專利名稱：基于svm的電弧爐終點溫度預(yù)報系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于鋼鐵企業(yè)煉鋼自動化技術(shù)領(lǐng)域，特別是提供了一種基于SVM的電弧爐終 點溫度預(yù)報系統(tǒng)，它采用將靜態(tài)溫度預(yù)報模型和動態(tài)溫度預(yù)報模型相結(jié)合的方法對鋼 水終點溫度進行預(yù)報，將該模型有助于指導(dǎo)煉鋼生產(chǎn)，提高鋼水終點溫度的命中率， 改善控制效果，縮短冶煉周期，提高煉鋼生產(chǎn)效率，降低煉鋼生產(chǎn)成本。
技術(shù)背景溫度是電弧爐煉鋼過程的重要技術(shù)指標之一，太高則浪費了電能；太低，下一工 位的生產(chǎn)難以得到保證，因此準確的控制鋼水終點溫度對于節(jié)能、降低生產(chǎn)成本和保 證生產(chǎn)的有序進行有著重要的意義。但是電弧爐煉鋼過程是一個非常復(fù)雜的物理化學(xué) 變化過程，影響終點溫度的因素很多，難以用定量的數(shù)學(xué)模型描述，而且電弧爐熔池 溫度高、冶煉條件惡劣，熔池溫度不能直接連續(xù)檢測。因此，采用先進的控制方法， 建立適合電弧爐煉鋼過程要求的終點溫度預(yù)報模型，將對電弧爐終點溫度控制起到重 要作用。到目前為止，各國學(xué)者研究出來的作為煉鋼終點溫度預(yù)報的方法己經(jīng)有很多了， 常見的終點溫度預(yù)報方法有(1)基于機理模型的方法。該方法是通過分析煉鋼過程 的化學(xué)反應(yīng)和傳熱傳質(zhì)過程，列出反應(yīng)方程和物質(zhì)能量平衡方程，從而描述電爐的內(nèi) 在規(guī)律。這種方法的優(yōu)點是物理意義清楚，但是機理模型是從冶金理論出發(fā)，因而這 類模型的開發(fā)相對復(fù)雜，周期較長，同時由于煉鋼過程反應(yīng)過于復(fù)雜，其中有許多不 可測干擾的影響，這類模型都對實際過程進行了一定的假設(shè)或簡化，因此，單純的機 理模型常常難以滿足現(xiàn)場的要求。(2)增量模型預(yù)報方法。電弧爐終點參數(shù)增量模型 預(yù)報方法是以前一爐或前幾爐實際操作結(jié)果作為本爐的參考爐，根據(jù)參考爐與本爐初 始條件及部分操作參數(shù)的差別，預(yù)報冶煉終點溫度和成分。由于增量模型的建模以冶 煉過程的再現(xiàn)性為基礎(chǔ)，有效地避免了建立機理模型的種種假設(shè)，增強了模型的適用 面，并且建模相對簡單、易于維護、具有一定的自學(xué)習(xí)和自適應(yīng)能力，增量模型在鋼 鐵冶煉中得到了廣泛的應(yīng)用。然而在實際應(yīng)用中，增量模型卻顯示出一些不盡滿意之 處:增量模型的參考爐次對模型的預(yù)報精度有較大的影響，參考爐次的選擇直接關(guān)系到 終點預(yù)報的結(jié)果，然而參考爐次的選擇方法大多局限于經(jīng)驗，這就影響了增量模型的 應(yīng)用效果；增量模型中目標增量與參考參數(shù)增量之間假設(shè)為線性關(guān)系，由于電弧爐冶 煉過程具有嚴重的非線性，因此模型精度還未達到非常令人滿意的程度。(3)基于智 能理論的方法。人工智能方法是應(yīng)用較為廣泛的煉鋼終點預(yù)報及終點控制方法，它常 用的方法包含專家系統(tǒng)、模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機等。對于煉鋼這種影響因 素眾多且各因素之間相互影響，存在復(fù)雜的非線性關(guān)系的過程，更適合用神經(jīng)網(wǎng)絡(luò)建 模。當(dāng)煉鋼工況變化大，影響預(yù)報精度時，采用對非線性系統(tǒng)具有很強逼近能力的神 經(jīng)網(wǎng)絡(luò)對煉鋼終點溫度及成分預(yù)報，可提高其預(yù)報精度。