專利名稱：高爐爐缸爐底監(jiān)測(cè)、預(yù)報(bào)、報(bào)警系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于高爐長(zhǎng)壽技術(shù)領(lǐng)域，特別是提供了一種高爐爐缸爐底監(jiān)測(cè)、預(yù)報(bào)、報(bào) 警系統(tǒng)?；趥鳠釋W(xué)、數(shù)值計(jì)算方法、BP神經(jīng)網(wǎng)絡(luò)、遺傳算法的全自動(dòng)監(jiān)測(cè)預(yù)報(bào)爐缸 爐底侵蝕結(jié)厚狀況的方法及計(jì)算機(jī)監(jiān)測(cè)預(yù)報(bào)系統(tǒng)，適用于對(duì)高爐爐缸爐底侵蝕程度、 結(jié)厚狀況和熱流變化進(jìn)行監(jiān)測(cè)、預(yù)報(bào)及報(bào)警。
背景技術(shù)：
目前對(duì)爐缸的監(jiān)測(cè)主要有溫度監(jiān)測(cè)和熱流監(jiān)測(cè)兩種。溫度監(jiān)測(cè)通常使用熱電偶在 線采集溫度數(shù)據(jù)，由于簡(jiǎn)單方便，在絕大多數(shù)高爐上得到應(yīng)用；熱流監(jiān)測(cè)是對(duì)流經(jīng)冷 卻元件的冷卻水的溫升和流量進(jìn)行測(cè)定，需要大量的相關(guān)設(shè)備。兩種監(jiān)測(cè)方式都必須 結(jié)合數(shù)學(xué)模型對(duì)測(cè)得的數(shù)據(jù)進(jìn)行計(jì)算分析，從而反映出爐襯的工作狀態(tài)和侵蝕情況。
日本的吉川、文明研制了利用邊界元法和實(shí)驗(yàn)回歸分析，靠埋置在爐底的多個(gè)熱 電偶或熱流計(jì)的測(cè)定值監(jiān)測(cè)耐火材料侵蝕線和死鐵層線的方法。邊界元法適用于導(dǎo)熱 系數(shù)單一的結(jié)構(gòu)，而爐缸爐底一般都由多種導(dǎo)熱系數(shù)的耐火材料組成，因此模型計(jì)算 結(jié)果和實(shí)際情況將有很大的誤差。
Mehrotra和Nand利用有限元方法建立的爐缸爐底溫度場(chǎng)二維數(shù)學(xué)模型。該方法認(rèn) 為爐缸爐底是圓柱形的，視爐缸爐底的導(dǎo)熱為穩(wěn)態(tài)的，忽略爐缸水平界面切線方向的 傳熱量，雖然可以大大簡(jiǎn)化數(shù)學(xué)模型，但會(huì)引起與實(shí)際值的偏差比較大。
美國(guó)的Van Stein Callenfels E和Geerdes M在傳熱"反問(wèn)題"的研究中采用了"虛擬邊 界"的假設(shè)，用熱電偶的實(shí)測(cè)溫度計(jì)算出"虛擬邊界"上的溫度，將"虛擬邊界"作為傳熱 方程的邊界條件，求解傳熱方程，計(jì)算高爐爐缸爐底磚襯的溫度分布，利用115(TC等 溫線的形狀和位置，推測(cè)爐底侵蝕狀況。
"虛擬邊界"法是將高爐爐缸爐底的設(shè)計(jì)爐型作為"反問(wèn)題"求解的邊界形狀，整個(gè)計(jì) 算過(guò)程中不改變邊界形狀，只改變邊界溫度。事實(shí)上，高爐爐襯一旦被侵蝕，原始爐 型已不復(fù)存在，但依然用原始爐型作為傳熱方程求解的邊界條件，做為"虛擬邊界"， 這樣計(jì)算的結(jié)果是會(huì)產(chǎn)生很大的偏差。
東北大學(xué)杜鋼(97年發(fā)表)以傳熱數(shù)學(xué)方程為出發(fā)點(diǎn)，建立高爐爐缸爐底的二維 傳熱數(shù)學(xué)模型，并利用有限差分法進(jìn)行求解，確定爐缸爐底侵蝕界面和內(nèi)部溫度場(chǎng)分 布。隨后，利用BP神經(jīng)網(wǎng)絡(luò)建立"虛擬邊界"溫度預(yù)測(cè)模型，用熱電偶的實(shí)測(cè)溫度計(jì)算 出"虛擬邊界"上的溫度，再將"虛擬邊界"作為傳熱方程的邊界條件，計(jì)算爐缸爐底磚襯 的溫度分布，利用115(TC等溫線的形狀和位置，推測(cè)高爐爐底侵蝕狀況。
另外，K.KURPISZ、 G丄eprince、 Garcia、 INADA和丄Torrkulla、 A. FORMOSO、 A. BABICH等人也都提出了爐缸爐底的溫度場(chǎng)模型或侵蝕模型。在他們的模型中，視 爐缸爐底為穩(wěn)態(tài)導(dǎo)熱或結(jié)合熱電偶測(cè)量，計(jì)算爐缸爐底的溫度分布。以上模型，有簡(jiǎn)單的直角坐標(biāo)系下的穩(wěn)態(tài)模型，收斂速度快，程序簡(jiǎn)單，但與實(shí) 際情況差別較大；也有柱坐標(biāo)系下的二維穩(wěn)態(tài)模型和非穩(wěn)態(tài)模型，但大多數(shù)都是以傳 熱"正問(wèn)題"的思路建立的，對(duì)于侵蝕邊界不斷變化的過(guò)程及結(jié)厚產(chǎn)生的過(guò)程考慮的較 少，這也是一些數(shù)模發(fā)展的限制性環(huán)節(jié)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種高爐爐缸爐底監(jiān)測(cè)、預(yù)報(bào)、報(bào)警系統(tǒng)及其方法，克服 了現(xiàn)有技術(shù)的不足，充分考慮了侵蝕邊界不斷變化的過(guò)程及結(jié)厚產(chǎn)生的過(guò)程，能夠真 實(shí)的反映爐缸爐底侵蝕結(jié)厚狀況。
