联合大数据和神经网络的高炉透气性预报模型_王帅.pdf
《联合大数据和神经网络的高炉透气性预报模型_王帅.pdf》由会员分享,可在线阅读,更多相关《联合大数据和神经网络的高炉透气性预报模型_王帅.pdf(8页珍藏版)》请在咨信网上搜索。
1、 第5 8卷 第7期 2 0 2 3年7月钢 铁I r o na n dS t e e lV o l.5 8,N o.7,p 4 6-5 3 J u l y2 0 2 3 D O I:1 0.1 3 2 2 8/j.b o y u a n.i s s n 0 4 4 9-7 4 9 x.2 0 2 2 0 7 9 0联合大数据和神经网络的高炉透气性预报模型王 帅,李 强(东北大学冶金学院,辽宁 沈阳1 1 0 8 1 9)摘 要:高炉的透气性对炉况的顺行至关重要,尤其是对受透气性约束(焦比大幅降低)的低碳高炉,但相关的研究十分有限。在生产实践中,高炉的透气性往往由后验获得,当高炉生产不稳定或炉
2、况异常时,后验方法使得透气性的提高变难,此外,在低碳高炉的设计阶段是不可能通过后验方法获得其透气性的。因此,需建立先验的透气性指数预测模型以解决上述问题。基于现场收集的大数据,通过P e a r s o n系数和灰色关联度分析(G R A)系数的相关性热力图方法对影响高炉透气性指数的变量集进行分析,明确了4 4个影响高炉透气性指数的特征参数。然后,对这些参数进行了数据清洗和归一化处理,以避免因存在数据值缺失、异常、特征变量间存在数量级差异等而引起的问题,构建了预测透气性指数的数据集。进而基于这些过滤后的大数据,建立并训练了一个用于预测高炉透气性指数的神经网络模型(P I-N e t),该模型由
3、输入层、3层隐藏层和输出层构成。研究结果表明,在测试集上P I-N e t的均方误差为9.61 0-5、均方根误差为9.7 81 0-3、平均绝对误差为7.61 0-3、线性回归决定系数为0.9 7 92,表明了建立的模型具有合理的准确性、鲁棒性和泛化能力。最后,应用P I-N e t评估了几个典型低碳高炉设计方案的透气性指数特性,并探讨了受透气性约束的低碳高炉设计方案可行性。关键词:高炉透气性;大数据;神经网络模型;低碳高炉;预报模型文献标志码:A 文章编号:0 4 4 9-7 4 9 X(2 0 2 3)0 7-0 0 4 6-0 8P r e d i c t i o nm o d e l
4、 o fb l a s t f u r n a c ep e r m e a b i l i t yb yc o m b i n i n gb i gd a t aw i t hn e u r a l n e t w o r kWANGS h u a i,L IQ i a n g(S c h o o l o fM e t a l l u r g y,N o r t h e a s t e r nU n i v e r s i t y,S h e n y a n g1 1 0 8 1 9,L i a o n i n g,C h i n a)A b s t r a c t:B l a s t f
5、u r n a c e(B F)p e r m e a b i l i t y i sv i t a l t os m o o t ho p e r a t i o n,b u t r e l a t e ds t u d i e s a r e l i m i t e d,e s p e c i a l l y f o rB F s t o w a r d l o w-c a r b o no p e r a t i o n s.I n t h eB Fp r o d u c t i o np r a c t i c e,t h ep e r m e a b i l i t y i n d
6、e x(P I)i so f t e no b t a i n e db yap o s t e r i o re s t i m a t e,r e s u l t i n g i nac h a l l e n g et om a k er e a s o n a b l ea d j u s t m e n t sf o rt h eB F ss t a b l ep r o d u c t i o na n dr e-s p o n s e t oa b n o r m a l e v e n t s i nt i m e.I na d d i t i o n,i t i sn o t