但是由于神經(jīng)網(wǎng)絡(luò)存在過學(xué)習(xí)、局部極小點、結(jié)構(gòu)和類型設(shè)計依賴于專家經(jīng)驗等固有缺陷，這在一定程度上限制 了其在終點溫度預(yù)報中的應(yīng)用。支持向量機(SVM)是一種新型機器學(xué)習(xí)算法，成功地 克服了神經(jīng)網(wǎng)絡(luò)的上述缺陷，具有小樣本學(xué)習(xí)、全局最優(yōu)、泛化能力強等特點，逼近 任意非線性系統(tǒng)的能力很強，因此采用支持向量機建立電爐溫度預(yù)報模型。 發(fā)明內(nèi)容本發(fā)明的目的在于提供一種基于SVM的電弧爐終點溫度預(yù)報系統(tǒng)，提高電弧爐冶煉 終點溫度控制命中率，通過采用先進的控制方法實現(xiàn)對鋼水終點溫度的控制，有助于 提高鋼水溫度的控制精度和終點命中率。同時可以指導(dǎo)煉鋼生產(chǎn)，實現(xiàn)更合理的煉鋼 操作，節(jié)約能源，降低成本，保證生產(chǎn)的有序進行，提高煉鋼生產(chǎn)效率。另外，先進 控制方法的應(yīng)用對于提高電弧爐煉鋼過程的自動化控制水平有重要意義。本發(fā)明的系統(tǒng)包括靜態(tài)溫度預(yù)報模型和動態(tài)溫度預(yù)報模型。動態(tài)溫度模型和靜 態(tài)溫度預(yù)報模型的結(jié)構(gòu)及連接方式如圖1所示，靜態(tài)溫度預(yù)報模型由兩個逆模型和一 個正模型構(gòu)成，其中逆模型包括吹氧量逆模型和電耗逆模型，而且逆模型的輸出作為 正模型的輸入；靜態(tài)溫度預(yù)報模型的輸出作為動態(tài)溫度預(yù)報模型的輸入。動態(tài)溫度預(yù) 報模型是為了實時預(yù)報鋼水的溫度。靜態(tài)溫度預(yù)報模型為動態(tài)溫度預(yù)報模型提供起始 點溫度，它是通過對吹氧量和電耗兩個重要的控制變量建立逆模型的方法，來提高靜 態(tài)溫度預(yù)報模型的精度。另外建模所用數(shù)據(jù)均來自現(xiàn)場的實際數(shù)據(jù)。靜態(tài)溫度預(yù)報模型為動態(tài)溫度預(yù)報模型提供起始點溫度?？刂其撍慕K點溫度， 需要動態(tài)溫度預(yù)報模型，動態(tài)溫度預(yù)報模型需要一個起始點溫度。由于鋼水熔清前反 應(yīng)比較復(fù)雜，規(guī)律難以把握，因此考慮從鋼水熔清后開始動態(tài)預(yù)報溫度，起始點溫度 可以在熔清后通過直接檢測鋼水溫度得到。但是電弧爐工作環(huán)境惡劣，電弧爐測溫是手 工操作，多次測量溫度不僅不利于成本的降低,而且效率低，安全性差，而且鋼水的熔 清時刻很難判斷，因此需要建立逆模型來預(yù)報達到熔清點所需的吹煉方案。鑒于以上 考慮，建立了基于SVM逆模型的電弧爐靜態(tài)溫度預(yù)報模型，以給動態(tài)溫度預(yù)報模型間接 提供起始點溫度。靜態(tài)溫度預(yù)報模型由兩個逆模型和一個正模型構(gòu)成。逆模型，包括 吹氧量逆模型和電耗逆模型，是為了預(yù)報達到目標溫度所需的吹煉方案(主要是電耗 量和吹氧量)。其中逆模型的輸出作為正模型的輸入，正模型是為了預(yù)報一定吹煉方案 下的鋼水溫度值。吹氧量逆模型的輸入變量為本次溫度、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、電耗總量、噴碳量、廢氣總量、SLOl、 SL02、 SLIO，最近 一次加料重量、加料測溫電耗、加料測溫氧耗、加料時間間隔、爐壁冷卻水能耗、爐 蓋冷卻水能耗、除塵冷卻水能耗、爐渣堿度。輸出變量為吹氧總量。電耗逆模型的 輸入變量為本次溫度、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、吹 氧總量、噴碳量、廢氣總量、SLOl、 SL02、 SLIO，最近一次加料重量、加料測溫電耗、 加料測溫氧耗、加料時間間隔、爐壁冷卻水能耗、爐蓋冷卻水能耗、除塵冷卻水能耗、 爐渣堿度。輸出變量為電耗總量。