本發(fā)明涉及一種建設(shè)模方法，具體涉及一種轉(zhuǎn)爐干法除塵系統(tǒng)的在線建模方法。

背景技術(shù)：

轉(zhuǎn)爐煤氣干法凈化回收技術(shù)目前已廣泛應(yīng)用于大型轉(zhuǎn)爐煉鋼工藝，與濕法凈化回收技術(shù)相比，它具有回收煤氣量大、除塵效率高、環(huán)境污染小、節(jié)能效果明顯、經(jīng)濟(jì)和社會(huì)效益顯著等特點(diǎn)，因此具有廣闊的應(yīng)用發(fā)展前景。為了滿足我國(guó)社會(huì)和經(jīng)濟(jì)可持續(xù)發(fā)展對(duì)節(jié)能環(huán)保提出的要求，此項(xiàng)技術(shù)已被列為鋼鐵行業(yè)重點(diǎn)推廣技術(shù)。干法除塵的核心是除塵系統(tǒng)的煙氣溫度和濕度控制，如果蒸發(fā)冷卻器出口煙氣溫度太高，粉塵比電阻升高，直接影響到電除塵器的除塵效率；如果蒸發(fā)冷卻器出口溫度太低，在捕集粗顆粒粉塵的同時(shí)容易產(chǎn)生濕底、掛壁現(xiàn)象，增大蒸發(fā)冷卻器輸灰系統(tǒng)維護(hù)量，嚴(yán)重時(shí)影響轉(zhuǎn)爐生產(chǎn)，且溫度太低的煙氣進(jìn)入靜電除塵器會(huì)引起結(jié)露，結(jié)露就會(huì)引起殼體腐蝕或高壓爬電；蒸發(fā)冷卻器的溫度控制系統(tǒng)不僅關(guān)系到轉(zhuǎn)爐一次除塵效果同時(shí)也關(guān)系到轉(zhuǎn)爐正常生產(chǎn)的順利進(jìn)行。干法除塵系統(tǒng)采用雙流噴嘴噴水霧化方式來(lái)給煙氣降溫；在干法除塵的控制過程中，目前現(xiàn)場(chǎng)大多采用串級(jí)的pid控制,但是控制效果并不理想，考慮到轉(zhuǎn)爐煙氣干法除塵系統(tǒng)大慣性、純滯后、非線性、時(shí)變性的特點(diǎn)，能否快速準(zhǔn)確地模擬和預(yù)測(cè)出除塵系統(tǒng)的運(yùn)行工況，是對(duì)除塵系統(tǒng)溫度和濕度進(jìn)行準(zhǔn)確控制的關(guān)鍵，普通的預(yù)測(cè)控制方法很難滿足控制要求。因此，迫切的需要一種新的方案解決上述技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述存在的問題，本發(fā)明公開了一種轉(zhuǎn)爐干法除塵系統(tǒng)的在線建模方法，該方法克服了現(xiàn)有技術(shù)中存在的問題，提高了控制精度，控制效果非常理想。

為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下，一種轉(zhuǎn)爐干法除塵系統(tǒng)的在線建模方法，其特征在于,所述方法包括以下步驟：1)、建立干法除塵系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)庫(kù)，建立系統(tǒng)的輸入輸出過程模型；2)以干法除塵系統(tǒng)實(shí)時(shí)過程運(yùn)行數(shù)據(jù)集合為基礎(chǔ)，建立離散的支持向量回歸機(jī)預(yù)測(cè)模型：其中：y(k)為系統(tǒng)輸出，u(k)為系統(tǒng)輸入，f(·)為具有類似svr結(jié)構(gòu)的非線性函數(shù)，svr的形式為其中，(ai和為拉格朗日乘子，k(xi,x)為徑向基核函數(shù))；n和m為輸出信號(hào)和控制信號(hào)對(duì)控制系統(tǒng)輸出的最大影響時(shí)域長(zhǎng)度，s.t.umin＜u＜umax為控制量輸出范圍。將其改寫為如下的svr形式：