7、p o s s i b l e t oe f f e c t i v e l yo b t a i nt h ep e r m e a b i l i t yu n d e r t h ed e-s i g ns t a g eo f l o w-c a r b o nB F s.T h u s,ap r i o r iP Ip r e d i c t i o nm o d e l i se s t a b l i s h e dt oc i r c u m v e n t t h e s ep r o b l e m s.S p e-c i f i c a l l y,c o m b i n
8、 i n gb i gd a t a f r o mt h ep r a c t i c a l p r o c e s s,a l l v a r i a b l e s a f f e c t i n gB FP Iw e r e a n a l y z e db a s e do nb o t ha p-p r o a c h e so fP e a r s o nc o r r e l a t i o na n dh e a tm a po fG R A(G r e yR e l a t i o nA n a l y s i s)c o e f f i c i e n t s,a n
9、d4 4v a r i a b l e sw e r ei d e n t i f i e da s t h ep r i m a r yp a r a m e t e r s f o rp r e d i c t i n gP I.T h e n,b i gd a t a c o n s i s t i n go f t h e s ep a r a m e t e r sw e r e c l e a n e d t oa v o i dt h ep r o b l e m sr a i s e dd u et ot h ee x i s t e n c eo f i n c o m p
10、l e t e,a b n o r m a l,o r d e r-o f-m a g n i t u d ed i f f e r e n c ev a l u e s,a n df u r t h e rw e r en o r m a l i z e d.T h u s,t h er e s u l t a n td a t as e t f o rp r e d i c t i n gt h eP Iw a s f o u n d.F u r t h e r m o r e,an e u r a ln e t-w o r km o d e l f o rP Ip r e d i c t
11、 i o no fB F s(P I-N e t),w h i c hc o n s i s t so f a n i n p u t l a y e r,a3-l a y e rh i d d e n l a y e r a n da no u t-p u t l a y e r,w a se s t a b l i s h e da n dt r a i n e db a s e do nt h o s eb i gd a t a.T h er e s u l t ss h o wt h a t t h em e a ns q u a r ee r r o ro fP I-N e t i
12、s9.61 0-5,t h er o o tm e a ns q u a r ee r r o r i s9.7 81 0-3,t h em e a na b s o l u t ee r r o r i s7.61 0-3,a n dt h e l i n e a r r e g r e s s i o nc o e f f i c i e n t o f d e t e r m i n a t i o n i s0.9 7 92,i n d i c a t i n gt h a t t h ee s t a b l i s h e dm o d e l h a s r e a s o n
13、a b l ea c c u r a c y,r o b u s t n e s sa n dg e n e r a l i z a t i o na b i l i t y.F i n a l l y,P I-N e tw a sa p p l i e dt oe v a l u a t e t h eP Io f s e v e r a l t y p i c a lB Fd e s i g n e dt o w a r d l o wc a r b o no p e r a t i o n sa n de x p l o r e t h e f e a s i b i l i t yo
