有5个神经元，输出层有1个神经元。根据经验公式和试验结果，隐层取10个神经元。本发明中BP神经网络的隐层选择sigmoid函数作为转移函数。输出层函数采用y＝x，则该网络的输入和输出关系描述如下：

$t_1=\underset{m=1}{\overset{10}{\Sigma }}{w}_m^O\tan \mathrm{sig}(\underset{i=1}{\overset{5}{\Sigma }}{w}_{i,m}^H{x}_i+b_m^H)+b^O$

其中x_i(i＝1，2，…，5)分别表示十字测温边缘温度1，2，3，4与料线深度，w_i，m^H为输入的第i个值对应的神经元到中间层的第m个神经元的权值，b_m^H是中间层第m个神经元的阀值，b^o是输出层神经元的阀值，w_m^o是中间层的第m个神经元到输出层神经元的权值，t₁，t₀分别表示该神经网络的实际输出值和期望输出值，tansig(·)表示sigmoid函数。

(2)基于热传导原理的边缘温度计算

高炉炉墙是高炉的主体结构，既要承受炉内原料和燃料对炉壁的压力冲击，又要隔热，耐高温。它从内到外由多种材料组成，如图3所示，分别是耐火砖层1，冷却壁层2，冷却水管壁3，填充层4和炉壳5。

对于大型高炉热量传递方式均属于多层平板的稳定导热。它相当于一维平板稳定导热问题的串联叠加。因此，根据炉墙的结构及材料特性，采用热传导计算方法，通过炉墙热电偶检测值，计算得到边缘温度估计值t₂。

设耐火砖的导热系数为λ₂，厚度为l₂；冷却壁的导热系数为λ₁，厚度为l₁；T_B表示耐火砖层1和冷却壁层2的交界处的温度值，通过炉墙热电偶直接测得；T_C表示冷却水管壁3处的温度，室温取25℃；T_Ai为由第i个炉墙热电偶根据热传导理论计算得到的炉墙边缘温度值。我们的目的是通过T_B和T_C推导出T_Ai的值。根据一维平板稳定导热原理，

${\Phi }_1=\frac{T_C-T_B}{\frac{l_1}{A{\lambda }_1}}$

${\Phi }_2=\frac{T_B-T_A}{\frac{l_2}{A{\lambda }_2}}$

式中Φ₁，Φ₂分别表示图3中的C点与B点，B点与A点之间的热流量，A表示面积。

假设导热稳定，则Φ₁＝Φ₂，可以得到T_A的温度为

$T_{\mathrm{Ai}}=\frac{l_2{\lambda }_1}{l_1{\lambda }_2}(T_C-T_B)---\left(1\right)$

在高炉炉墙的不同位置总共安装了4个热电偶，需要对由这4个热电偶按照式(1)分别推导得到的边缘温度值T_A1，T_A2，T_A3和T_A4，进行均值计算得到炉墙的边缘温度估计值t₂

$t_2=\frac{1}{4}\underset{i=1}{\overset{4}{\Sigma }}{T}_{\mathrm{Ai}}$

由于t₂是在未考虑炉墙结厚等异常炉况时计算出来的，且炉身处的炉墙结构与炉喉料面处的炉墙结构存在着较小差别，所以t₂的准确度相对t₁来说要低一些。

(3)基于模糊推理和专家知识的料面温度场边缘温度提取

当边缘温度估计值t₁∈[80，300]，t₂∈[60，250](单位为℃)时，本发明采用模糊推理的方法，根据十字测温边缘得到的边缘温度估计值t₁与炉墙热电偶得到的边缘温度估计值t₂，来判断料面温度场的边缘温度T_f。但是由于热电偶损坏或者其它众多干扰因素，而导致边缘温度估计值$t_1\notin \left[\mathrm{80,300}\right]$或者$t_2\notin \left[\mathrm{60,250}\right]$(单位为℃)，此时需要采用专家知识和经验重新计算料面温度场的边缘温度T_f。

a)基于模糊推理的边缘温度提取

1)设计模糊融合规则

模糊融合规则的设计是设计模糊融合器的关键，包括三部分的设计内容：

①确定模糊变量集合

由于当选择较多的词汇描述输入、输出变量时，可以使融合规则的制定更方便，但是融合规则相应变得复杂；而当选择词汇过少，会使得变量的描述变得粗糙，导致融合器的性能变坏。故T₁的模糊变量的词集选择为7个：{NB，NM，NS，ZO，PS，PM，PB}，论域为：{-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8}；T₂的模糊变量的词集选择为5个：{NB，NS，ZO，PS，PB}，论域为：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；T的模糊变量的词集选择为7个：{NB，NM，NS，ZO，PS，PM，PB}，论域为：{-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8}，其中T₁和T₂分别为温度值t₁和t₂在模糊论域上的量化值。

