高炉铁水含硅量
刘晓英
西安建筑科技大学 冶金工程学院 陕西西安
摘要：为了有效地控制高炉冶炼过程，多年以来，对铁水Si 含量预测方法的研究始终是生铁生产中的重要课题。目前，混沌时间序列预测法①在天气水电等方面得到成功的应用，本文基于混沌加权一阶局部预测法模型②，在预测器拟合过程中，采用矩阵、向量拟合取代单一变量拟合，对预测模型进行了一定的修正，随后选取国内有代表性的中型高炉为例，对[Si]含量数据进行离散预报，取得良好效果，并得出混沌特征参数Kolmogorov 熵③的大小直接影响着预报命中率的高低。其越大，系统越复杂，Si 含量预报命中率就越低，而对同一座高炉，熵值决定后续Si 含量序列的波动情况，也会对预报命中率产生影响。
关键词：高炉冶炼 铁水含硅[Si]量 可预测性 混沌预测模型
中图分类号：TF
对高炉复杂系统的建模与控制是当今冶金科技发展的前沿课题，其中对高炉炉温的预测与控制是难点所在。长期以来，多数工作是将高炉冶炼过程视为随机过程加以建模和控制，建立了一系列的高炉铁水含硅量[si]预测模型。这些模型在不同时期及不同生产条件下都曾起到一定的作用，但同时也各有一定的局限性，因此有必要建立新的[si]预测模型．非线性动力学的研究
表明，一些看起来貌似随机的过程实际并不是随机的而是混沌的。因此，可以尝试从混沌动力学的角度智能地剖析高炉冶炼过程来预测[si]。
④文献通过计算饱和关联维数定量的证明了山东莱钢1号高炉、山西临钢6号高炉冶炼
过程具有混沌性，这为将混沌时间序列预测方法用于这两座高炉的[si]预测提供了理论依
④据．本文在文献的基础上，对前述两座高炉的[si]进行了混沌局部线性一步、二步预测，
取得了很好的效果。
⑤高炉冶炼过程是一个高度复杂的非线性过程，仅从化学反应动力学角度考察，据不完
全统计，炉内发生的主要学反应就多达108种。高炉炼铁工艺中，通常以铁水[si]含量反映高炉炉缸的物理温度，简称炉温，把它作为冶炼程控制的主要指标．由于铁水[si]的控制与高炉冶炼过程的炉况稳定性、生产效率(利用系数) 、能耗(比) 和铁水质量([Js])之间关系密
⑥切，因此，对[si]的操作控制技术成为衡量高炉工长操作水平高低的重要依据。国内外开
发出来的“炉炼铁优化专家系统”，衡量其水平高低的关键指标之一就是看[si]预报和控制效果。
目前，对铁水[si]的预报工作大多建立在随机性序列基础上，效果并不理想，特别是对于我国现有的大量炉况波动较大的中小高炉，[si]预报和控制依然是个难题．自从Mandelbrotl975年提出分形(fractal)概念以来，以邯郸钢铁公司7号高炉在线采集的2000炉铁水含硅量[si]数据为样本，对[Si]时间序列作了基于逆序数的平稳性检验．然后，在关联积分的基础上，定义了衡量不同时间序列间动力学相似性的“距离”，通过等分采集得到的[si]序列，计算子序列间的“距离”，发现了高炉冶炼过程中存在显著的动力学结构突变
⑦性，最后应用DVV 算法分析动力学性质变动下，高炉铁水含硅量[Si]的可预测性。
混沌局部线性预测模型能够很好地用于莱钢1号高炉、临钢6号高炉铁水含硅量预测，在『Si]+0．1％的范围内，一步预测的命中率均在80．0％以上，有的甚至近90．O ％，对于国内中小型高炉的其他预测模型还难以达到如此命中效果，对实际生产有很好的指导作用．