本發(fā)明基于傳熱學(xué)、數(shù)值分析方法、B-P神經(jīng)網(wǎng)絡(luò)、遺傳算法等提供了一種爐缸爐 底侵蝕結(jié)厚在線監(jiān)測(cè)預(yù)報(bào)方法，并采用此方法建立了柱坐標(biāo)系下的二維穩(wěn)態(tài)和非穩(wěn)態(tài) 溫度場(chǎng)模型、溫度場(chǎng)"反問(wèn)題"模型、侵蝕結(jié)厚預(yù)測(cè)模型，模型之間相互協(xié)作，利用有 限的檢測(cè)手段(爐缸爐底熱電偶、冷卻系統(tǒng)參數(shù))，以溫度場(chǎng)計(jì)算模塊、改進(jìn)后的遺傳 算法模塊、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊為核心設(shè)計(jì)了一套用于高爐爐缸爐底侵蝕、結(jié)厚和熱流 監(jiān)測(cè)、預(yù)報(bào)及報(bào)警的智能化系統(tǒng)，還原整個(gè)爐缸爐底區(qū)域真實(shí)的溫度場(chǎng)分布，得到爐 缸爐底磚襯的剩余厚度及結(jié)厚發(fā)生的部位和厚度，將不可直觀觀察的爐缸爐底磚襯侵 蝕程度、結(jié)厚層位置及厚度以直觀的平面圖、立體圖形式顯示出來(lái)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)和 預(yù)報(bào)功能，并對(duì)爐缸爐底各區(qū)域的熱流進(jìn)行監(jiān)視和報(bào)警。
本發(fā)明的系統(tǒng)包括在線監(jiān)測(cè)預(yù)報(bào)的硬件和軟件處理模塊；在線監(jiān)測(cè)預(yù)報(bào)的硬件由 爐缸爐底埋設(shè)的熱電偶和冷卻系統(tǒng)組成，通過(guò)以太網(wǎng)連接高爐生產(chǎn)過(guò)程數(shù)據(jù)庫(kù)；軟件 處理模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)有效性判斷模塊、溫度場(chǎng)計(jì)算模塊、改進(jìn)后的遺傳 算法模塊、B-P神經(jīng)網(wǎng)絡(luò)模塊、數(shù)據(jù)庫(kù)、等溫線與侵蝕結(jié)厚圖像顯示模塊、三維成像模 塊、熱流監(jiān)視報(bào)警模塊、歷史數(shù)據(jù)査詢模塊；軟件處理模塊都運(yùn)行在工控機(jī)上。
溫度場(chǎng)計(jì)算模塊是以傳熱學(xué)為基礎(chǔ)，采用有限差分的方法進(jìn)行離散，建立柱坐標(biāo) 系下的二維穩(wěn)態(tài)和非穩(wěn)態(tài)溫度場(chǎng)模型，以現(xiàn)場(chǎng)檢測(cè)數(shù)據(jù)為依據(jù)，模型中對(duì)于侵蝕邊界 的不斷變化及侵蝕過(guò)程中的結(jié)厚現(xiàn)象進(jìn)行了系統(tǒng)的模擬計(jì)算，設(shè)計(jì)了一種動(dòng)態(tài)侵蝕邊 界下的溫度場(chǎng)計(jì)算方法，解決了侵蝕過(guò)程中"邊界不定"的問(wèn)題；設(shè)計(jì)了一種有結(jié)厚發(fā) 生情況下的溫度場(chǎng)計(jì)算方法，考慮了侵蝕過(guò)程中的結(jié)厚現(xiàn)象，實(shí)現(xiàn)了結(jié)厚發(fā)生情況下 的溫度場(chǎng)計(jì)算。
所述的動(dòng)態(tài)侵蝕邊界下的溫度場(chǎng)計(jì)算，實(shí)現(xiàn)方法如下
(1) 根據(jù)爐型尺寸參數(shù)利用網(wǎng)格自動(dòng)生成模塊得到各節(jié)點(diǎn)信息；
(2) 通過(guò)侵蝕邊界上的各特征點(diǎn)的位置，判斷所有網(wǎng)格節(jié)點(diǎn)是否發(fā)生了侵蝕；
(3) 對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行離散方程系數(shù)的計(jì)算；
(4) 確定各節(jié)點(diǎn)的離散方程，最后聯(lián)立所有節(jié)點(diǎn)的離散方程并求解方程組，得到侵 蝕邊界變化后的溫度場(chǎng)。
所述的有結(jié)厚發(fā)生情況下的溫度場(chǎng)計(jì)算方法，是在所述的動(dòng)態(tài)侵蝕邊界溫度場(chǎng)計(jì) 算方法的基礎(chǔ)上，對(duì)節(jié)點(diǎn)系數(shù)矩陣進(jìn)行修正，修正的方法如下 (1)確定結(jié)厚交界的位置；(2) 判斷節(jié)點(diǎn)與結(jié)厚層的位置關(guān)系；
(3) 如果當(dāng)前節(jié)點(diǎn)在結(jié)厚層內(nèi)，這樣不僅需要判斷近結(jié)厚交界的情況，也要判斷靠 近原始爐型不同材質(zhì)砌筑交界的情況；
(4) 如果當(dāng)前節(jié)點(diǎn)不在結(jié)厚層內(nèi)，則只需要判斷靠近原始爐型不同材質(zhì)砌筑交界的 情況；
(5) 對(duì)于近結(jié)厚交界節(jié)點(diǎn)單元的四條邊上的導(dǎo)熱系數(shù)需做調(diào)和平均處理。 改進(jìn)后的遺傳算法模塊以所述的溫度場(chǎng)計(jì)算模塊為基礎(chǔ)，以實(shí)測(cè)熱電偶溫度數(shù)據(jù)
為參照依據(jù)，利用改進(jìn)后的遺傳算法，建立溫度場(chǎng)"反問(wèn)題"模型，并與神經(jīng)網(wǎng)絡(luò)預(yù) 測(cè)模塊有機(jī)結(jié)合，提高了運(yùn)算效率。
