基于非线性特征辨识的高炉炉温混合控制模型研究

对高炉炉温实施准确预报和稳健控制是实现高炉冶炼稳定顺行、节能降耗的关键所在。本项目旨在对高炉炉温波动非线性特征辨识的基础上，对现行"黑箱类"炉温智能控制模型进行模型修正和参数实时优化，以建立智能程度更高的炉温混合控制模型。.通过改进相空间重构方法，构建与高炉系统拓扑同构的抽象系统，并对二者的维数、演化路径等性质的一致性进行检验，据此找出高炉系统的自由维数、相关变量的耦合关系以及相互影响的时滞，再将上述结果用于拟合炉温波动发展演化。另外，采用Ljung-Box检验、BDS检验解析铁水[Si]序列混合信号的成分，将线性与非线性成分区分开来；然后利用修正R/S分析、多重分形理论对[Si]序列信号的尺度函数、多重分形谱等非线性波动奇异特征进行辨识量化，并将量化信息用于驱动控制模型相应算法模块的切换及参数的即时优化，以使控制模型能更好的即时拟合：因系统内在非线性演化带来的高炉炉温波动。

本项目在对高炉炉温波动非线性特征辨识的基础上，对现行"黑箱类"炉温智能控制模型尝试进行了模型修正和参数实时优化等方面的一些新研究，初步建立起智能程度更高的炉温混合控制模型。. 首先，项目组通过修正R/S 分析、利用多重分形理论完成了对[Si]序列信号的尺度函数、多重分形谱等非线性波动奇异特征的辨识量化研究。其次，通过小波分析方法去除噪声和异常值，再利用FCM识辨出炉温状态对高炉冶炼效能和强度的影响，创新完成了高炉系统的“稳定热状态”辨识研究，使得炉温控制的目标设定更加科学合理。最后，通过改进多元相空间重构方法，构建与高炉系统拓扑同构的抽象系统，并在此基础上对二者的维数、演化路径等性质的一致性进行检验，据此找出高炉系统的自由维数、相关变量的耦合关系以及相互影响的时滞，再将上述结果用于拟合炉温波动发展演化，构建出了智能程度更高的多元炉温预测控制数学模型。. 就上述内容，本项目取得了一系列重要成果，共发表学术论文19篇，其中8篇被SCI 收录，12篇被EI 收录,出版专著1部。