|
摘要：利用对高炉热状态变化敏感的控制参数和征兆参数，根据操作规程和专家经验，采用VB语言编程，设计了使用推理机的高炉热状态预报系统。为提高系统的精度和效率，依据高炉冶炼过程的特点，改进了参数的处理和推理算法。该系统在高炉上运行结果良好。
关键词：高炉；热状态；炉况预报；专家系统
1 引 言
维持高炉热状态稳定是实现高炉生产优质、低耗、高产、长寿、高效益的基本保证，因此预报高炉热状态，避免炉温异常是高炉炉况控制的一个重要方面。预报高炉热状态有应用数学模型的数值预报方法和应用专家经验的推理判断方法。高炉生产过程十分复杂，运用传统数学方法几乎无法准确地定义和描述，数模求解时所需的初始条件、边界条件、物性参数等也难以测量和保证其精度和完整性，所有这些问题都限制了数学模型在高炉上的应用。
20世纪80年代发展起来的高炉冶炼过程专家系统，可以把高炉专家的知识与数学模型结合起来，使用不完全的或不确定的信息，处理复杂冶炼过程的控制问题，被称为是“高炉操作的第三代技术”[1]。目前，高炉冶炼过程专家系统的两个发展方向是进一步提高预报精度和系统的实时性。专家系统的预报精度是一个综合指标，而不是简单的平均[2]。为了提高高炉热状态的预报精度，本系统在参数的选取和处理方面作了改进；为了提高实时性改进了推理机的推理算法。系统结构如图1所示。 （图片）
图1 系统结构 2 参数选择及二次数据处理
高炉热状态可根据征兆参数和控制参数进行综合判断。本系统选择的征兆参数和控制参数有：反映高炉顺行状态的参数：风压、压差、料速、透气性指数；反映下部热状态的参数：铁水成分、风口状态；反映上部热状态的参数：炉顶温度、炉喉温度及炉喉CO；控制参数包括风温、风量、富氧量、喷煤量、焦炭负荷等。
二次数据处理主要包括复合参数（透气性指数、焦炭负荷）计算、参数特征值（平均值、变化梯度、标准方差）计算及参数的模糊处理（计算事实的置信度）。参数的特征值放入综合数据库，供推理使用。
征兆参数和控制参数均反映高炉的热状态，但两者与高炉热状态的影射逻辑不同。征兆参数和热状态之间的关联特点是：出现同一种高炉状态的征兆不一定唯一，反过来，同一种征兆所预示的高炉状态也不一定唯一。即：征兆和状态之间互为多值函数。控制参数对高炉热状态影响的不确定性表现在滞后的时间（不同的炉况条件下，从实施控制调节到炉况变化的滞后时间不同）和影响的效果。由于征兆参数和控制参数对热状态影响的不确定性不同，所以它们的模糊化要采用不同的方法。对于征兆参数的不确定性及控制参数对热状态影响效果的不确定性可利用规则的置信度实现；对于控制参数的时间滞后性，必须在二次数据处理时作处理。例如：喷煤对高炉的影响要滞后3～5h，在对喷煤量计算特征值时，要根据实际情况，选择几个小时之前的喷煤量。
此外，高炉征兆参数是高炉在各种外部因素（控制参数和环境参数）综合影响下高炉内部状态迁移过程的反映。而高炉的控制参数，如风温、风量、喷煤量、焦炭负荷等，是对高炉过程施加的外部影响，改变了高炉质量平衡、能量平衡或传输条件，必定会对高炉热状态产生某种影响。例如风温的提高，必然提高理论燃烧温度，从而使炉缸温度提高，即炉温提高。由于征兆参数和控制参数与热状态关系的不同，在推理过程中，征兆参数和控制参数应分别推理[3]，再加权平均得出最后的结果。这些改进，切合高炉冶炼过程的特殊性，可提高系统的预报精度。
3 知识表达及推理机制
3.1 知识库及知识库管理系统
在高炉专家系统中，知识库主要由高炉专家的经验构成，这些经验知识多属因果性判断，适合用产生式规则表达，即以“IF 前提THEN 结论”的形式表达知识。例如：“IF 料速增大or 负荷增大THEN 向凉”。知识库分为事实库和规则库，事实库用来存放规则中所涉及的事实。事实库的结构为：事实号、事实描述、事实主题、事实置信度等。规则库用于储存专家的经验知识，其结构为：规则号、前提运算符、前提、前提对结论影响方向、结论、规则置信度。