所述的改進(jìn)后的遺傳算法，是在傳統(tǒng)的遺傳算法基礎(chǔ)上，針對(duì)問(wèn)題本身的特點(diǎn)， 使用了一些改進(jìn)方案，具體方法如下
(1) 采用實(shí)數(shù)編碼。自變量個(gè)體是動(dòng)態(tài)的侵蝕邊界，經(jīng)過(guò)離散化后，以一個(gè)多元實(shí) 數(shù)向量作為個(gè)體編碼；
(2) 使用源于凸集理論的代數(shù)雜交；
(3) 變異操作采用基于"變尺度"動(dòng)態(tài)代數(shù)變異；
(4) 適應(yīng)度函數(shù)的設(shè)計(jì)采用溫度區(qū)間編碼的方式，區(qū)別于通常的求極值的方法。 所述的溫度場(chǎng)"反問(wèn)題"模型，是利用遺傳算法的全局優(yōu)化特性，以埋設(shè)于爐缸
爐底磚襯內(nèi)的熱電偶溫度作為參照條件，反算出所對(duì)應(yīng)的侵蝕邊界的位置。 所述的溫度場(chǎng)"反問(wèn)題"模型與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊有機(jī)結(jié)合，方法如下
(1) 以爐缸爐底當(dāng)前熱電偶溫度輸入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊；
(2) 由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到侵蝕邊界離散點(diǎn)數(shù)據(jù)，作為改進(jìn)后的遺傳算法初 始化種群中的一個(gè)優(yōu)良個(gè)體，以提高進(jìn)化的速度；
(3) 通過(guò)改進(jìn)后的遺傳算法得到當(dāng)前熱電偶溫度所對(duì)應(yīng)的侵蝕邊界的位置。 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊是以溫度場(chǎng)計(jì)算模塊為基礎(chǔ)，采用B-P神經(jīng)網(wǎng)絡(luò)建立動(dòng)態(tài)侵蝕
結(jié)厚預(yù)測(cè)模型，并與改進(jìn)后的遺傳算法模塊有機(jī)結(jié)合，實(shí)現(xiàn)對(duì)侵蝕狀況、結(jié)厚程度的 預(yù)報(bào)；步驟如下
(1) 根據(jù)熱電偶溫度和侵蝕邊界、結(jié)厚交界特征點(diǎn)的對(duì)應(yīng)關(guān)系，選用熱電偶溫度作 為輸入層，節(jié)點(diǎn)數(shù)等于熱電偶的數(shù)量，侵蝕邊界、結(jié)厚交界特征點(diǎn)作為輸出層，節(jié)點(diǎn) 數(shù)取決于特征點(diǎn)的數(shù)量；
(2) 設(shè)計(jì)若干種侵蝕界面，計(jì)算出與侵蝕界面、結(jié)厚交界相對(duì)應(yīng)的溫度場(chǎng)，提取熱 電偶位置處的溫度與侵蝕邊界、結(jié)厚交界組成若干樣本對(duì)，用生成的樣本庫(kù)對(duì)神經(jīng)網(wǎng) 絡(luò)模型進(jìn)行訓(xùn)練；
(3) 利用改進(jìn)后的遺傳算法模塊得到的最佳染色體制作新樣本對(duì)，周期性更新樣本 庫(kù)，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修正權(quán)值和閾值；
(4) 利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。
本發(fā)明根據(jù)提出的在線監(jiān)測(cè)預(yù)報(bào)方法、溫度場(chǎng)模型、遺傳算法溫度場(chǎng)"反問(wèn)題"模型、 B-P神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型設(shè)計(jì)了高爐爐缸爐底侵蝕、結(jié)厚和熱流監(jiān)測(cè)、預(yù)報(bào)及報(bào)警系統(tǒng)，
分為客戶端和后臺(tái)系統(tǒng)兩部分，實(shí)現(xiàn)無(wú)須人工干預(yù)的全自動(dòng)模式?？蛻舳酥饕糜趯?br> 6后臺(tái)計(jì)算得到的結(jié)果以圖形、數(shù)據(jù)的形式直觀的顯示給用戶；后臺(tái)系統(tǒng)包括人工智能 系統(tǒng)和熱流強(qiáng)度監(jiān)視報(bào)警系統(tǒng)。后臺(tái)人工智能系統(tǒng)是以溫度場(chǎng)計(jì)算模塊、改進(jìn)后的遺 傳算法模塊和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊為核心的智能系統(tǒng)，其中改進(jìn)后的遺傳算法模塊與 BP神經(jīng)網(wǎng)絡(luò)模塊有機(jī)結(jié)合，構(gòu)成統(tǒng)一的整體，既可實(shí)現(xiàn)各自的功能也可互相協(xié)作。具 體的技術(shù)內(nèi)容包括以下五個(gè)方面
(1) 采用等溫線、侵蝕結(jié)厚平面圖、三維圖像、磚襯剩余厚度數(shù)據(jù)實(shí)現(xiàn)爐缸爐底 磚襯侵蝕結(jié)厚狀況的在線監(jiān)測(cè)和預(yù)報(bào)；
(2) 采用趨勢(shì)曲線、三維圖像方位報(bào)警提示實(shí)現(xiàn)爐缸爐底區(qū)域冷卻壁的熱流在線 監(jiān)視報(bào)警；
(3) 采用MATLAB實(shí)現(xiàn)磚襯侵蝕結(jié)厚狀況和冷卻壁方位報(bào)警的三維顯示；