其中：ym(k+1)為k+1步模型預(yù)測(cè)輸出；nsv為支持向量的個(gè)數(shù)；ii為第i個(gè)支持向量，b為偏移量，iii(k)為兩個(gè)向量的內(nèi)積，i(k)表示為

i(k)＝[y(k),y(k-1),…y(k-n+1),u(k),u(k-1),…,u(k-m+1)](3)

將式(3)代入式(2)得如下式所示的形式：

ym(k+1)＝au²(k)+bu(k)+c(4)

其中，

系數(shù)a，b，c均由上述計(jì)算獲得；

步驟2)采用簡(jiǎn)化粒子群算法對(duì)模型參數(shù)γ進(jìn)行實(shí)時(shí)優(yōu)化，具體方法如下：

21)粒子群的初始化，本發(fā)明中采用全零初始化。

22)確定目標(biāo)函數(shù)，一般情況下，要快速跟蹤給定軌跡并且超調(diào)量盡可能小，控制量盡可能平滑，可以采用式(5)二次目標(biāo)函數(shù)；

式中：yi,p(k+j)＝y(tǒng)i,m(k+j)+ei(k)

ei(k)＝y(tǒng)i(k)-yi,m

n，m為輸入輸出維數(shù)，p為預(yù)測(cè)時(shí)域，qi為誤差系數(shù)，ri為控制系數(shù)，yi,d控制參考軌跡，yi,m模型預(yù)測(cè)值有預(yù)測(cè)模型求得，yi,p誤差修正后的預(yù)測(cè)值，ei預(yù)測(cè)誤差；

3)將每個(gè)粒子的位子向量依次作為支持向量回歸機(jī)的核函數(shù)參數(shù)γ，按式(5)計(jì)算其適應(yīng)度值，如果達(dá)到最大迭代次數(shù)maxdt，則轉(zhuǎn)向步驟6)；

4)利用式(5)計(jì)算各粒子的當(dāng)前適應(yīng)度值，比較各粒子當(dāng)前適應(yīng)度值與其本身最好適應(yīng)度值p0，若前者優(yōu)于后者，則p0設(shè)置為新值；再比較各粒子的當(dāng)前適應(yīng)度值與群的最優(yōu)適應(yīng)度值pg，若前者優(yōu)于后者，則pg設(shè)置為新值；

5)粒子的位置和權(quán)值的更新：將粒子按下式更新，

w＝wmax-(wmax-wmin)*t/(maxdt)^2(6)

其中：下標(biāo)t表示粒子進(jìn)化的當(dāng)前次數(shù)，w表示慣性權(quán)值，wmax和wmin為最大權(quán)值和最小權(quán)值，粒子群進(jìn)化的最大迭代次數(shù)maxdt，為第t+1次迭代時(shí)第i個(gè)粒子在第d維的位子，c1和c2為學(xué)習(xí)因子，r1和r2為介于(0，1)間的隨機(jī)數(shù)，p0為粒子搜索的當(dāng)前最優(yōu)粒子的適應(yīng)度值，pg為粒子搜索的全局最優(yōu)粒子的適應(yīng)度值；

6)判斷粒子的更新次數(shù)是否達(dá)到最大迭代次數(shù)maxdt，若滿足則算法終止，此時(shí)粒子的最優(yōu)適應(yīng)度值為pg，并輸出該粒子的位置向量，該粒子的位子向量即為svr參數(shù)γ的最佳值，否則轉(zhuǎn)至步驟2)所述。

作為本發(fā)明的一種改建,所述步驟1)中，建立干法除塵系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)庫(kù)，具體如下，實(shí)時(shí)運(yùn)行數(shù)據(jù)庫(kù)包括系統(tǒng)的實(shí)時(shí)輸入數(shù)據(jù)和實(shí)時(shí)輸出數(shù)據(jù)，輸入數(shù)據(jù)包括蒸發(fā)冷卻器入口溫度x1、煙氣流量x2、噴槍內(nèi)蒸汽壓力x3、雙流噴嘴閥門的開度x4，輸出數(shù)據(jù)包括蒸發(fā)冷卻器的出口溫度y1、出口濕度y2、電除塵器的入口溫度y3、入口濕度y4。通過scada系統(tǒng)采集n組實(shí)時(shí)過程運(yùn)行數(shù)據(jù)，將采集的實(shí)時(shí)過程運(yùn)行數(shù)據(jù)作為數(shù)據(jù)驅(qū)動(dòng)的樣本集合，表示為i＝1,2,3,4.j＝1,2,…n，xij表示輸入變量xi第j組系統(tǒng)輸入數(shù)據(jù)，yij表示輸出變量yi第j組系統(tǒng)輸出數(shù)據(jù)；設(shè)干法除塵系統(tǒng)有p＝4個(gè)輸入控制量，r＝4個(gè)輸出變量。