14、f t h e s ep r o p o s a l sd u e t ob e i n gr e s t r i c t e db yP I.K e yw o r d s:b l a s t f u r n a c ep e r m e a b i l i t y;b i gd a t a;n e u r a l n e t w o r km o d e l;l o w-c a r b o nb l a s t f u r n a c e;p r e d i c t i o nm o d e l基金项目:国家自然科学基金面上资助项目(5 2 0 7 4 0 7 9,5 2 2 7 4 3 2
15、 8);中央高校基本科研业务费交叉融合发展资助项目(N 2 1 2 5 0 1 8)作者简介:王 帅(1 9 9 7),男,硕士生;E-m a i l:2 5 4 9 3 3 3 9 0q q.c o m;收稿日期:2 0 2 2-1 2-2 0通信作者:李 强(1 9 7 8),男,博士,副教授;E-m a i l:l i q s mm.n e u.e d u.c n第7期王 帅,等:联合大数据和神经网络的高炉透气性预报模型 炼铁高炉是一个涉及许多传输现象和化学反应的多相高温反应器,而且它被公认为是化学和冶金领域最复杂的反应器之一1-5。高炉的块状带本质上是由焦炭颗粒与矿石颗粒交替填充构成的
16、移动床,它的透气性主宰着煤气流分布、压降、传热及还原反应的进行6-7,进而影响着高炉生产效率、炉况稳定性和可行性。特别是在低碳高炉操作时,由于作为料柱骨架的焦炭减少,焦比大幅降低,料柱内的透气性会急剧恶化8-1 2。考虑到透气性对高炉生产的重要影响,准确有效地预测透气性不仅对当前用于生产的传统高炉有提高效率、避免炉况波动的现实意义,更重要的是可以为低碳高炉的设计与实现,尤其是在受料柱透气性约束方面提供基础依据。在高炉生产中,透气性指数一般通过入炉冷风流量与热风入口压力和炉顶压力之差的商计算得到,因此在实际生产过程中,透气性指数往往后验获得。若能基于生产数据先验预报,对高炉稳定生产和对异常的炉况
17、及时做出相应调整,将起到非常关键的作用1 3-1 5。此外,针对低碳高炉焦比大幅降低的要求,其透气性必然需要额外关注,但在设计阶段无法有效获得设计低碳高炉工艺条件下的透气性指数情况及规律,从而不能推断在此条件约束下其设计参数的可行性。因此,若能有方法对设计的低碳高炉进行透气性指数和相关关键参数关联,从而进行预报,对高炉面向低碳操作工艺的跃升将具有重要价值1 6-1 7。神经网络模型,尤其是近年发展起来的深度神经网络模型对解决复杂高维的函数和探究隐式规律有着很大的优势,虽在冶金领域的研究和应用极为有限,但也表现出广阔的应用前景1 8-2 9。如崔桂梅等2 5通过改进T a k a g i-S u
18、 g e n o模糊回归神经网络,建立了高炉铁水温度的预测模型,其研究表明该模型有较好的预测性能。Z HOUP等2 6通过借助主成分分析(P C A),提出了一种基于改进极限学习机(E LM)模型,用于铁水硅含量的预测,研究表明,该模型有更好的模型精度、更快的学习速度。WANGYT等2 7提出了一种煤粉喷射(P C I)堵塞和焦炭粒度分布的智能检测方法,结果表明,该方法能够检测P C I堵塞和焦炭粒径分布。然而,基于深度学习或机器学习在高炉透气性方面的研究极其有限,还处于起步探索阶段。因此,本文首先对影响高炉透气性的关键性参数进行分析。其次,将分析所得的参数进行数据处治、清洗和归一化处理以满足
19、神经网络的需要。然后,通过这些特征参数,实现了透气性指数的预测,并使用评估参数对模型的准确性进行了校核。最后,对典型低碳高炉的透气性进行了分析研究。1 数据准备1.1 数据收集本研究选取了5 6个影响高炉生产的关键性参数(关键性参数指对高炉的正常运行会产生影响的参数),选择这些参数的主要原因是基于与操作工人、炼铁专家交流,并基于大量文献调研3 0-3 2基础上选取。此外也考虑了现场数据的可采集和可获得性。但需阐明,这些变量的选择具有一定主观性且有进一步提高空间。在选取的5 6个参数中透气性指数为预测的目标值,其余的参数为特征变量。选取的5 6个参数见表1。表1 选取5 6个影响高炉生产的关键参