(4) 釆用ORACLE數(shù)據(jù)庫(kù)實(shí)現(xiàn)在線檢測(cè)數(shù)據(jù)和過(guò)程數(shù)據(jù)的存儲(chǔ)；
(5) 系統(tǒng)歷史數(shù)據(jù)査詢。
本發(fā)明爐缸爐底侵蝕結(jié)厚在線監(jiān)測(cè)預(yù)報(bào)方法和監(jiān)測(cè)、預(yù)報(bào)及報(bào)警的智能化系統(tǒng)具 有投資少、可靠直觀、無(wú)須人工干預(yù)的特點(diǎn)，為高爐冶煉過(guò)程中爐缸爐底侵蝕結(jié)厚狀 況提供了客觀、量化的依據(jù)，幫助高爐操作者及時(shí)了解爐缸爐底的狀況并采取有效護(hù) 爐措施，延長(zhǎng)高爐使用壽命。用戶可通過(guò)有限的檢測(cè)數(shù)據(jù)還原真實(shí)的溫度場(chǎng)分布，并 監(jiān)視熱流變化，能夠方便的對(duì)爐缸爐底磚襯侵蝕程度、結(jié)厚層位置及厚度進(jìn)行監(jiān)測(cè)、 預(yù)報(bào)及圖像還原，同時(shí)能夠?qū)t缸各區(qū)域的熱流強(qiáng)度進(jìn)行實(shí)時(shí)監(jiān)測(cè)和報(bào)警。


圖1為本發(fā)明具體實(shí)施方式
的系統(tǒng)總結(jié)構(gòu)圖。
圖2為本發(fā)明具體實(shí)施方式
的系統(tǒng)總流程圖。
圖3為本發(fā)明具體實(shí)施方式
的后臺(tái)人工智能系統(tǒng)流程圖。
圖4為本發(fā)明具體實(shí)施方式
的改進(jìn)后的遺傳算法模塊流程圖。
圖5為本發(fā)明具體實(shí)施方式
的后臺(tái)熱流監(jiān)視報(bào)警系統(tǒng)流程圖。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式
進(jìn)行詳細(xì)的說(shuō)明。
安裝在高爐爐缸爐底磚襯中的熱電偶及冷卻裝置中的檢測(cè)點(diǎn)將磚襯溫度、水溫差、 流量等數(shù)據(jù)送入一級(jí)系統(tǒng)，再通過(guò)以太網(wǎng)與二級(jí)系統(tǒng)通訊，送入數(shù)據(jù)服務(wù)器，本系統(tǒng) 自動(dòng)采集數(shù)據(jù)服務(wù)器中的數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)有效性判斷后作為基礎(chǔ)數(shù)據(jù)，并分別建立溫 度場(chǎng)模型、溫度場(chǎng)"反問(wèn)題"模型和侵蝕結(jié)厚預(yù)測(cè)模型來(lái)描述爐缸爐底區(qū)域的溫度場(chǎng)、 模擬侵蝕結(jié)厚的狀況；建立基于熱電偶、水溫差和流量檢測(cè)的高爐爐缸爐底侵蝕、結(jié) 厚和熱流監(jiān)測(cè)、預(yù)報(bào)及報(bào)警系統(tǒng)，完成爐缸爐底區(qū)域溫度場(chǎng)分布、侵蝕結(jié)厚狀況顯示， 實(shí)時(shí)監(jiān)測(cè)和預(yù)報(bào)功能，全面分析熱流變化，提供報(bào)警功能。系統(tǒng)總體結(jié)構(gòu)如圖1示。 1.溫度場(chǎng)模型的具體內(nèi)容包括動(dòng)態(tài)侵蝕邊界下的溫度場(chǎng)計(jì)算方法和有結(jié)厚發(fā)生情況下 的溫度場(chǎng)計(jì)算方法。
U)以傳熱學(xué)為基礎(chǔ)，采用有限差分的數(shù)值計(jì)算方法，設(shè)計(jì)的動(dòng)態(tài)侵蝕邊界下的溫 度場(chǎng)計(jì)算方法，伴隨著侵蝕的不斷發(fā)生，磚襯不斷受到侵蝕，因而侵蝕邊界不斷變化，計(jì)算侵蝕邊界變化后的溫度場(chǎng)，實(shí)現(xiàn)方法如下
St印h根據(jù)爐型尺寸參數(shù)利用網(wǎng)格自動(dòng)生成模塊得到各節(jié)點(diǎn)信息；
Step 2:通過(guò)侵蝕邊界上的各特征點(diǎn)的位置，判斷所有網(wǎng)格節(jié)點(diǎn)是否發(fā)生了侵蝕；
Step 3:計(jì)算每個(gè)節(jié)點(diǎn)離散方程系數(shù)；
Step 4:確定各節(jié)點(diǎn)的離散方程，最后聯(lián)立所有節(jié)點(diǎn)的離散方程并求解方程組，即 可得到侵蝕邊界變化后的溫度場(chǎng)。
(2)本發(fā)明提出的一種有結(jié)厚發(fā)生情況下的溫度場(chǎng)計(jì)算方法，是在動(dòng)態(tài)侵蝕邊界溫 度場(chǎng)計(jì)算方法的基礎(chǔ)上，進(jìn)一步考慮侵蝕過(guò)程中的結(jié)厚現(xiàn)象，對(duì)節(jié)點(diǎn)系數(shù)矩陣進(jìn)行修 正，修正的方法如下
Step 1:發(fā)生結(jié)厚時(shí)，部分剩余磚襯會(huì)與結(jié)厚層形成一條交界，確定結(jié)厚交界的位
置；
Step 2:判斷節(jié)點(diǎn)與結(jié)厚層的位置關(guān)系；
Step 3:如果當(dāng)前節(jié)點(diǎn)在結(jié)厚層內(nèi)，這樣不僅需要判斷近結(jié)厚交界的情況，也要判 斷靠近原始爐型不同材質(zhì)砌筑交界的情況；
Step 4:如果當(dāng)前節(jié)點(diǎn)不在結(jié)厚層內(nèi)，則只需要判斷靠近原始爐型不同材質(zhì)砌筑交 界的情況；