相對(duì)于現(xiàn)有技術(shù)，本發(fā)明的優(yōu)點(diǎn)如下，整個(gè)技術(shù)方案設(shè)計(jì)巧妙，克服了現(xiàn)有技術(shù)中存在的缺陷，提高了控制精度。

附圖說(shuō)明

圖1本發(fā)明采用的方法流程圖；

圖2轉(zhuǎn)爐干法除塵系統(tǒng)的示意圖。

圖中：1、轉(zhuǎn)爐，2、汽化冷卻煙道，3、蒸發(fā)冷卻器，4、電除塵器，5、主引風(fēng)機(jī)，6、放散煙囪，7、放散側(cè)鐘形閥，8、回收側(cè)鐘形閥，9、眼睛閥，10、煤氣冷去器，11、粗粉塵倉(cāng)，12、細(xì)粉塵倉(cāng)，13、煤氣柜。

具體實(shí)施方式

為了加深對(duì)本發(fā)明的認(rèn)識(shí)和理解，下面結(jié)合附圖和具體實(shí)施方式，進(jìn)一步闡明本發(fā)明。

實(shí)施例1：本實(shí)施例選用一個(gè)鋼鐵廠的轉(zhuǎn)爐干法除塵系統(tǒng)，如圖1，建立以該系統(tǒng)的雙流噴嘴的閥門開度，蒸汽壓力，蒸發(fā)冷卻器入口溫度輸入控制變量，以蒸發(fā)冷卻器出口溫度，電除塵器入口溫濕度為輸出的支持向量回歸機(jī)的預(yù)測(cè)模型，選用簡(jiǎn)化的粒子群算法對(duì)核函數(shù)的參數(shù)進(jìn)行優(yōu)化。該除塵系統(tǒng)有p＝4個(gè)輸入變量，r＝4個(gè)輸出變量。

根據(jù)干法除塵系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)建立系統(tǒng)的支持向量回歸機(jī)預(yù)測(cè)模型，具體方法為：

1)建立該干法除塵系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)庫(kù)。實(shí)時(shí)運(yùn)行數(shù)據(jù)庫(kù)包括系統(tǒng)的實(shí)時(shí)輸入數(shù)據(jù)和實(shí)時(shí)輸出數(shù)據(jù)，輸入數(shù)據(jù)包括蒸發(fā)冷卻器入口溫度、煙氣流量、噴槍內(nèi)蒸汽壓力、雙流噴嘴閥門的開度，輸出數(shù)據(jù)包括蒸發(fā)冷卻器的出口溫度、出口濕度、電除塵器的入口溫度、入口濕度。通過scada系統(tǒng)采集n組實(shí)時(shí)過程運(yùn)行數(shù)據(jù)，將采集的實(shí)時(shí)過程運(yùn)行數(shù)據(jù)作為數(shù)據(jù)驅(qū)動(dòng)的樣本集合，表示為i＝1,2,3,4；j＝1,2…,n，xij表示輸入變量xi第j組系統(tǒng)輸入數(shù)據(jù)，yij表示輸出變量yi第j組系統(tǒng)輸出數(shù)據(jù)；

2)以干法除塵系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)集合為基礎(chǔ)，建立離散的支持向量回歸機(jī)預(yù)測(cè)模型，

y(k+1)＝f(y(k),y(k+1),…y(k-n+1),

u(k),u(k-1),…u(k-m+1)),

s.t.umin＜u＜umax.