分析结果表明[si]序列的方差不具备平稳性；然后，从高炉冶炼过程内部动力学突变性的角度解释[Si]序列的不平稳性，通过关联积分定义了度量时间序列间动力学“距离”的物理量d 。，从而有效地检测了高炉冶炼规律发生突变的具体炉次；最后运用DVV 算法对[Si]序列做定性的确定性分析；虽然高炉冶炼过程的内部动力学结构变动频繁造成诸多预报和控制模型应用效果不理想归1，但是这种演化过程是由众多有序行为(喷煤、调节风量、高炉热惯性等) 组合而成的，DVV 检验结果体现出较强的确定性，对[si]序列做满足工业要求的短期预测控制1剖是可行的．
利用重标级差分析(R／S) 和盒维数计算方法，以山东莱钢1号高炉和山西临钢6号高炉在线采集的[si]时间序列为样本，证明高炉[si]时间序列长程负相关的分形时间序列，找到了以往把[si]序列当作随机序列处理的诸多预报和控制模型应用效果不理想的根源．同时对统
的长程记忆周期作了有益的探索．最后根据分形迭代函数的理论与方法，找到确定相关参数的新方法，迭代生成模拟的[si]时间序列，拟合效果较好．
在拟合混沌加权一阶局部预报模型的预测器过程中，采用矩阵、向量拟合取代单一变量拟合，修正预测模型，随后将其用于莱钢号高炉和临钢" 号高炉含量预报，得出两座高炉含量预报值，这对生产具有很好的指导作用。分析两座高炉含量预报命中率高低的差
异，得出造成两者差异的主要原因不是预测炉次[Si]含量数据波动情况的差异，而是表征混沌系统状态特征量的熵值大小的差异熵越大，系统越复杂，[Si]含量预报命中率就越低，而对于同一座高炉，熵值决定后续[Si]含量序列的波动情况，也会对预报命中率产生影响。
混沌局部线性预测模型中的线性拟合仅限于墨的￡邻域，相当于用分段线性函数来拟合全局函数，故拟合的整体效果是非线性的，仍不失一般性．
冶炼条件的变化及面临的问题:提铁降硅后，烧结矿化学成分发生很大变化，品位提高4％左右，SiO 2含量降低2％。烧结生产过程，黏结液相量减少，强度发生变化。烧结矿冶金性能发生变化。吨铁渣量降低，生铁脱硫负担加重。料柱透气性改善，煤气流分布发生很大变化。
提铁降硅后烧结矿矿相组成发生很大变化，对其冶金性能了解不够。(2)品位提高原料成分波动大，高炉操作上焦比、煤比调剂困难，对高炉各参数控制范围无操作经验。(3)堆比重增大，矿焦比发生变化，高炉煤气流的合理分布需重新建立。渣铁比变化较大，控制合理的炉渣性能以保证生铁质量的问题较为突出。
混沌理论用于高炉冶炼过程[Si] 含量预报是一个很有潜力的发展方向，修正的混沌加权一阶局部预测模型能很好地预测高炉铁水[Si] 含量, 但该模型还有待继续完善，今后可进一步研究该模型的机理，并在应用中不断发展它同时，本文预测[Si]含量时，仅采用高炉冶炼过程输出[Si]含量的历史数据，而单一[Si]含量时间序列很难完全反映高炉冶炼这一复杂过程，因此还须考虑料速、喷煤、炉次之间操作变化等因素的影响，有望进一步提高[Si]含量预报命中率。
参考文献：
[1]张家树; 肖先赐用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列[期刊论文]-物理学报 2000(12)
[2].ZHANG J S;XIAO X C 查看详情[期刊论文]-Chinese Physics 2000
[3]GAO C H ，ZHOU Z M ．Acta Phys Sin ，2004；53：4092(郜传厚，周志敏．物理学报． 2004；53：4092)
[4]GAO C H，LIU X G．Acta Metal Sin，2004；40：347
(郜传厚，刘祥官．金属学报，2004；40：347))
[5]郜传厚; 周志敏高炉铁水Si 含量的修正混沌加权一阶局部预报[期刊论文]-物理学报 2004(12)
[6]赵霞唐山建龙高炉低硅冶炼研究[学位论文]硕士 2006
[7]王逸名基于模式匹配的时间序列预测方法及在冶金过程中的应用[学位论文]硕士 2006