Step 5:對(duì)于近結(jié)厚交界節(jié)點(diǎn)單元的四條邊上的導(dǎo)熱系數(shù)需做調(diào)和平均處理； 2.溫度場(chǎng)"反問(wèn)題"模型以溫度場(chǎng)模型為基礎(chǔ)，以實(shí)測(cè)熱電偶溫度數(shù)據(jù)為參照依據(jù)，利 用改進(jìn)后的遺傳算法，反算出所對(duì)應(yīng)的侵蝕邊界的位置。模型中與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊 有機(jī)結(jié)合，提高了運(yùn)算效率。
(1)如圖4，改進(jìn)后的遺傳算法，是在傳統(tǒng)的遺傳算法基礎(chǔ)上，針對(duì)問(wèn)題本身的特 點(diǎn)，使用了一些改進(jìn)方案，具體方法如下
Stepl:采用實(shí)數(shù)編碼。自變量個(gè)體是動(dòng)態(tài)的侵蝕邊界，經(jīng)過(guò)離散化后，以一個(gè)多 元實(shí)數(shù)向量作為個(gè)體編碼，向量中的每一個(gè)分量，就是個(gè)體的一個(gè)基因；
Step2:考慮到個(gè)體自變量的實(shí)際意義，使用源于凸集理論的代數(shù)雜交來(lái)取代簡(jiǎn)單 遺傳算法常用的單點(diǎn)或多點(diǎn)交叉。具體做法是，對(duì)于選定進(jìn)行雜交的兩個(gè)個(gè)體 X=(Xl，X2,...，Xs，y=(yi,y2,...,ys)，隨機(jī)生成一個(gè)實(shí)數(shù)K，則新的個(gè)體是 x'=K.x + (1 -K)'y y'=K.y + (1 -K)*x
K的取值一般限制在[O，l]之間。 Step 3:變異操作采用基于"變尺度"動(dòng)態(tài)代數(shù)變異，這是一種以實(shí)數(shù)編碼為基礎(chǔ)的、 有助于加快遺傳算法收斂的改進(jìn)變異方案。具體做法是，對(duì)于選定進(jìn)行變異的基因Xi，
按照以下兩個(gè)公式中的一個(gè)，得到新基因Xi'
Xi'=Xi + K'(XiUPPer - Xi)*D或Xi'=Xi + K'(Xi1。， - Xi)'D
其中K是(0，1)間的一個(gè)隨機(jī)數(shù)，Xi"PPer和X，wer分別是該基因取值的上下限；D是 一個(gè)可選參數(shù)，它一般取為一個(gè)與當(dāng)前進(jìn)化代數(shù)有關(guān)的、取值在
間的下降函數(shù)。 若取D4，即退化為普通的代數(shù)變異。根據(jù)問(wèn)題的特點(diǎn)，我們采用
D(t)=[l-(t-l)/(T+5)]a其中，t是當(dāng)前代數(shù)，T是總代數(shù)，a是用于調(diào)整收縮速率的常值參數(shù)； St印4:從問(wèn)題本身的特點(diǎn)考慮，經(jīng)過(guò)大量的試驗(yàn)，適應(yīng)度函數(shù)的設(shè)計(jì)采用溫度區(qū) 間編碼的方式，設(shè)計(jì)靈活，區(qū)別于通常的求極值的方法。
(2)溫度場(chǎng)"反問(wèn)題"模型與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊有機(jī)結(jié)合，方法如下 St印1:以爐缸爐底當(dāng)前熱電偶溫度輸入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊；
St印2:由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到侵蝕邊界離散點(diǎn)數(shù)據(jù)，作為改進(jìn)后的遺傳算 法初始化種群中的一個(gè)優(yōu)良個(gè)體，以提高進(jìn)化的速度；
St印3:通過(guò)改進(jìn)后的遺傳算法得到當(dāng)前熱電偶溫度所對(duì)應(yīng)的侵蝕邊界的位置； 3.神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型以溫度場(chǎng)計(jì)算模型為基礎(chǔ)，采用B-P神經(jīng)網(wǎng)絡(luò)建立動(dòng)態(tài)侵蝕結(jié)厚 預(yù)測(cè)模型，并與改進(jìn)后的遺傳算法模塊有機(jī)結(jié)合，實(shí)現(xiàn)對(duì)侵蝕狀況、結(jié)厚程度的預(yù)報(bào)。 主要步驟如下
St印1:根據(jù)熱電偶溫度和侵蝕邊界、結(jié)厚交界特征點(diǎn)的對(duì)應(yīng)關(guān)系，選用熱電偶溫 度作為輸入層，節(jié)點(diǎn)數(shù)等于熱電偶的數(shù)量，侵蝕邊界、結(jié)厚交界特征點(diǎn)作為輸出層， 節(jié)點(diǎn)數(shù)取決于特征點(diǎn)的數(shù)量；
Step 2:設(shè)計(jì)若T種侵蝕界面，計(jì)算出與侵蝕界面、結(jié)厚交界相對(duì)應(yīng)的溫度場(chǎng)，提 取熱電偶位置處的溫度與侵蝕邊界、結(jié)厚交界組成若干樣本對(duì)，用生成的樣本庫(kù)對(duì)神 經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；
Step 3:利用改進(jìn)后的遺傳算法模塊得到的最佳染色體制作新樣本對(duì)，周期性更新 樣本庫(kù)，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修正權(quán)值和閾值；