其中：y(k)為系統(tǒng)輸出，u(k)為系統(tǒng)輸入，f(·)為具有類似svr結(jié)構(gòu)的非線性函數(shù)，svr的形式為其中，ai和為拉格朗日乘子，k(xi,x)為徑向基核函數(shù)；n和m為輸出信號(hào)和控制信號(hào)對(duì)控制系統(tǒng)輸出的最大影響時(shí)域長(zhǎng)度，s.t.umin＜u＜umax為控制量輸出范圍。將其改寫為如下的svr形式：

其中：ym(k+1)為k+1步模型預(yù)測(cè)輸出；nsv為支持向量的個(gè)數(shù)；ii為第i個(gè)支持向量，ai為ii對(duì)應(yīng)的權(quán)重系數(shù)，b為偏移量，iii(k)為兩個(gè)向量的內(nèi)積，i(k)表示為

i(k)＝[y(k),y(k-1),…y(k-n+1),u(k),u(k-1),…,u(k-m+1)]

將式(3)代入式(2)得如下式所示的形式：

ym(k+1)＝au²(k)+bu(k)+c

其中，

系數(shù)a，b，c均由計(jì)算獲得。

步驟(2)采用簡(jiǎn)化的粒子群算法對(duì)模型參數(shù)γ進(jìn)行實(shí)時(shí)優(yōu)化，具體方法入下：

21)粒子群的初始化，本發(fā)明中采用全零初始化。

22)確定目標(biāo)函數(shù)，一般情況下，要快速跟蹤給定軌跡并且超調(diào)量盡可能小，控制量盡可能平滑，可以采用式(5)二次目標(biāo)函數(shù)；

式中：yi,p(k+j)＝y(tǒng)i,m(k+j)+ei(k)

ei(k)＝y(tǒng)i(k)-yi,m

n，m為輸入輸出維數(shù)，p為預(yù)測(cè)時(shí)域，qi為誤差系數(shù)，ri為控制系數(shù)，yi,d控制參考軌跡，yi,m模型預(yù)測(cè)值有預(yù)測(cè)模型求得，yi,p誤差修正后的預(yù)測(cè)值，ei預(yù)測(cè)誤差；

3)將每個(gè)粒子的位子向量依次作為支持向量回歸機(jī)的核函數(shù)參數(shù)γ，按式(5)計(jì)算其適應(yīng)度值，如果達(dá)到最大迭代次數(shù)，則轉(zhuǎn)向步驟6)。

4)利用式(5)計(jì)算各粒子的當(dāng)前適應(yīng)度值，比較各粒子當(dāng)前適應(yīng)度值與其本身最好適應(yīng)度值p0，若前者優(yōu)于后者，則p0設(shè)置為新值；再比較各粒子的當(dāng)前適應(yīng)度值與群的最優(yōu)適應(yīng)度值pg，若前者優(yōu)于后者，則pg設(shè)置為新值。

5)粒子的位置和權(quán)值的更新：將粒子按下式更新，

w＝wmax-(wmax-wmin)*t/(maxdt)^2

其中：下標(biāo)t表示粒子進(jìn)化的當(dāng)前次數(shù)，w表示慣性權(quán)值，wmax和wmin為最大權(quán)值和最小權(quán)值，示粒子群進(jìn)化的最大迭代次數(shù)maxdt＝30，為第t+1次迭代時(shí)第i個(gè)粒子在第d維的位子，c1和c2為學(xué)習(xí)因子c1＝c2＝1.5，r1和r2為介于(0，1)間的隨機(jī)數(shù)，p0為粒子搜索的當(dāng)前最優(yōu)位子的適應(yīng)度值，pg為粒子搜索的全局最優(yōu)位子適應(yīng)度值。

6)判斷粒子的更新次數(shù)是否達(dá)到最大迭代次數(shù)maxdt＝30，若滿足則算法終止，此時(shí)粒子的最優(yōu)適應(yīng)度值為pg，并輸出該粒子的位置向量，該粒子的位子向量即為svr參數(shù)γ的最佳值，否則轉(zhuǎn)至步驟2)所述。

需要說(shuō)明的是，上述實(shí)施例僅僅是本發(fā)明的較佳實(shí)施例，并沒有用來(lái)限定本發(fā)明的保護(hù)范圍，在上述技術(shù)方案的基礎(chǔ)上作出的等同替換或者替代，均屬于本發(fā)明的保護(hù)范圍。