CN103993113B - 一种高炉出渣量在线检测方法 - Google Patents

Abstract

本发明提供一种高炉出渣量在线检测方法，建立高炉出渣量的模糊推理模型；结合(I_ti–I_t0)的大小对高炉出渣量的影响特性设定关于(I_ti–I_t0)的模糊隶属函数；I_ti为第i时刻的转筒电流；I_t0为转筒空载电流和冲渣水消耗电流之和；利用高炉出渣量的模糊推理模型与模糊隶属函数，建立高炉出渣量计算模型；使用高炉出渣量计算模型进行高炉出渣量的在线检测。本发明使用模糊建模方法建立起了工况变化情况下水渣量、转筒空载电流、冲渣水消耗电流之间的非线性动态关系，获得了高炉出渣量的模糊推理模型，可适应高炉炼铁生产复杂工况调节下的高精度高炉出渣量在线检测要求，为保证高炉平稳顺行提供可靠的判定依据。

Description

一种高炉出渣量在线检测方法

技术领域

本发明属于高炉炼铁领域，尤其涉及一种高炉出渣量在线检测方法。

背景技术

冶金行业中，高炉炼铁工艺过程占钢铁企业总能耗的70％，是钢铁企业的耗能大户且能源利用效率低，因此其节能减排的潜力巨大。众所周知，高炉的平稳顺行是高炉炼铁生产过程中的关键环节。在冶炼过程中如果能够及时掌握高炉炼铁产生的出渣量情况、及时了解高炉出铁的均衡性，对于改善高炉透气性和保证高炉平稳顺行生产具有重要意义。另外，对高炉出渣量的准确检测既有利于高炉炉况的准确判定，也有利于安全出铁和高炉出铁口的维护。目前高炉出渣量检测方法通常有四种：一是在水渣运输皮带上安装皮带秤，这种计量方法对仪器安装环境有较高的要求，并且维护量较大造成成本高；二是通过运输罐车计量，但是这种方式存在严重的滞后不能及时反映高炉出铁出渣的实时状况；三是依靠有经验的高炉炉长目测，这种人工判定方法的随机性误差较大，不利于高炉生产的精细化、智能化和规范化操作；四是利用高炉轮法水渣处理系统变频控制的脱水转筒的电流变化来间接测量高炉出渣量，由于出渣量与脱水转筒的电流之间并不是线性关系，所以该种方法在工况变化剧烈情况下并不能有效检测高炉出渣量。

另一方面，模糊建模技术在最近十几年里得到了快速发展，通过模糊建模技术可以有效解决很多复杂的非线性控制和信号测量问题。从技术角度上讲，将模糊建模技术应用到高炉出渣量的在线检测中，提高出渣量检测的精度，改善高炉透气性和保证高炉平稳顺行生产，是一个的富有前景和应用价值的研究方向。可以为高精度的高炉出渣量在线检测技术提供技术支持和理论依据。

综上所述，研发适应高炉炼铁生产复杂工况调节下的高精度高炉出渣量在线检测方法，为保证高炉平稳顺行提供可靠的判定依据，从而生产出高质量的铁水产品，是进一步提高当前高炉炼铁生产自动化水平的一个亟待解决关键技术问题。

发明内容

本发明要解决的技术问题是：提供一种高炉出渣量在线检测方法，该方法可以适应高炉炼铁生产复杂工况调节下的高精度高炉出渣量在线检测，为保证高炉平稳顺行提供可靠的判定依据，从而生产出高质量的铁水产品，提高当前高炉炼铁生产自动化水平。

本发明为解决上述技术问题所采取的技术方案为：一种高炉出渣量在线检测方法，其特征在于：它包括以下步骤：

1)建立高炉出渣量的模糊推理模型：

IF(I_ti–I_t0)is S,THEN Q_si＝k₁×(I_ti–I_t0)；

IF(I_ti–I_t0)is M,THEN Q_si＝k₂×(I_ti–I_t0)；

IF(I_ti–I_t0)is B,THEN Q_si＝k₃×(I_ti–I_t0)；

其中，I_ti为第i时刻的转筒电流；I_t0为转筒空载电流和冲渣水消耗电流之和；S、M、B分别为描述(I_ti–I_t0)为小、中、大的模糊数；Q_si为第i时刻的水渣量；k_j为在第j条模糊规则下的转换系数，j＝1,2,3；k_j的初始值通过工艺人员由人工操作经验知识中获得；