正模型的輸入變量為電耗逆模型的輸出、吹氧 量逆模型的輸出、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、吹氧總量、 噴碳量、廢氣總量、SLOl、 SL02、 SLIO，最近一次加料重量、加料測溫電耗、加料測 溫氧耗、加料時間間隔、爐壁冷卻水能耗、爐蓋冷卻水能耗、除塵冷卻水能耗、爐渣堿度。輸出變量為本次溫度。動態(tài)溫度預(yù)報模型在靜態(tài)溫度預(yù)報模型提供了起始點溫度后，從起始點溫度 開始實時預(yù)報溫度，其主要目的是控制鋼水的終點溫度，提高終點溫度的命中率。動 態(tài)溫度預(yù)報模型所用的輸入變量有上次溫度、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、本次電耗、本次吹氧量、本次噴碳量、本次廢氣量、本次SLOl、 本次爐壁冷卻水能耗、本次爐蓋冷卻水能耗、本次除塵冷卻水能耗、爐渣堿度。輸出變量為當(dāng)前時刻的鋼水溫度。動態(tài)溫度預(yù)報模型采用下面的形式其中Ar為相對于7;的溫度變化；/^^2，...，;0為利用支持向量機建立的模型； XpX2,…，x"為輸入變量；7;為靜態(tài)溫度預(yù)報模型計算的溫度值。基于上一時刻的溫度值7;和變化值A(chǔ)r，可計算當(dāng)前時刻的溫度預(yù)報值為 7;+1=7; + Ar 。本發(fā)明的優(yōu)點在于-提出基于SVM逆模型的電弧爐靜態(tài)溫度預(yù)報模型，以給動態(tài)溫度預(yù)報模型間接提供起始點溫度。靜態(tài)溫度預(yù)報模型包括兩個逆模型和一個正模型，在實際應(yīng)用中，根據(jù) 要求的目標溫度，通過逆模型預(yù)報出達到目標溫度所需的吹煉方案，當(dāng)吹煉方案滿足 時，即可根據(jù)正模型預(yù)報出當(dāng)前溫度，將此溫度作為動態(tài)溫度預(yù)報模型的起始溫度， 進行過程溫度的實時預(yù)報。


圖1是靜態(tài)溫度預(yù)報模型和動態(tài)溫度預(yù)報模型的結(jié)構(gòu)及連接方式。圖2為鐵水重量小于62t的情況下靜態(tài)溫度預(yù)報模型測試結(jié)果，實際溫度和預(yù)報溫度的數(shù)據(jù)分布圖3為鐵水重量小于62t的情況下靜態(tài)溫度預(yù)報模型測試結(jié)果，實際溫度和預(yù)報溫度的誤差圖。圖4為鐵水重量大于62t的情況下靜態(tài)溫度預(yù)報模型的測試結(jié)果，實際溫度和預(yù) 報溫度的數(shù)據(jù)分布。圖5為鐵水重量大于62t的情況下靜態(tài)溫度預(yù)報模型的測試結(jié)果，實際溫度和預(yù) 報溫度的誤差圖。圖6為鐵水重量大于62t的情況下動態(tài)溫度預(yù)報模型測試結(jié)果，實際溫度和預(yù)報 溫度的數(shù)據(jù)分布。圖7為鐵水重量大于62t的情況下動態(tài)溫度預(yù)報模型測試結(jié)果，實際溫度和預(yù)報 溫度的誤差圖。圖8為鐵水重量大于62t的情況下動態(tài)溫度預(yù)報模型測試結(jié)果，實際溫度和預(yù)報 溫度的數(shù)據(jù)分布。圖9為鐵水重量大于62t的情況下動態(tài)溫度預(yù)報模型測試結(jié)果，實際溫度和預(yù)報溫度的誤差圖。圖10為鋼水終點溫度預(yù)報模型的應(yīng)用流程圖。
具體實施方式
圖1 圖10為本發(fā)明的一種具體實施方式