20、数T a b l e1 C h o o s i n g5 6m a i nv a r i a b l e sw h i c ha f f e c tp r o d u c t i o np r o c e s so fb l a s t f u r n a c e序号输入变量序号输入变量序号输入变量1风机风量2 0理论燃烧温度3 9S Z D 32炉腹煤气量2 1火焰温度4 0S Z D 43高炉风量2 2炉顶温度14 1S Z D 54热风压力2 3炉顶温度24 2S Z D 65风温2 4炉顶温度34 3S Z D 76顶压2 5炉顶温度44 4S Z 87压差2 6炉喉温度14 5S Z
21、 X 78抗阻指数2 7炉喉温度24 6S Z X 49透气性指数2 8炉喉温度34 7S Z X 31 0实际风速2 9炉喉温度44 8S Z X 21 1鼓风动能3 0炉喉温度54 9S Z X 11 2喷煤量3 1炉喉温度65 0软水流量1 3富氧量3 2W值5 1压力1 4综合负荷3 3Z值5 2T进1 5燃料比3 4C O2体积分数5 3T出1 6大气温度3 5C O体积分数5 4水温差1 7湿度3 6H2体积分数5 5高压水流量1 8C C T3 7C O利用率5 6高压水压力1 9料线3 8S Z D 1 注:C C T为十字中心测温温度;W值为中心气流温度和净煤气管道温度的比值
22、;Z值为边缘四点气流温度的平均值和净煤气管道温度的比值;S Z D 1、S Z D 3、S Z D 4、S Z D 5、S Z D 6、S Z D 7分别为十字测温东部1、3、4、5、6、7号位置的温度;S Z 8为十字测温的中心温度;S Z X 1、S Z X 2、S Z X 3、S Z X 4、S Z X 7分别为十字测温西部1、2、3、4、7号位置的温度;T进、T出分别为高炉水管的进水温度和出水温度。对 现 场 采 集 的 数 据 分 析 发 现,S Z 8、S Z D 3、S Z D 4、S Z D 6、S Z D 7、S Z X 7、S Z X 4、S Z X 3、S Z X 2和S
23、 Z X 1可能存在许多不合理的值,必须结合相应的方法对其进行清洗剔除。本研究使用箱线图法对异常数据进行了初步处理。箱线图可以展示一组数据74钢 铁第5 8卷的一些关键特征,包括最大值、最小值、中位数以及上下2个4分位数,箱子的高度在一定程度上反映了数据的波动程度,箱子外部会有一些点,可以理解为数据中的异常值。针对典型的数据,图1中所示为一个箱线图处理顶压(D Y)异常数据的实例。在顶压箱线图中,黑色长方体为顶压的正常值范围,箱体两端的误差棒为1.5倍误差范围内的顶压数值,虚线为顶压的平均值,实线为顶压的中位数,空心圆点为顶压的异常值。从图1中不难看出,顶压的数据中存在许多异常值,在创建大数据
24、集时这些异常数据将被剔除。图1 顶压数据分布的箱线F i g.1 B o x-p l o t o f t o pp r e s s u r ed a t ad i s t r i b u t i o n同理,使用箱线图法对上述表中变量分别进行了识别,发现收集数据中的异常值并删除。经过上述方法进行数据处理后,将初始选择的5 6个变量的异常数据进行了初步的清洗和剔除,形成构建透气性指数的初步数据集。1.2 数据处理由于高炉每个参数之间存在着十分复杂的关联,为了全面地了解各个参数之间隐藏的关系,本研究通过P e a r s o n相关系数3 3对透气性指数数据集进行相关性分析,其结果如图2所示。P
25、e a r s o n相关系数的计算公式为rX Y=C o v(X,Y)ni=1(Xi-X)2n-1ni=1(Yi-Y)2n-1(1)式中:rX Y为样本特征变量X和Y的P e a r s o n相关系数;X、Y分别为样本特征变量X和Y的均值;C o v(X,Y)为样本特征变量的协方差;Yi为用于参考的特征参数数列;Xi为用于比较的特征参数数列;n为某个特征参数的数据数量;i为此特征参数的循环变量。本研究中P e a r s o n相关系数的数值越接近1,2个所选高炉参数之间的相关性越强。在图2中,有一部分相关性系数大于0.5,也有一部分相关性系数小于0.5。这是因为P e a r s o n
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 联合 数据 神经网络 高炉 透气性 预报 模型 王帅
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。