2)结合(I_ti–I_t0)的大小对高炉出渣量的影响特性设定关于(I_ti–I_t0)的如下模糊隶属函数：

(I_ti–I_t0)关于S的模糊隶属函数f_S(I_ti–I_t0)：

$f_S(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}1,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_1\\ \frac{1}{{\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_2}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_2}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1},\mathrm{if}{\mathrm{\&alpha;}}_1<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_2\\ 0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_2\end{array}\right.,$

(I_ti–I_t0)关于M的模糊隶属函数f_M(I_ti–I_t0)：

$f_M(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_1\\ \frac{1}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_1}{{\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_2},\mathrm{if}{\mathrm{\&alpha;}}_1<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_2\\ \frac{1}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_3}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_3}{{\mathrm{\&alpha;}}_3-{\mathrm{\&alpha;}}_2},\mathrm{if}{\mathrm{\&alpha;}}_2\&le;(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_3\\ 0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_3\end{array}\right.,$

(I_ti–I_t0)关于B的模糊隶属函数f_B(I_ti–I_t0)：

$f_B(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_2\\ \frac{1}{{\mathrm{\&alpha;}}_3-{\mathrm{\&alpha;}}_2}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_2}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_3},\mathrm{if}{\mathrm{\&alpha;}}_2<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_3\\ 1,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_3\end{array}\right.;$

这里，α₁为(I_ti–I_t0)为小的阈值，α₂为(I_ti–I_t0)为中的阈值，α₃为(I_ti–I_t0)为大的阈值；在高炉出渣量的模糊推理模型中认为(I_ti–I_t0)小于α₁时为S，(I_ti–I_t0)等于α₂时为M，(I_ti–I_t0)大于α₃时为B；

3)利用步骤1)的高炉出渣量的模糊推理模型与步骤2)的模糊隶属函数，建立如下高炉出渣量计算模型：

$Q_{\mathrm{si}}=\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}{h}_j\&times;k_j\&times;(I_{\mathrm{ti}}-I_{t0}),$

其中，h_j为在第j条模糊规则下的模糊隶属度值，且有：h₁＝f_S(I_ti-I_t0)，h₂＝f_M(I_ti-I_t0)，h₃＝f_B(I_ti-I_t0)；

4)使用所述高炉出渣量计算模型进行高炉出渣量的在线检测，实时高炉总出渣量的计算公式为：

$Q_{\mathrm{total}}=\underset{k=1}{\overset{i}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{si}}\&times;\mathrm{\&Delta;T},$

其中，Q_total为第i时刻的实时高炉总出渣量，ΔT为采样间隔。

本发明的有益效果为：使用模糊建模方法建立起了工况变化情况下水渣量、转筒空载电流、冲渣水消耗电流之间的非线性动态关系，获得了高炉出渣量的模糊推理模型，彻底解决在多种工况变化情况下并有效检测高炉出渣量的技术问题,可以适应高炉炼铁生产复杂工况调节下的高精度高炉出渣量在线检测要求，为保证高炉平稳顺行提供可靠的判定依据，从而生产出高质量的铁水产品，提高当前高炉炼铁生产自动化水平。

附图说明

图1为本发明一实施例的流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步说明，但不限定本发明。

基于本发明的一种高炉出渣量在线检测方法已在某高炉上进行试验。高炉炼铁生产工序和设备繁多，渣处理系统属于其外围辅助设备，高炉L1和L2两级通讯将水渣脱水转筒变频器的电流信号传送至高炉过程计算机系统进行后续计算和显示，为高炉炉长保证高炉平稳顺行的操作提供可靠的判定依据。