。在實際應(yīng)用中，根據(jù)要求的目標溫度，通過逆模型預(yù)報出達到目標溫度所需的吹 煉方案，當(dāng)吹煉方案滿足時，即可根據(jù)正模型預(yù)報出當(dāng)前溫度，將此溫度作為動態(tài)溫 度預(yù)報模型的起始溫度，進行過程溫度的實時預(yù)報，達到控制鋼水終點溫度的目的。圖10為鋼水終點溫度預(yù)報模型的應(yīng)用流程圖。圖1是靜態(tài)溫度預(yù)報模型和動態(tài)溫度預(yù)報模型的結(jié)構(gòu)及連接方式。靜態(tài)溫度預(yù)模型由 電耗逆模型、吹氧量逆模型和正模型組合而成。其中，吹氧量逆模型，以x。為輸出變量，x￡、 x, (f = l， 2…，")為輸入變量，r也為輸入變量，用SVM算法建立模型；電耗逆模型，以^為輸出變量，X。、 & u = i, 2…，n)為輸入變量，r也為輸入變量，用SVM算法建立模型；正模型，以吹氧量逆模型的輸出值x^pre、電耗逆模型的輸出值A(chǔ)，、其他的一些輸入變量;c, (/ = 1， 2，")作為SVM模型的輸入，以目標溫度T為SVM模型的輸出。靜態(tài)溫度預(yù)報模型的輸出作為動態(tài)溫度預(yù)報模型的輸入， 實時的預(yù)報過程溫度。圖2、圖3為鐵水重量小于62t的情況下靜態(tài)溫度預(yù)報模型測試結(jié)果。對于鐵水重 量小于62/的579組數(shù)據(jù)，選取393組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，186組數(shù)據(jù)對模型進行驗證， 結(jié)果如圖2、 3所示，其中，圖2為實際溫度和預(yù)報溫度的數(shù)據(jù)分布，圖3為實際溫度 和預(yù)報溫度的誤差圖。預(yù)測溫度與實際溫度之間的誤差在士10V的命中率為86%， ± 15°C的命中率為92%, ±20°C的命中率為97%。圖4、圖5為鐵水重量大于62t的情況下靜態(tài)溫度預(yù)報模型的測試結(jié)果。對于鐵水 重量大于62/的221組數(shù)據(jù)，選取151組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，70組數(shù)據(jù)對模型進行驗 證，結(jié)果如圖4、圖5所示，其中，圖4為實際溫度和預(yù)報溫度的數(shù)據(jù)分布，圖5為實際溫度和預(yù)報溫度的誤差圖。預(yù)測溫度與實際溫度之間的誤差在土iooc的命中率為67%，在士15Y:的命中率為81%, ±20°<:的命中率為89%。圖6、圖7為鐵水重量大于62t的情況下動態(tài)溫度預(yù)報模型測試結(jié)果。對于鐵水重 量大于62f的215組數(shù)據(jù)，選取150組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，65組數(shù)據(jù)對模型進行驗證， 結(jié)果如圖6、圖7所示，其中，圖6為實際溫度和預(yù)報溫度的數(shù)據(jù)分布，圖7為實際溫 度和預(yù)報溫度的誤差圖。預(yù)測溫度與實際溫度之間的誤差在士12。C的命中率為71%， 在士15。C的命中率為89%， 士20GC的命中率為95%。圖8、 9為鐵水重量大于62t的情況下動態(tài)溫度預(yù)報模型測試結(jié)果。對于鐵水重量 大于62f的215組數(shù)據(jù)，選取150組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，65組數(shù)據(jù)對模型進行驗證， 結(jié)果如圖8、圖9所示，其中，圖8為實際溫度和預(yù)報溫度的數(shù)據(jù)分布，圖9為實際溫 度和預(yù)報溫度的誤差圖。預(yù)測溫度與實際溫度之間的誤差在士12V的命中率為71%， 在土15"C的命中率為89%， ±20°C的命中率為95%。圖IO為鋼水終點溫度預(yù)報模型的應(yīng)用流程圖。
權(quán)利要求
1、一種基于SVM的電弧爐終點溫度預(yù)報系統(tǒng)，其特征在于，該系統(tǒng)包括靜態(tài)溫度預(yù)報模型和動態(tài)溫度預(yù)報模型；靜態(tài)溫度預(yù)報模型由兩個逆模型和一個正模型構(gòu)成，其中逆模型包括吹氧量逆模型和電耗逆模型，而且逆模型的輸出作為正模型的輸入；靜態(tài)溫度預(yù)報模型的輸出作為動態(tài)溫度預(yù)報模型的輸入；動態(tài)溫度預(yù)報模型是為了實時預(yù)報鋼水的溫度，靜態(tài)溫度預(yù)報模型為動態(tài)溫度預(yù)報模型提供起始點溫度，它是通過對吹氧量和電耗兩個重要的控制變量建立逆模型，來提高靜態(tài)溫度預(yù)報模型的精度；另外建模所用數(shù)據(jù)均來自現(xiàn)場的實際數(shù)據(jù)。