高炉铁水含硅量
刘晓英
西安建筑科技大学 冶金工程学院 陕西西安
摘要：为了有效地控制高炉冶炼过程，多年以来，对铁水Si 含量预测方法的研究始终是生铁生产中的重要课题。目前，混沌时间序列预测法①在天气水电等方面得到成功的应用，本文基于混沌加权一阶局部预测法模型②，在预测器拟合过程中，采用矩阵、向量拟合取代单一变量拟合，对预测模型进行了一定的修正，随后选取国内有代表性的中型高炉为例，对[Si]含量数据进行离散预报，取得良好效果，并得出混沌特征参数Kolmogorov 熵③的大小直接影响着预报命中率的高低。其越大，系统越复杂，Si 含量预报命中率就越低，而对同一座高炉，熵值决定后续Si 含量序列的波动情况，也会对预报命中率产生影响。
关键词：高炉冶炼 铁水含硅[Si]量 可预测性 混沌预测模型
中图分类号：TF
对高炉复杂系统的建模与控制是当今冶金科技发展的前沿课题，其中对高炉炉温的预测与控制是难点所在。长期以来，多数工作是将高炉冶炼过程视为随机过程加以建模和控制，建立了一系列的高炉铁水含硅量[si]预测模型。这些模型在不同时期及不同生产条件下都曾起到一定的作用，但同时也各有一定的局限性，因此有必要建立新的[si]预测模型．非线性动力学的研究
表明，一些看起来貌似随机的过程实际并不是随机的而是混沌的。因此，可以尝试从混沌动力学的角度智能地剖析高炉冶炼过程来预测[si]。
④文献通过计算饱和关联维数定量的证明了山东莱钢1号高炉、山西临钢6号高炉冶炼
过程具有混沌性，这为将混沌时间序列预测方法用于这两座高炉的[si]预测提供了理论依
④据．本文在文献的基础上，对前述两座高炉的[si]进行了混沌局部线性一步、二步预测，
取得了很好的效果。
⑤高炉冶炼过程是一个高度复杂的非线性过程，仅从化学反应动力学角度考察，据不完
全统计，炉内发生的主要学反应就多达108种。高炉炼铁工艺中，通常以铁水[si]含量反映高炉炉缸的物理温度，简称炉温，把它作为冶炼程控制的主要指标．由于铁水[si]的控制与高炉冶炼过程的炉况稳定性、生产效率(利用系数) 、能耗(比) 和铁水质量([Js])之间关系密
⑥切，因此，对[si]的操作控制技术成为衡量高炉工长操作水平高低的重要依据。国内外开
发出来的“炉炼铁优化专家系统”，衡量其水平高低的关键指标之一就是看[si]预报和控制效果。
目前，对铁水[si]的预报工作大多建立在随机性序列基础上，效果并不理想，特别是对于我国现有的大量炉况波动较大的中小高炉，[si]预报和控制依然是个难题．自从Mandelbrotl975年提出分形(fractal)概念以来，以邯郸钢铁公司7号高炉在线采集的2000炉铁水含硅量[si]数据为样本，对[Si]时间序列作了基于逆序数的平稳性检验．然后，在关联积分的基础上，定义了衡量不同时间序列间动力学相似性的“距离”，通过等分采集得到的[si]序列，计算子序列间的“距离”，发现了高炉冶炼过程中存在显著的动力学结构突变
⑦性，最后应用DVV 算法分析动力学性质变动下，高炉铁水含硅量[Si]的可预测性。
混沌局部线性预测模型能够很好地用于莱钢1号高炉、临钢6号高炉铁水含硅量预测，在『Si]+0．1％的范围内，一步预测的命中率均在80．0％以上，有的甚至近90．O ％，对于国内中小型高炉的其他预测模型还难以达到如此命中效果，对实际生产有很好的指导作用．