图1给出了本发明方法的高炉出渣量在线检测流程图。基于图1，本实施例进行失效测量通道的板形信号补偿的具体计算流程为：

1)建立高炉出渣量的模糊推理模型：

IF(I_ti–I_t0)is S,THEN Q_si＝k₁×(I_ti–I_t0)；

IF(I_ti–I_t0)is M,THEN Q_si＝k₂×(I_ti–I_t0)；

IF(I_ti–I_t0)is B,THEN Q_si＝k₃×(I_ti–I_t0)；

其中，I_ti为第i时刻的转筒电流，单位为A；I_t0为转筒空载电流和冲渣水消耗电流之和，单位为A；S、M、B分别为描述(I_ti–I_t0)为小、中、大的模糊数；Q_si为第i时刻的水渣量，单位为t/min；k_j,j＝1,2,3为在第j条模糊规则下的转换系数，均为无量纲单位；k_j初始值可以通过工艺人员由人工操作经验知识中获得。

2)结合(I_ti–I_t0)的大小对高炉出渣量的影响特性设定关于(I_ti–I_t0)的如下模糊隶属函数：

(I_ti–I_t0)关于S的模糊隶属函数f_S(I_ti–I_t0)：

$f_S(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}1,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_1\\ \frac{1}{{\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_2}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_2}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1},\mathrm{if}{\mathrm{\&alpha;}}_1<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_2\\ 0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_2\end{array}\right.,$

(I_ti–I_t0)关于M的模糊隶属函数f_M(I_ti–I_t0)：

$f_M(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_1\\ \frac{1}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_1}{{\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_2},\mathrm{if}{\mathrm{\&alpha;}}_1<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_2\\ \frac{1}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_3}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_3}{{\mathrm{\&alpha;}}_3-{\mathrm{\&alpha;}}_2},\mathrm{if}{\mathrm{\&alpha;}}_2\&le;(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_3\\ 0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_3\end{array}\right.,$

(I_ti–I_t0)关于B的模糊隶属函数f_B(I_ti–I_t0)：

$f_B(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_2\\ \frac{1}{{\mathrm{\&alpha;}}_3-{\mathrm{\&alpha;}}_2}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_2}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_3},\mathrm{if}{\mathrm{\&alpha;}}_2<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_3\\ 1,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_3\end{array}\right.;$

这里，α₁为(I_ti–I_t0)为小的阈值，α₂为(I_ti–I_t0)为中的阈值，α₃为(I_ti–I_t0)为大的阈值；在高炉出渣量的模糊推理模型中认为(I_ti–I_t0)小于α₁时为S，(I_ti–I_t0)等于α₂时为M，(I_ti–I_t0)大于α₃时为B。

3)利用步骤1)的高炉出渣量的模糊推理模型与步骤2)的模糊隶属函数，建立如下高炉出渣量计算模型：

$Q_{\mathrm{si}}=\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}{h}_j\&times;k_j\&times;(I_{\mathrm{ti}}-I_{t0}),$

其中，h_j为在第j条模糊规则下的模糊隶属度值，且有：h₁＝f_S(I_ti-I_t0)，h₂＝f_M(I_ti-I_t0)，h₃＝f_B(I_ti-I_t0)。

(4)使用所述高炉出渣量计算模型进行高炉出渣量的在线检测，为有效判定高炉炉况提供保证。实时高炉总出渣量的计算公式为：

$Q_{\mathrm{total}}=\underset{k=1}{\overset{i}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{si}}\&times;\mathrm{\&Delta;T},$

其中,Q_total为第i时刻的实时高炉总出渣量，单位为t；ΔT为采样间隔，单位为min。

通过使用本发明的高炉出渣量在线检测方法，建立起了工况变化情况下水渣量、转筒空载电流、冲渣水消耗电流之间的非线性动态关系，能够准确的完成实时高炉总出渣量的在线计算。以高精度的实时高炉总出渣量为基准，计算机操作站可以将盈余、出铁和出渣速率变化趋势以图形方式显示给高炉炉长，能够适应高炉炼铁生产复杂工况调节下的高精度高炉出渣量在线检测要求，为保证高炉平稳顺行提供可靠的判定依据，从而生产出高质量的铁水产品，提高当前高炉炼铁生产自动化水平。