知识库管理系统主要用于管理知识库中各表记录的录入、修改、删除、浏览等操作[4]，并保证规则库的一致性和完整性。
3.2 推理机
基于规则的专家系统有三种推理方法：正向推理、反向推理和混合推理。本系统采用反向推理，本系统的推理树如图2所示。采用模糊集论进行模糊推理，在推理过程中，当某一事实的置信度大于规定的阈值(根据各高炉的实际情况而定)时，认为此事实成立；否则，认为事实不成立[5]。（图片）
图2 推理树结构 由于高炉专家系统是实时控制系统，也是冶金企业专家系统的一个子系统，推理机的效率是非常重要的。为了提高推理效率，本系统在推理算法上做了改进。专家系统中知识库和推理机的分离是专家系统的重要特征，但此特性影响了专家系统的实时性。本系统根据高炉专家系统中规则变化频率较低的特点，在规则保持不变的时间段内，动态地将知识库和推理机融合在一起，减少了推理时间。知识库和推理机的动态融合在形式上与神经网络相似，却克服了神经网络不可解释的弊端。具体方法是：当系统刚刚启动或知识库修改后首次推理时，推理机按照给定的推理目标反向推理，从知识库中搜索匹配的规则，形成推理树，最终计算出结论的置信度。第一次推理完成后，推理树结构一直不删除，从而使以后的推理过程无需再匹配规则，而直接根据已知事实，按照此推理树向上推理，计算结论的置信度。通过这一改进，大大提高了推理机的效率，提高了系统的实时性。
4 系统运行结果
根据本系统知识库的特点，在Windows98环境下，利用Access建立知识库，推理机利用VB6.0和SQL（Structured query language）相结合设计实现。
利用某炼铁厂2001年10月1～9日4＃高炉现场数据检验此系统，系统预报热状态的准确度可达90%以上。图3为预报[Si]含量和实际[Si]含量对比情况。（图片）
图3 高炉实际[Si]和系统预报结果对比 5 结 论
5.1 高炉热状态预报系统根据高炉征兆参数与控制参数的不同特点，采取了不同的模糊化方法，并在它们分别预报热状态后，加权平均得出最后的预报结果，此方法提高了预报精度。
5.2 改进了推理算法，在知识库保持不变的时间段内，动态地融合了推理机与知识库，提高了推理效率，增强了系统的实时性。
5.3 高炉热状态预报系统建立后，利用某炼铁厂高炉实际生产数据检验，证明此系统具有一定准确度，设计方法是合理的。
参考文献：
[1] 周传典，徐矩良，刘彩云，等.推荐高炉操作的第三代技术[N].中国冶金报,1999.8.8.
[2] 卢虎生，高斌，赵利国，等.高炉炉况判断神经网络专家系统[J].北京科技大学学报,2002,24(3):276～279.
[3] P.A. Paraskevas, I.S. Pantelakis, T.D. Lekkas. An advanced integratedexpert system for wastewater treatment plants control [J]. Knowledge-Based Systems, 1999, (12): 355～361.
[4] 李洪磊.基于数据库的专家系统建设[J].计算机系统应用,2000，（2）：16～18
[5] Vincent C.Yen. Rule selections in fuzzy expert systems [J]. Expert Systemwith Applications, 1999，(16):79～84.
1/23/2006
|