Step 4:利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。 4.高爐爐缸爐底侵蝕、結(jié)厚和熱流監(jiān)測(cè)、預(yù)報(bào)及報(bào)警系統(tǒng)采用VC++6.0進(jìn)行開發(fā)， 以O(shè)RACLE數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)存儲(chǔ)，分為客戶端和后臺(tái)系統(tǒng)兩部分，后臺(tái)系統(tǒng)包括人工 智能系統(tǒng)和熱流強(qiáng)度監(jiān)視報(bào)警系統(tǒng)，實(shí)現(xiàn)無(wú)須人工干預(yù)的全自動(dòng)模式。系統(tǒng)的總體流 程如圖2所示。
(1) 客戶端系統(tǒng)
主要用于將后臺(tái)計(jì)算得到的結(jié)果以圖形、數(shù)據(jù)的形式直觀的顯示給用戶。
(2) 后臺(tái)人工智能系統(tǒng)
Step 1:由爐缸爐底各參數(shù)數(shù)據(jù)進(jìn)行初始化，并初始化連接數(shù)據(jù)庫(kù)，如果數(shù)據(jù)庫(kù)連 接不正常，后臺(tái)系統(tǒng)將無(wú)法啟動(dòng)，系統(tǒng)會(huì)自動(dòng)強(qiáng)制關(guān)閉，并提示用戶重新啟動(dòng)本系統(tǒng); 如果數(shù)據(jù)庫(kù)連接正常，則系統(tǒng)會(huì)自動(dòng)啟動(dòng)后臺(tái)人工智能系統(tǒng)，客戶端則將后臺(tái)系統(tǒng)得 到的數(shù)據(jù)以圖形和數(shù)據(jù)的形式進(jìn)行顯示。
St印2:如圖3所示，后臺(tái)人工智能系統(tǒng)是以改進(jìn)后遺傳算法和BP神經(jīng)網(wǎng)絡(luò)為核心， 溫度場(chǎng)計(jì)算模塊為基礎(chǔ)，并與BP神經(jīng)網(wǎng)絡(luò)構(gòu)成統(tǒng)一的整體，改進(jìn)的遺傳算法模塊得到 的最佳染色體，經(jīng)過(guò)挑選可作為更新BP神經(jīng)網(wǎng)絡(luò)模塊中樣本庫(kù)的新樣本。改進(jìn)后的遺 傳算法模塊與BP神經(jīng)網(wǎng)絡(luò)模塊，既可實(shí)現(xiàn)各自的獨(dú)立功能也可互相協(xié)作，用戶可根據(jù) 需要進(jìn)行功能項(xiàng)選擇。
(3) 后臺(tái)熱流強(qiáng)度監(jiān)視報(bào)警系統(tǒng)如圖5所示，熱流強(qiáng)度監(jiān)視報(bào)警主要以爐缸區(qū)域各塊水箱為對(duì)象，實(shí)時(shí)監(jiān)視每塊 水箱區(qū)域的熱流強(qiáng)度變化，并設(shè)定熱流強(qiáng)度報(bào)警臨界值，當(dāng)某塊水箱的熱流強(qiáng)度超過(guò) 了臨界值，則發(fā)出報(bào)警提示，顯示該區(qū)域的位置。熱流強(qiáng)度的計(jì)算主要以冷卻系統(tǒng)的 水溫差為基礎(chǔ)進(jìn)行計(jì)算，并以圖形、曲線等形式顯示各水箱熱流強(qiáng)度值。
(4) 動(dòng)畫顯示
采用MATLAB與丫。++混合編程，利用MATLAB強(qiáng)大的圖形功能實(shí)現(xiàn)爐缸爐底 侵蝕結(jié)厚三維圖像動(dòng)畫顯示。它使用矩陣數(shù)組描述曲面，并在圓周方向進(jìn)行擬和逼近， 使曲面更加平滑生動(dòng)，將侵蝕結(jié)厚圖像直觀的表現(xiàn)出來(lái)。利用MATLAB引擎可以大大 提高系統(tǒng)效率。
(5) 數(shù)據(jù)通信
對(duì)于現(xiàn)場(chǎng)的檢測(cè)點(diǎn)，采用OPC與下位PLC進(jìn)行通訊，借助自主開發(fā)的OPC客戶 端程序讀出或?qū)懭胂挛籔LC數(shù)據(jù)，并將讀得的實(shí)時(shí)數(shù)據(jù)通過(guò)COM+接口寫入數(shù)據(jù)中間 層。保證實(shí)時(shí)、精確通訊，提高了數(shù)據(jù)通訊效率，并具有良好的通用性和可移植性。
(6) 參數(shù)設(shè)置和歷史査詢 主要進(jìn)行各種參數(shù)的設(shè)置以及歷史數(shù)據(jù)查詢，包括軟件初始化時(shí)高爐爐缸爐底
參數(shù)、算法參數(shù)等的設(shè)置；將歷史計(jì)算結(jié)果進(jìn)行數(shù)據(jù)保存，提供用戶查詢功能。 5.本系統(tǒng)可做為高爐專家系統(tǒng)的子系統(tǒng)，并與專家系統(tǒng)的爐況判斷模塊相結(jié)合，提供 數(shù)據(jù)依據(jù)，協(xié)同專家系統(tǒng)對(duì)異常爐況做出準(zhǔn)確判斷。以爐缸堆積現(xiàn)象的判斷為例，實(shí) 現(xiàn)方法如下首先，根據(jù)高爐專家系統(tǒng)中的爐況判斷模塊對(duì)爐缸狀態(tài)做出趨勢(shì)判斷， 如果判斷出存在爐缸堆積的可能性，則可進(jìn)一步由本系統(tǒng)所得到的侵蝕、結(jié)厚數(shù)據(jù)進(jìn) 行分析確認(rèn)，這樣從定性和定量?jī)蓚€(gè)方面的分析，可確定發(fā)生了爐缸堆積現(xiàn)象。