以上实施例仅用于说明本发明的计算思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (1)

1.一种高炉出渣量在线检测方法，其特征在于：它包括以下步骤：

1)建立高炉出渣量的模糊推理模型：

IF(I_ti–I_t0)is S,THEN Q_si＝k₁×(I_ti–I_t0)；

IF(I_ti–I_t0)is M,THEN Q_si＝k₂×(I_ti–I_t0)；

IF(I_ti–I_t0)is B,THEN Q_si＝k₃×(I_ti–I_t0)；

其中，I_ti为第i时刻的转筒电流；I_t0为转筒空载电流和冲渣水消耗电流之和；S、M、B分别为描述(I_ti–I_t0)为小、中、大的模糊数；Q_si为第i时刻的水渣量；k_j为在第j条模糊规则下的转换系数，j＝1,2,3；k_j的初始值通过工艺人员由人工操作经验知识中获得；

2)结合(I_ti–I_t0)的大小对高炉出渣量的影响特性设定关于(I_ti–I_t0)的如下模糊隶属函数：

(I_ti–I_t0)关于S的模糊隶属函数f_S(I_ti–I_t0)：

$f_S(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}1,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_1\\ \frac{1}{{\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_2}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_2}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1},\mathrm{if}{\mathrm{\&alpha;}}_1<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_2\\ 0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_2\end{array}\right.,$

(I_ti–I_t0)关于M的模糊隶属函数f_M(I_ti–I_t0)：

$f_M(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_1\\ \frac{1}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_1}{{\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_2},\mathrm{if}{\mathrm{\&alpha;}}_1<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_2\\ \frac{1}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_3}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_3}{{\mathrm{\&alpha;}}_3-{\mathrm{\&alpha;}}_2},\mathrm{if}{\mathrm{\&alpha;}}_2\&le;(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_3\\ 0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_3\end{array}\right.,$

(I_ti–I_t0)关于B的模糊隶属函数f_B(I_ti–I_t0)：

$f_B(I_{\mathrm{ti}}-I_{t0})=\left\{\begin{array}{c}0,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&le;{\mathrm{\&alpha;}}_2\\ \frac{1}{{\mathrm{\&alpha;}}_3-{\mathrm{\&alpha;}}_2}\&times;(I_{\mathrm{ti}}-I_{t0})+\frac{{\mathrm{\&alpha;}}_2}{{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_3},\mathrm{if}{\mathrm{\&alpha;}}_2<(I_{\mathrm{ti}}-I_{t0})<{\mathrm{\&alpha;}}_3\\ 1,\mathrm{if}(I_{\mathrm{ti}}-I_{t0})\&GreaterEqual;{\mathrm{\&alpha;}}_3\end{array}\right.;$

这里，α₁为(I_ti–I_t0)为小的阈值，α₂为(I_ti–I_t0)为中的阈值，α₃为(I_ti–I_t0)为大的阈值；在高炉出渣量的模糊推理模型中认为(I_ti–I_t0)小于α₁时为S，(I_ti–I_t0)等于α₂时为M，(I_ti–I_t0)大于α₃时为B；

3)利用步骤1)的高炉出渣量的模糊推理模型与步骤2)的模糊隶属函数，建立如下高炉出渣量计算模型：

$Q_{\mathrm{si}}=\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}{h}_j\&times;k_j\&times;(I_{\mathrm{ti}}-I_{t0}),$

其中，h_j为在第j条模糊规则下的模糊隶属度值，且有：h₁＝f_S(I_ti-I_t0)，h₂＝f_M(I_ti-I_t0)，h₃＝f_B(I_ti-I_t0)；

4)使用所述高炉出渣量计算模型进行高炉出渣量的在线检测，实时高炉总出渣量的计算公式为：

$Q_{\mathrm{total}}=\underset{k=1}{\overset{i}{\mathrm{\&Sigma;}}}{Q}_{\mathrm{si}}\&times;\mathrm{\&Delta;T},$

其中，Q_total为第i时刻的实时高炉总出渣量，ΔT为采样间隔。