②定义隶属函数

由于在该模糊融合器的隶属度函数设计上，融合的精度要求比较高，故T₁、T₂和T均采用通常的三角隶属度函数，分别如图4、图5和图6所示。

③建立模糊融合规则

考虑到根据十字测温边缘得到的边缘温度估计值T₁，根据炉墙热电偶得到的边缘温度估计值T₂都与料面温度场的边缘温度T成正比关系，并且温度估计值T₁比T₂更接近T的实际值等特点。本发明采用的模糊推理规则表，如表1所示。

2)确定模糊融合器参数

模糊融合的各项参数如下所示：

十字测温估计的边缘温度范围为[80，300](单位为℃)，温度t₁到其论域T₁[-8，+8]的映射式为：

$T_1=\frac{16}{220}\times (t_1-\frac{80+300}{2})---\left(2\right)$

热传导计算得到的边缘温度范围为[60，250](单位为℃)，温度t₂到其论域T₂[-6，+6]的映射式为：

$T_2=\frac{12}{190}\times (t_2-\frac{60+250}{2})---\left(3\right)$

表1模糊规则表

3)模糊推理与解模糊

在模糊融合中，对建立的模糊规则要经过模糊推理才能决策出融合变量，本发明采用了Mamdani推理法，其实质就是加权平均法。解模糊是将由语言表达的模糊量转换到精确数值，它常用的方法有重心法、最大高度法、最大平均值法、高度法等。本发明采用比较常用的面积重心法。面积重心法的计算式为：

$T=\frac{\underset{i=1}{\overset{7}{\Sigma }}\mu \left(T_i\right)·T_i}{\underset{i=1}{\overset{7}{\Sigma }}\mu \left(T_i\right)}$

式中，T_i为融合量论域中的第i(i＝1，2，...，7)个元素，即分别为NB，NM，NS，ZO，PS，PM，PB，μ(T_i)为T_i对应的隶属度，如图5所示，T为解模糊后算出的精确边缘温度值。然后再将T[-8，+8]按照式(4)所示的对应关系转化为实际的料面温度的边缘温度值T_f，它的范围为[60，300]，单位为℃。

$T_f=\frac{300-60}{16}T+\frac{60+300}{2}---\left(4\right)$

由于热电偶损坏或者其它众多干扰因素，而导致边缘温度估计值$t_1\notin \left[\mathrm{80,300}\right]$或者$t_2\notin \left[\mathrm{60,250}\right]$(单位为℃)，此时放弃由温度t₁和t₂通过模糊推理得到的结果T_f，而需要采用专家知识和经验重新计算料面温度场的边缘温度T_f。

b)基于专家规则的边缘温度提取

本发明采用T_f＝αt₁+βt₂，其中α+β＝1，且0≤α≤1，0≤β≤1，来融合料面温度场边缘温度t₁和t₂来获得准确的料面温度场的边缘温度T_f。采用启发式语言，如IF...THEN...的形式，制定了如下的一些专家规则判断边缘温度：

IF  t₁≥300                      THEN t₁＝300，且α＝1，β＝0

IF  t₂≤60                       THEN t₂＝60，且α＝0，β＝1

IF  t₁≤60      AND 60≤t₂≤250  THEN T_f＝t₂，即α＝0，β＝1

IF  60≤t₁≤80  AND 60≤t₂≤250  THEN α＝0.025t₁-1.5

IF  80≤t₁≤300 AND 250≤t₂≤300 THEN β＝-0.01t₂+3

IF  80≤t₁≤300 AND t₂≥300      THEN T_f＝t₁，即α＝1，β＝0

(4)基于专家规则的边缘温度分布的特征信息提取

边缘温度T_f能够反映料面温度场边缘温度分布，进而反映边缘煤气流的流量大小，即边缘温度T_f越高的地方，边缘煤气流的流量越大，边缘温度分布区域W也就越大，因此，本发明制定如下几条专家规则判断边缘温度分布区域：

IF 60≤T_f＜100  THEN W很小

IF 100≤T_f＜150 THEN W小

IF 150≤T_f＜200 THEN W中

IF 200≤T_f＜250 THEN W大

IF 250≤T_f＜300 THEN W很大

最后，结合料面温度场的边缘温度值T_f的高低和边缘温度分布区域W的大小获取料面温度场边缘温度分布的特征信息，如图7所示。其中颜色的深浅程度表示温度值T_f的高低程度，且颜色越深表明温度越高，圆环的大小表示边缘温度分布区域W的大小。

伪彩图通过不同的色彩反映高炉料面温度值，直观地提供料面温度场边缘温度的特征信息，有利于高炉操作人员观察分析。本发明选取的一组默认伪彩颜色表，如图8所示。同时，操作人员可以根据需求修改位图的调色板设置，获得满意的伪彩效果。