權(quán)利要求
1. 一種高爐爐缸爐底監(jiān)測(cè)、預(yù)報(bào)、報(bào)警系統(tǒng)，該系統(tǒng)包括在線監(jiān)測(cè)預(yù)報(bào)的硬件和軟件處理模塊，其特征在于在線監(jiān)測(cè)預(yù)報(bào)的硬件由爐缸爐底埋設(shè)的熱電偶和冷卻系統(tǒng)組成，通過(guò)以太網(wǎng)連接高爐生產(chǎn)過(guò)程數(shù)據(jù)庫(kù)；軟件處理模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)有效性判斷模塊、溫度場(chǎng)計(jì)算模塊、改進(jìn)后的遺傳算法模塊、B-P神經(jīng)網(wǎng)絡(luò)模塊、數(shù)據(jù)庫(kù)、等溫線與侵蝕結(jié)厚圖像顯示模塊、三維成像模塊、熱流監(jiān)視報(bào)警模塊、歷史數(shù)據(jù)查詢模塊；軟件處理模塊都運(yùn)行在工控機(jī)上。
2. 根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于溫度場(chǎng)計(jì)算模塊是以傳熱學(xué)為基礎(chǔ)， 采用有限差分的方法進(jìn)行離散，建立柱坐標(biāo)系下的二維穩(wěn)態(tài)和非穩(wěn)態(tài)溫度場(chǎng)模型，以 現(xiàn)場(chǎng)檢測(cè)數(shù)據(jù)為依據(jù)，模型中對(duì)于侵蝕邊界的不斷變化及侵蝕過(guò)程中的結(jié)厚現(xiàn)象進(jìn)行 了系統(tǒng)的模擬計(jì)算，設(shè)計(jì)了動(dòng)態(tài)侵蝕邊界下的溫度場(chǎng)計(jì)算和有結(jié)厚發(fā)生情況下的溫度 場(chǎng)計(jì)算方法。
3. 根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于所述的動(dòng)態(tài)侵蝕邊界下的溫度場(chǎng)計(jì) 算，實(shí)現(xiàn)方法如下(1 )根據(jù)爐型尺寸參數(shù)利用網(wǎng)格自動(dòng)生成模塊得到各節(jié)點(diǎn)信息；(2) 通過(guò)侵蝕邊界上的各特征點(diǎn)的位置，判斷所有網(wǎng)格節(jié)點(diǎn)是否發(fā)生了侵蝕；(3) 對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行離散方程系數(shù)的計(jì)算；(4) 確定各節(jié)點(diǎn)的離散方程，最后聯(lián)立所有節(jié)點(diǎn)的離散方程并求解方程組，得到侵 蝕邊界變化后的溫度場(chǎng)。
4. 根據(jù)權(quán)利要求2或3所述的系統(tǒng)，其特征在于所述的有結(jié)厚發(fā)生情況下的溫 度場(chǎng)計(jì)算方法，是在所述的動(dòng)態(tài)侵蝕邊界溫度場(chǎng)計(jì)算方法的基礎(chǔ)上，對(duì)節(jié)點(diǎn)系數(shù)矩陣 進(jìn)行修正，修正的方法如下(1) 確定結(jié)厚交界的位置；(2) 判斷節(jié)點(diǎn)與結(jié)厚層的位置關(guān)系；(3) 如果當(dāng)前節(jié)點(diǎn)在結(jié)厚層內(nèi)，這樣不僅需要判斷近結(jié)厚交界的情況，也要判斷靠 近原始爐型不同材質(zhì)砌筑交界的情況；(4) 如果當(dāng)前節(jié)點(diǎn)不在結(jié)厚層內(nèi)，則只需要判斷靠近原始爐型不同材質(zhì)砌筑交界的 情況；(5) 對(duì)于近結(jié)厚交界節(jié)點(diǎn)單元四條邊上的導(dǎo)熱系數(shù)需做調(diào)和平均處理。
5. 根據(jù)權(quán)利要求1或2所述的系統(tǒng)，其特征在于改進(jìn)后的遺傳算法模塊以所述 的溫度場(chǎng)計(jì)算模塊為基礎(chǔ)，以實(shí)測(cè)熱電偶溫度數(shù)據(jù)為參照依據(jù)，利用改進(jìn)后的遺傳算 法，建立溫度場(chǎng)"反問(wèn)題"模型，并與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊有機(jī)結(jié)合，提高了運(yùn)算效率。
6. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述的改進(jìn)后的遺傳算法，是在傳 統(tǒng)的遺傳算法基礎(chǔ)上，針對(duì)問(wèn)題本身的特點(diǎn)，使用了一些改進(jìn)方案，具體方法如下(1) 采用實(shí)數(shù)編碼。自變量個(gè)體是動(dòng)態(tài)的侵蝕邊界，經(jīng)過(guò)離散化后，以一個(gè)多元實(shí) 數(shù)向量作為個(gè)體編碼；(2) 交叉操作采用代數(shù)雜交；(3) 變異操作采用基于"變尺度"動(dòng)態(tài)代數(shù)變異；(4) 適應(yīng)度函數(shù)的設(shè)計(jì)采用溫度區(qū)間編碼的方式，區(qū)別于通常的求極值的方法。
7. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述的溫度場(chǎng)"反問(wèn)題"模型，是 利用遺傳算法的全局優(yōu)化特性，以埋設(shè)于爐缸爐底磚襯內(nèi)的熱電偶溫度做為參照條件, 反算出所對(duì)應(yīng)的侵蝕邊界的位置。
8. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述的溫度場(chǎng)"反問(wèn)題"模型與神 經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊有機(jī)結(jié)合，方法如下(1) 以爐缸爐底當(dāng)前熱電偶溫度輸入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊；(2) 由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到侵蝕邊界離散點(diǎn)數(shù)據(jù)，作為改進(jìn)后的遺傳算法初 始化種群中的一個(gè)優(yōu)良個(gè)體，以提高進(jìn)化的速度；(3) 通過(guò)改進(jìn)后的遺傳算法得到當(dāng)前熱電偶溫度所對(duì)應(yīng)的侵蝕邊界的位置。
9. 根據(jù)權(quán)利要求1或2所述的系統(tǒng)，其特征在于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊是以溫度場(chǎng) 計(jì)算模塊為基礎(chǔ)，采用B-P神經(jīng)網(wǎng)絡(luò)建立動(dòng)態(tài)侵蝕結(jié)厚預(yù)測(cè)模型，并與改進(jìn)后的遺傳 算法模塊有機(jī)結(jié)合，實(shí)現(xiàn)對(duì)侵蝕狀況、結(jié)厚程度的預(yù)報(bào)，步驟如下-(1) 根據(jù)熱電偶溫度和侵蝕邊界、結(jié)厚交界特征點(diǎn)的對(duì)應(yīng)關(guān)系，選用熱電偶溫度作 為輸入層，節(jié)點(diǎn)數(shù)等于熱電偶的數(shù)量，侵蝕邊界、結(jié)厚交界特征點(diǎn)作為輸出層，節(jié)點(diǎn) 數(shù)取決于特征點(diǎn)的數(shù)量；(2) 設(shè)計(jì)若干種侵蝕界面，計(jì)算出與侵蝕界面、結(jié)厚交界相對(duì)應(yīng)的溫度場(chǎng)，提取熱 電偶位置處的溫度與侵蝕邊界、結(jié)厚交界組成若干樣本對(duì)，用生成的樣本庫(kù)對(duì)神經(jīng)網(wǎng) 絡(luò)模型進(jìn)行訓(xùn)練；(3) 利用改進(jìn)后的遺傳算法模塊得到的最佳染色體制作新樣本對(duì)，周期性更新樣本 庫(kù)，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修正權(quán)值和閾值；(4) 利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。
10. 根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于全自動(dòng)智能化系統(tǒng)分為客戶端和 后臺(tái)系統(tǒng)兩部分，客戶端主要用于將后臺(tái)計(jì)算得到的結(jié)果以圖形、數(shù)據(jù)的形式直觀的 顯示給用戶；后臺(tái)系統(tǒng)包括人工智能系統(tǒng)和熱流強(qiáng)度監(jiān)視報(bào)警系統(tǒng)。后臺(tái)人工智能系 統(tǒng)是以溫度場(chǎng)計(jì)算模塊、改進(jìn)后的遺傳算法模塊和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊為核心的智能 系統(tǒng)，其中改進(jìn)后的遺傳算法模塊與BP神經(jīng)網(wǎng)絡(luò)模塊有機(jī)結(jié)合，構(gòu)成統(tǒng)一的整體。
全文摘要
一種高爐爐缸爐底監(jiān)測(cè)、預(yù)報(bào)、報(bào)警系統(tǒng)，屬于高爐長(zhǎng)壽技術(shù)領(lǐng)域。該系統(tǒng)包括在線監(jiān)測(cè)預(yù)報(bào)的硬件和軟件處理模塊；在線監(jiān)測(cè)預(yù)報(bào)的硬件由爐缸爐底埋設(shè)的熱電偶和冷卻系統(tǒng)組成，通過(guò)以太網(wǎng)連接高爐生產(chǎn)過(guò)程數(shù)據(jù)庫(kù)；軟件處理模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)有效性判斷模塊、溫度場(chǎng)計(jì)算模塊、改進(jìn)后的遺傳算法模塊、B-P神經(jīng)網(wǎng)絡(luò)模塊、數(shù)據(jù)庫(kù)、等溫線與侵蝕結(jié)厚圖像顯示模塊、三維成像模塊、熱流監(jiān)視報(bào)警模塊、歷史數(shù)據(jù)查詢模塊；軟件處理模塊都運(yùn)行在工控機(jī)上。優(yōu)點(diǎn)在于，投資少、可靠直觀，為高爐冶煉過(guò)程中爐缸爐底侵蝕結(jié)厚狀況提供了客觀、量化的依據(jù)，幫助高爐操作者及時(shí)了解爐缸爐底的狀況并采取有效護(hù)爐措施，延長(zhǎng)高爐使用壽命。
文檔編號(hào)C21B7/24GK101457268SQ20091007613
公開日2009年6月17日 申請(qǐng)日期2009年1月7日 優(yōu)先權(quán)日2009年1月7日
發(fā)明者劉云彩, 周檢平, 王洪庚, 胡丕俊, 馬富濤, 齊樹森 申請(qǐng)人:北京首鋼自動(dòng)化信息技術(shù)有限公司