[发明专利]一种高炉炼铁的生产过程智能控制方法及系统

说明书

本发明提供了一种高炉炼铁的生产过程智能控制方法及系统，包括获取高炉炼铁过程中的现场数据；将现场数据整合为统一格式；将现场数据分为操作参数和原燃料参数，并基于高炉操作规则的关联分析，优化参数；建立数字模型，模拟高炉冶炼过程，计算生产过程参数；利用关联分析结果，对多数数字模型进行修正，利用数组模型的计算结果调整关联分析；获取统一格式的现场数据、高炉操作规则及模型的计算参数，基于深度学习和遗传算法，对高炉生产过程进行控制。本发明通过仿真模拟实现了高炉的内部状态数据，并进行数字化的定量描述，利用人工智能的手段进行推理和决策，从而实现了对高炉炼铁过程的可靠的智能化控制，为高炉的优化、操作提供参考依据。

技术领域

本发明涉及高炉炼铁技术领域，尤其是一种高炉炼铁的生产过程智能控制方法及系统。

背景技术

高炉炼铁过程十分复杂，存在气(热风、煤气)-固(炉料)-粉(喷吹燃料)-液(渣铁)的多相流动、传质传热以及化学等现象，并伴随着高温高压等危险操作条件，无法利用实验和测量手段对高炉内部状态进行数字化描述和可视化，因此高炉长期以来被作为“黑箱”反应器，严重依赖现场工作人员经验操作。

目前无法对高炉的内部状态进行可靠的、高精度的数字化的定量描述，导致无法实现对高炉炼铁过程的可靠控制。

发明内容

本发明提供了一种高炉炼铁的生产过程智能控制方法及系统，用于解决现有高炉炼铁过程无法实现可靠控制的问题。

为实现上述目的，本发明采用下述技术方案：

本发明第一方面提供了一种高炉炼铁的生产过程智能控制方法，所述方法包括以下步骤：

获取高炉炼铁过程中的现场数据；

将所述现场数据整合为统一格式；

将所述现场数据分为操作参数和原燃料参数，并基于高炉操作规则的关联分析，对参数进行优化；

建立数字模型，模拟高炉冶炼过程，计算生产过程参数；

利用所述关联分析结果，对多数数字模型进行修正，利用数组模型的计算结果调整关联分析；

分别获取统一格式的现场数据、高炉操作规则及模型的计算参数，基于深度学习和遗传算法，对高炉生产过程进行控制。

进一步地，所述现场数据包括高炉铁矿石、焦炭、煤粉成分、尺寸、温度，热风温度、风量、风压，炉顶煤气温度、炉顶煤气利用率、有效利用系数、焦比、煤比。

进一步地，所述现场数据分别通过高炉PLC子系统的生产操作数据、工业传感器子系统的检测数据、LIMES子系统的检化验数据、MES子系统的生产计划数据、DCS子系统的过程控制数据和ERP子系统的成本设备数据中获取。

进一步地，采用K-均值算法和EM算法将现场数据分为操作参数和原燃料参数；

所述操作参数包括热风温度、风量、风压，炉顶煤气温度、炉顶煤气利用率、有效利用系数、焦比和煤比；

原燃料参数包括高炉铁矿石、焦炭、煤粉成分、尺寸和燃料温度。

进一步地，利用HotSpot算法和Apriori算法进行操作规则间的关联分析；

所述操作规则包括第一参数组与第二参数组的数学关联关系，所述第一参数组包括高炉铁矿石、焦炭、煤粉成分、尺寸、燃料温度，热风温度、风量和风压，所述第二参数组包括炉顶煤气温度、炉顶煤气利用率、有效利用系数、焦比和煤比。

进一步地，所述优化的参数包括热风温度、风量、风压，炉顶煤气温度、炉顶煤气利用率、有效利用系数、焦比、煤比。

进一步地，所述建立数字模型，模拟高炉冶炼过程，计算生产过程参数具体包括：