基于偏最小二乘回归的高炉铁水硅含量模型.pdf

万方数据

基于偏最小二乘回归的高炉铁水硅含量模型’铁水硅含量影响参数的选取石琳1，李志玲2，崔桂梅2在高炉冶炼过程中，“炉温控制”是最重要的控制．如果炉温控制在正常的范围内，高炉就顺行．由于实际冶炼中很难直接测量到高炉炉温，而炉温对硅元素还原速率的敏感度远高于对铁元素的还原速率，因此，通常以铁水硅含量[Si]来反映高炉炉温¨3．铁水硅含量越高，炉温就越高，反之亦然．高炉炉温不仅与提供的能量有关，而且与物理化学反应过程、流体力学过程有关．影响炉温的重要参数有几十项之多，其中既有入炉原料的性质(成分、比重、配料比等)和装料方式，又有风量、风温、富氧量等，而且各个参数之间也存在着相互影响03．偏最d、----乘(PartialSquare，PLS)回归方法。3是一种新型的多元统计数据分析方法，1983年由伍德(S．wold)和阿巴诺(C．Albano)等人首次提出．偏最小二乘回归可以集多元线性回归分析、典型相关分析和主成分分析的基本功能为一体，将建模预测类型的数据分析方法与非模式的数据认识性分析方法有机结合起来．在回归建模中，特别是变量间存在多重相关性时，偏最小二乘方法具有传统的回归方法所不具备的许多优点．它意义明确、计算简单、省时、建模效果好、解释能力强．该方法已经在化工领域得到了广泛的应用．本文将偏最dx_-乘回归方法应用于预测铁水硅含量[Si]中，在高炉炉况相对稳定的条件下，得出了影响铁水硅含量ESi]的主要因素为风量和喷煤，这和实际冶炼专家的经验相符．利用包钢6号高炉所采集的数据，建立了铁水硅含量的回归模型，该模型对高炉炉温预测的准确度达到87．61％，对在线监测高炉硅含量具有一定的实用价值．1高炉生产过程是一个非常复杂、高度耦合的非线性系统．高炉内影响铁水硅含量I-si]的因素很多，大体上分为两类：状态参数和控制参数．主要的状态参数有料速、透气性指数、铁水成分和炉渣成分；主要的控制参数有入炉原料的性质、风量、风温和富氧量等．输入参数的选取直接影响模型预测的准确度，因此必须结合高炉实际的生产情况、高炉自身生产特点和高炉现场操作人员的经验，考虑实际数据的采集条件以及各参数对铁水硅含量[Si]的相关性分析，从中选择相关性最大的参数作为影(1．内蒙古科技大学数理与生物工程学院，内蒙古包头014010；摘要：在高炉炼铁过程中，常用铁水硅含量Esi]来衡量铁水的质量和表征高炉的热状态，即用铁水硅含量反映高炉炉温．将偏最小二乘回归方法应用于预测硅含量Esi]中，在高炉炉况相对稳定的条件下，得出影响硅含量[Si]的因素为风量和喷煤，与冶炼专家的经验相符．利用包钢6号高炉的数据，建立铁水硅含量[si]的回归模型，该模型对高炉炉温预测的准确度达到87．6l％，对在线监测高炉硅含量具有一定的实用价值．关键词：高炉冶炼，铁水硅含量，偏最小二乘，炉温预测中图分类号：TP273；TF533文献标志码：A基金项目：教育部”春晖计划“合作项目(Z2009--1--01053)；内蒙古教育厅研究基金资助项目(NJzy08075)第4l卷第4期内蒙古大学学报(自然科学版)文章编号：1000一1638(2010)04—0427-042．内蒙古科技大学信息工程学院，内蒙古包头014010)Least-收穗日期：2010—03—02；修回日期：2010—05—28作者简介：石琳(1964一)，女，包头固阳人，教授，博士．E-mail：[e-mail]．2010年7月JournalMongoliaJul．V01．41ofInnerUniversity2010No．4
万方数据

硼·一了亍兰J“一Eow-=了亍兰∑，Eo,r＆，，y)^偿，(巧，y)b(即y)j^偿，(即y)户1单因变量偏最小二乘回归理论其中，∞。’一口(J—w,pr,)w。，J为单位矩阵，i一1，2，⋯，研，歹=1，2，⋯，i一1．1下，求(叫TdoFo)的最大值．采用拉格朗日算法，有REoUo其中Uo，Uo为F0，E。的转置矩阵．F。I|，硼，=UoFo川爵Fot。川t。ll2，r1一爵￡。川t，l{2为回归系数．2．3偏最小二乘的辅助分析技术——精度分析∞’响铁水硅含量[sd的因素H3．本文选取透气性指数FF，喷煤量PM，风量FL，富氧流量FY，作为回归模型的输入参数，以铁水硅含量Esi]作为回归模型的输出参数，建立输入参数与输出参数的偏最小二乘回归模型．2偏最小二乘回归是一种集多元线性回归分析、典型相关分析和主成分分析的基本功能为一体的新型多元统计分析方法．单因变量偏最小二乘回归简记为PLSl．偏最小二乘回归的特点为：①能在自变量存在严重多重相关性的条件下进行回归建模；②允许在样本点个数少于自变量个数的条件下进行回归建模；③偏最小二乘回归在最终模型中包含原