分析结果表明[si]序列的方差不具备平稳性；然后，从高炉冶炼过程内部动力学突变性的角度解释[Si]序列的不平稳性，通过关联积分定义了度量时间序列间动力学“距离”的物理量d 。，从而有效地检测了高炉冶炼规律发生突变的具体炉次；最后运用DVV 算法对[Si]序列做定性的确定性分析；虽然高炉冶炼过程的内部动力学结构变动频繁造成诸多预报和控制模型应用效果不理想归1，但是这种演化过程是由众多有序行为(喷煤、调节风量、高炉热惯性等) 组合而成的，DVV 检验结果体现出较强的确定性，对[si]序列做满足工业要求的短期预测控制1剖是可行的．
利用重标级差分析(R／S) 和盒维数计算方法，以山东莱钢1号高炉和山西临钢6号高炉在线采集的[si]时间序列为样本，证明高炉[si]时间序列长程负相关的分形时间序列，找到了以往把[si]序列当作随机序列处理的诸多预报和控制模型应用效果不理想的根源．同时对统
的长程记忆周期作了有益的探索．最后根据分形迭代函数的理论与方法，找到确定相关参数的新方法，迭代生成模拟的[si]时间序列，拟合效果较好．
在拟合混沌加权一阶局部预报模型的预测器过程中，采用矩阵、向量拟合取代单一变量拟合，修正预测模型，随后将其用于莱钢号高炉和临钢" 号高炉含量预报，得出两座高炉含量预报值，这对生产具有很好的指导作用。分析两座高炉含量预报命中率高低的差
异，得出造成两者差异的主要原因不是预测炉次[Si]含量数据波动情况的差异，而是表征混沌系统状态特征量的熵值大小的差异熵越大，系统越复杂，[Si]含量预报命中率就越低，而对于同一座高炉，熵值决定后续[Si]含量序列的波动情况，也会对预报命中率产生影响。
混沌局部线性预测模型中的线性拟合仅限于墨的￡邻域，相当于用分段线性函数来拟合全局函数，故拟合的整体效果是非线性的，仍不失一般性．
冶炼条件的变化及面临的问题:提铁降硅后，烧结矿化学成分发生很大变化，品位提高4％左右，SiO 2含量降低2％。烧结生产过程，黏结液相量减少，强度发生变化。烧结矿冶金性能发生变化。吨铁渣量降低，生铁脱硫负担加重。料柱透气性改善，煤气流分布发生很大变化。
提铁降硅后烧结矿矿相组成发生很大变化，对其冶金性能了解不够。(2)品位提高原料成分波动大，高炉操作上焦比、煤比调剂困难，对高炉各参数控制范围无操作经验。(3)堆比重增大，矿焦比发生变化，高炉煤气流的合理分布需重新建立。渣铁比变化较大，控制合理的炉渣性能以保证生铁质量的问题较为突出。
混沌理论用于高炉冶炼过程[Si] 含量预报是一个很有潜力的发展方向，修正的混沌加权一阶局部预测模型能很好地预测高炉铁水[Si] 含量, 但该模型还有待继续完善，今后可进一步研究该模型的机理，并在应用中不断发展它同时，本文预测[Si]含量时，仅采用高炉冶炼过程输出[Si]含量的历史数据，而单一[Si]含量时间序列很难完全反映高炉冶炼这一复杂过程，因此还须考虑料速、喷煤、炉次之间操作变化等因素的影响，有望进一步提高[Si]含量预报命中率。
参考文献：
[1]张家树; 肖先赐用一种少参数非线性自适应滤波器自适应预测低维混沌时间序列[期刊论文]-物理学报 2000(12)
[2].ZHANG J S;XIAO X C 查看详情[期刊论文]-Chinese Physics 2000
[3]GAO C H ，ZHOU Z M ．Acta Phys Sin ，2004；53：4092(郜传厚，周志敏．物理学报． 2004；53：4092)
[4]GAO C H，LIU X G．Acta Metal Sin，2004；40：347
(郜传厚，刘祥官．金属学报，2004；40：347))
[5]郜传厚; 周志敏高炉铁水Si 含量的修正混沌加权一阶局部预报[期刊论文]-物理学报 2004(12)
[6]赵霞唐山建龙高炉低硅冶炼研究[学位论文]硕士 2006
[7]王逸名基于模式匹配的时间序列预测方法及在冶金过程中的应用[学位论文]硕士 2006