2、 按照權(quán)利要求1所述的系統(tǒng)，其特征在于，所述的吹氧量逆模型的輸入變量為 本次溫度、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、電耗總量、噴碳 量、廢氣總量、SLOl、 SL02、 SLIO，最近一次加料重量、加料測溫電耗、加料測溫氧 耗、加料時間間隔、爐壁冷卻水能耗、爐蓋冷卻水能耗、除塵冷卻水能耗、爐渣堿度； 輸出變量為吹氧總量。
3、 按照權(quán)利要求1所述的系統(tǒng)，其特征在于，所述的電耗逆模型的輸入變量為-本次溫度、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、吹氧總量、噴碳 量、廢氣總量、SLOl、 SL02、 SLIO，最近一次加料重量、加料測溫電耗、加料測溫氧 耗、加料時間間隔、爐壁冷卻水能耗、爐蓋冷卻水能耗、除塵冷卻水能耗、爐渣堿度； 輸出變量為電耗總量。
4、 按照權(quán)利要求1所述的系統(tǒng)，其特征在于，所述的正模型的輸入變量為電耗逆模型的輸出、吹氧量逆模型的輸出、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、吹氧總量、噴碳量、廢氣總量、SLOl、 SL02、 SLIO，最近一次加料重量、加料 測溫電耗、加料測溫氧耗、加料時間間隔、爐壁冷卻水能耗、爐蓋冷卻水能耗、除塵 冷卻水能耗、爐渣堿度；輸出變量為本次溫度。
5、 按照權(quán)利要求1所述的系統(tǒng)，其特征在于，所述的動態(tài)溫度預(yù)報模型所用的輸 入變量有上次溫度、鐵水重量，鐵水Si、 Mn、 P、 S含量、SCOl、 SC02、 SC03、本次 電耗、本次吹氧量、本次噴碳量、本次廢氣量、本次SLOl、本次爐壁冷卻水能耗、本 次爐蓋冷卻水能耗、本次除塵冷卻水能耗、爐渣堿度；輸出變量為當(dāng)前時刻的鋼水溫 度；動態(tài)溫度預(yù)報模型采用下面的形式其中Ar為相對于7;的溫度變化； /"^2,...^ )為利用支持向量機建立的模型；、，X2,…，;x:"為輸入變量；t;為靜態(tài)溫度預(yù)報模型計算的溫度值；基于上一時刻的溫度值z;和變化值A(chǔ)r ，可計算當(dāng)前時刻的溫度預(yù)報值為 ;+1 = 7;+Ar 。
全文摘要
一種基于SVM的電弧爐終點溫度預(yù)報系統(tǒng)，屬于鋼鐵企業(yè)煉鋼自動化技術(shù)領(lǐng)域。該系統(tǒng)包括靜態(tài)溫度預(yù)報模型和動態(tài)溫度預(yù)報模型；靜態(tài)溫度預(yù)報模型由兩個逆模型和一個正模型構(gòu)成，其中逆模型包括吹氧量逆模型和電耗逆模型，而且逆模型的輸出作為正模型的輸入；靜態(tài)溫度預(yù)報模型的輸出作為動態(tài)溫度預(yù)報模型的輸入；動態(tài)溫度預(yù)報模型是為了實時預(yù)報鋼水的溫度，靜態(tài)溫度預(yù)報模型為動態(tài)溫度預(yù)報模型提供起始點溫度，它是通過對吹氧量和電耗兩個重要的控制變量建立逆模型，來提高靜態(tài)溫度預(yù)報模型的精度；另外建模所用數(shù)據(jù)均來自現(xiàn)場的實際數(shù)據(jù)。優(yōu)點在于，可根據(jù)正模型預(yù)報出當(dāng)前溫度，將此溫度作為動態(tài)溫度預(yù)報模型的起始溫度，進行過程溫度的實時預(yù)報。
文檔編號F27B3/28GK101403567SQ20081022696
公開日2009年4月8日 申請日期2008年11月21日 優(yōu)先權(quán)日2008年11月21日
發(fā)明者盧春苗, 孫要奪, 顧佳晨 申請人:冶金自動化研究設(shè)計院