[发明专利]一种基于懒惰学习的高炉铁水质量自适应优化控制方法

说明书

本发明提供一种基于懒惰学习的高炉铁水质量自适应优化控制方法，涉及高炉冶炼自动化控制技术领域，该方法包括：采集高炉生产历史输入输出测量数据；对数据进行预处理，并初始化数据库及相关参数；利用懒惰学习方法建立铁水Si含量局部线性预测模型；根据铁水Si含量提前多步的预测值和参考值构造控制性能指标，利用二次规划算法计算最优控制量；将最优控制量发给执行机构，采集新一组数据，数据预处理，更新数据库。本发明提供的方法可以将高炉铁水Si含量稳定在期望值附近，具有跟踪性能好、抗干扰性强的优点，能够有效地提高产品质量、降低生产能耗。

技术领域

本发明涉及高炉冶炼自动化控制技术领域，尤其涉及一种基于懒惰学习的高炉铁水质量自适应优化控制方法。

背景技术

钢铁工业在国家经济发展中具有重要地位，是国家经济水平和综合国力的重要标志。高炉炼铁是钢铁工业中的重要环节，高炉炼铁过程中铁产品的产量巨大，即使是小小的改善也能减少巨额的炼铁成本，因此高炉炼铁的优化控制一直是冶金工程和自动控制领域的重要课题。然而，高炉内部冶炼环境极其恶劣，高温、高压、多相多场耦合、固-液-气多态共存，使高炉内部状态实时监测难以实现，从而难以对高炉进行有效运行控制与优化。目前，被广泛用来间接反映高炉内部状态的指标为铁水质量参数，其中铁水Si含量是衡量高炉内热状态和稳定顺行的主要铁水质量参数，采用该铁水质量参数作为高炉内部状态的评判指标，可以较全面地了解高炉内部的运行状态，为高炉的控制运行提供指导。此外，铁水Si含量高，有利于去除磷、硫等有害元素，但是Si含量过高会使生铁过于硬脆，降低金属获得率，且易引起喷溅。所以要实现高炉炼铁过程的稳定顺行，并且生产出质量合格的铁水，为后续的转炉炼钢提供优质的原材料，有必要对铁水质量关键参数铁水Si含量加以有效的监测和控制。

预测控制方法在处理带有约束的多变量过程方面，具有出色的优化控制能力，因此被广泛应用于高炉炼铁过程。通常，预测控制方法是根据系统的等效预测模型对未来输出进行预测，并通过求解二次优化问题获得当前时刻的控制量，所以预测控制器设计的关键在于其预测模型。

文献“Zeng J S，Gao CH，Su H Y.Data-driven predictive control for blastfurnace ironmaking process.Computers and Chemical Engineering，2010，34(11)：1854-1862”采用子空间辨识方法建立了铁水硅含量的线性输入输出预测模型，并基于所建立的线性预测模型对高炉铁水硅含量进行了预测控制。

公开号为CN106249724A的专利“一种高炉多元铁水质量预测控制方法及系统”，该专利依据高炉冶铁过程生产线上传感器测量的高炉多元铁水相关数据，结合非线性最小二乘支持向量回归理论，建立了高炉多元铁水质量与控制量之间的M-LS-SVR预测模型，并设计了非线性预测控制器，实现对多元铁水质量的有效控制。

上述专利及论文报道的方法以及其他相关文献中的方法都缺乏预测控制器中预测模型参数的在线实时更新能力，其预测模型并不能完全反映出高炉炼铁过程的工况慢时变特性，因此这些预测模型在应用于铁水质量预测控制中时，预测结果可能会偏离真实值，从而导致控制效果较差。此外，在高炉炼铁过程中存在复杂的非线性，导致上述文献所提出的基于线性模型的预测控制方法，无法实现有效控制。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于懒惰学习的高炉铁水质量自适应优化控制方法，该方法有效克服了铁水质量线性预测模型无法准确表达非线性系统动态特性的缺点，并且实现了预测模型参数的在线实时更新，保证高炉炼铁控制系统的稳定运行。

为解决上述技术问题，本发明所采取的技术方案是：

一种基于懒惰学习的高炉铁水质量自适应优化控制方法，包括以下步骤：

步骤1、采集高炉生产中的历史数据，确定被控量和控制量，对数据进行预处理，初始化数据库和相关参数；