学位论文 > 优秀研究生学位论文题录展示

基于偏最小二乘的高炉铁水硅含量预测研究

作　者: 祁鹏
导　师: 崔桂梅
学　校: 内蒙古科技大学
专　业: 控制理论与控制工程
关键词: 高炉铁水硅含量多重相关性偏最小二乘
分类号: TF325.6
类　型: 硕士论文
年　份: 2010年
下　载: 120次
引　用: 0次
阅　读: 论文下载

内容摘要

高炉生产过程控制是现代钢铁冶金中一个重要的研究课题。由于高炉生产过程的复杂性和参数的多样性,建立比较合适和实用的控制模型是非常困难的。高炉生产过程综合自动化系统研发不仅是控制理论与控制工程学科科技的前沿,同时也是钢铁冶金产业科技进步的前沿课题。高炉冶炼过程是一个极其庞大、复杂的冶炼过程,其运行过程往往具有非线性、时间滞后大、空间变量维数高、影响噪声大、各种状态参数多重相关等特性,这些导致很难建立起精确、有效的高炉炉温硅含量预测模型。偏最小二乘方法(Partial Least Squares简写PLS)是随着社会实际发展和需要而产生的一个有广泛适用性、新型的多元统计回归分析方法。它较好地解决了许多以往用普通多元线性回归难以解决的问题——变量之间的多重相关性。而正是这一点,它非常适合高炉生产的特点,它涵盖了多元线性回归、主成分分析和典型相关分析方法的基本功能为一体,综合运用了这几种数据分析方法实现建立模型的准确度。本文选取包钢6#高炉(2500m3)在线采集的数据,首先对影响炉温的各影响因素与铁水含硅量[Si]进行相关性进分析,证明了各影响因素与铁水含硅量[Si]序列之间存在较强的多重相关性。然后通过它们之间相关系数的计算和时间序列趋势图观测,综合分析了并得出了所选取的高炉生产过程中的各个状态参数和控制参数与高炉铁水含硅量[Si]之间的相关系数及它们的大致滞后时间。本课题将偏最小二乘回归建模方法运用到高炉炼铁过程中铁水硅含量炉温预报,运用主成分分析提取高炉硅含量预报模型输入参数的主成分用于后续建模。本论文主要作了以下几个方面的工作:分析高炉冶炼特点,熟悉高炉冶炼过程并得出运用偏最小二乘回归来建立预测模型的有效性。计算了高炉硅含量和炉温的各影响因素的相关系数,并给出了由主要影响因子作为自变量、铁水硅含量为因变量的预报模型,在此基础上采用直接预报[Si],通过[Si]与炉温的关系直接预报炉温。该模型通过对料速(LS)、风温(FW)、风量(FQ)、风压(FY)、透气性指数(FF)、喷煤(PM)、铁量差、综合指数等因素进行综合考虑,;利用他们作为自变量来建立铁水硅含量预测模型,进而预报炉温。

全文目录

摘要  4-5
ABSTRACT  5-9
1 绪论  9-15
  1.1 高炉冶炼过程硅含量预报模型建立的目的和意义  9-10
  1.2 高炉铁水硅含量预报模型的研究  10-11
  1.3 偏最小二乘法的概述  11-12
    1.3.1 偏最小二乘法的研究背景  11
    1.3.2 偏最小二乘法的定义  11
    1.3.3 偏最小二乘法的特点  11-12
    1.3.4 偏最小二乘法的应用研究综述  12
  1.4 偏最小二乘法在高炉铁水含硅量预报模型研究综述  12-13
  1.5 本文研究的内容和目标  13-14
  1.6 本文的组织结构  14-15
2 高炉过程控制  15-34
  2.1 炼铁工艺流程的主要设备和其功能  15-17
  2.2 高炉炼铁生产的主要技术经济指标  17-18
  2.3 高炉生产过程特点及对高炉过程控制的基本思想  18-21
    2.3.1 高炉生产过程特点  18-19
    2.3.2 高炉过程控制的基本思想  19-20
    2.3.3 对高炉生产操作的要求  20-21
  2.4 高炉冶炼过程的控制复杂性  21-22
  2.5 高炉炼铁生产过程中的控制参数和状态参数  22-29
    2.5.1 料速  23-24
    2.5.2 透气性指数  24
    2.5.3 风量  24-25
    2.5.4 风速  25-26
    2.5.5 风温  26-27
    2.5.6 风压和压差  27
    2.5.7 喷煤  27-28
    2.5.8 富氧  28
    2.5.9 综合负荷  28-29
  2.6 高炉铁水温度与含硅量之间的相关关系  29-30
  2.7 高炉铁水含硅量的控制策略  30-31
  2.8 高炉冶炼过程智能控制数学模型的复杂结构  31-32
  2.9 高炉炉温预测的技术路线和研究方法  32-34
3 多重相关性问题和偏最小二乘算法的基本原理  34-48
  3.1 多重相关性分析  34-38
    3.1.1 多重相关性含义  34-35
    3.1.2 多重相关性形成的基本原因  35
    3.1.3 多重相关性的危害  35-37
    3.1.4 多重相关性的诊断  37-38
  3.2 偏最小二乘回归模型理论与方法  38-48
    3.2.1 主成分分析  38-39
    3.2.2 典型相关分析  39-40
    3.2.3 偏最小二乘回归算法思想  40
    3.2.4 偏最小二乘回归算法的数学原理  40-41
    3.2.5 单因变量PLS 算法的推导  41-45
    3.2.6 交叉有效性分析  45-46
    3.2.7 辅助分析技术——精度分析  46-48
4 基于偏最小二乘算法的高炉硅含量预测模型的建立  48-67
  4.1 多重相关性分析和状态自变量的选择  48-50
  4.2 选取的自变量参数与铁水硅含量时间滞后分析  50-56
    4.2.1 风量与铁水硅含量时间滞后分析  50-51
    4.2.2 风温与铁水硅含量时间滞后分析  51-52
    4.2.3 风压与铁水硅含量时间滞后分析  52-53
    4.2.4 喷煤量与铁水硅含量时间滞后分析  53-54
    4.2.5 透气性与铁水硅含量时间滞后分析  54-55
    4.2.6 综合负荷与铁水硅含量时间滞后分析  55-56
  4.3 用偏最小二乘回归方法建立硅含量回归模型  56-59
  4.4 精度分析  59-62
  4.5 特异点的发现  62-67
结论  67-68
文献参考  68-70
附录A 选取建模数据  70-71
附录B 模型检验数据  71-72
附录C PLS 建模matlab程序(m 文件)  72-76
在学研究成果  76-77
致谢  77

基于偏最小二乘的高炉铁水硅含量预测研究

内容摘要

全文目录

相似论文