高炉炉温预报技术研究进展

合集下载

基于大数据的高炉炉温监测预警系统

基于大数据的高炉炉温监测预警系统随着信息技术的不断发展，大数据技术在各个领域的应用越来越广泛。

高炉炉温监测预警系统作为其中的一个应用，受到了越来越多企业的关注和重视。

本文将从系统架构、数据采集、数据处理和应用效果等方面进行探讨，以探究基于大数据的高炉炉温监测预警系统的优势和应用前景。

一、系统架构基于大数据的高炉炉温监测预警系统的架构可以分为数据采集层、数据存储层、数据处理层和应用展示层。

在数据采集层，通过传感器等设备采集高炉炉温相关数据。

数据存储层采用高性能的数据库，存储采集到的数据。

数据处理层采用大数据分析技术，对数据进行处理和分析，提取有用信息。

应用展示层通过可视化界面向用户展示分析结果和预警信息。

二、数据采集高炉炉温监测预警系统通过传感器等设备实时采集高炉炉温相关数据。

传感器可以部署在高炉不同位置，以获取全面的温度信息。

传感器将采集到的数据通过数据采集模块上传至数据存储层，保证数据的实时性和准确性。

三、数据处理数据处理是基于大数据的高炉炉温监测预警系统的核心环节。

通过大数据处理技术，系统可以对海量的数据进行快速处理和分析。

首先，数据清洗和去噪，最大化保证数据的质量和准确性。

然后，采用机器学习和深度学习等算法，进行数据挖掘和分析，提取出高炉炉温异常预警指标。

最后，通过模型训练和优化，建立高炉炉温预测模型，实现对高炉炉温的准确预测和预警。

四、应用效果基于大数据的高炉炉温监测预警系统的应用效果显著。

首先，系统可以及时发现高炉炉温异常情况，预警信息能够在事故发生前给予操作人员提醒，避免事故的发生。

其次，通过数据分析和挖掘，系统可以找出高炉炉温异常的原因和趋势，为企业提供科学决策依据，提高高炉的生产效率和运行稳定性。

此外，系统还可以实现对高炉炉温的精确控制，提高产品质量和能源利用效率，降低生产成本。

五、应用前景基于大数据的高炉炉温监测预警系统在钢铁行业具有广阔的应用前景。

随着我国钢铁产能的不断扩大，高炉的运行管理变得愈发复杂，预防事故和提高生产效率成为企业亟需解决的问题。

基于非参数回归的高炉炉温预测控制模型研究的开题报告

基于非参数回归的高炉炉温预测控制模型研究的开题报告一、研究背景高炉炉温是衡量一座高炉生产效率的重要指标，其变化将影响到高炉内部的热流、物流和化学反应过程，进而影响到炉渣质量、炉料利用率和炉内出铁质量等生产关键指标。

因此，对高炉炉温进行准确预测和及时控制，具有极为重要的现实意义和经济价值。

传统的炉温预测和控制方法主要是基于数理模型的建立和仿真。

但由于高炉内部的复杂性和不确定性，纯粹的数理模型往往难以满足实际生产的需要。

近年来，随着数据挖掘、机器学习等技术的发展，基于数据建模的方法成为了炉温预测和控制研究的热点之一。

非参数回归方法是近年来发展较快的一类数据建模方法，其能够在不预先假设数据分布的情况下，从数据中学习出一个最优的函数拟合模型。

该方法在工业过程建模和控制领域中得到了广泛的应用，但在高炉炉温预测和控制方面的应用还比较少。

因此，本研究将探索使用基于非参数回归的方法进行高炉炉温预测和控制的可行性，并且尝试在该方法的基础上，进一步将其与传统的控制方法相结合，得到更加优化和高效的炉温控制策略。

二、研究目的和意义本研究的主要目的是探索使用基于非参数回归的方法，对高炉炉温进行准确预测和及时控制的可行性，并且进一步研究将该方法与传统的控制方法相结合，优化高炉炉温控制的方案和策略。

此外，本研究还将从以下几个方面具有一定的理论和实际价值：1.提高高炉炉温预测和控制的精度和效率，提升高炉生产效率和质量。

2.拓展非参数回归方法在工业过程建模和控制领域的应用，为该领域的发展做出贡献。

3.丰富高炉炉温预测和控制的研究方法，并且为其他相关工业过程的建模和控制提供参考。

三、研究内容和方法本研究的主要研究内容包括：1.高炉炉温数据的采集和处理，建立高炉炉温的非参数回归预测模型。

2.针对高炉内部复杂的热流、物流和化学反应过程，基于高炉炉温的监控和反馈控制，提出一种高炉炉温控制策略。

3.分别针对上下炉温的控制问题，分析不同的控制模型及其控制效果，在考虑控制延迟、噪声干扰等现实问题的情况下，寻求更适合高炉炉温控制的最佳控制方案。

监测高炉炉缸温度变化过程的研究

《监测高炉炉缸温度变化过程的研究》摘要：近十年来，高炉炉缸炉底是决定高炉一代寿命的限制性关键环节，及时了解和控制炉缸炉底的侵蚀情况非常重要，（1）以分钟时间间隔采集、记录高炉炉缸各温度检测点的瞬时值，通过数据预处理并建立相关的历史数据库，五是提高炮泥质量，稳定铁口操作，适当做深铁口叶小雷周密摘要：目前，一般操作工人用传统的看、听方法来观察判断高炉炉壳是否发红、鼓包和漏风，发现问题及时采取措施补救，显然这种方法是比较落后的。

侧壁存在气隙和铁水环流加剧造成的。

通過采取降低冶强，休风堵风口，优化炉外、内操业和钻孔灌浆等措施，成功地解决了炉缸侧壁高的问题。

关键词：监测高炉炉缸温度；变化近十年来，高炉炉缸炉底是决定高炉一代寿命的限制性关键环节，及时了解和控制炉缸炉底的侵蚀情况非常重要。

因此，为了避免炉缸炉底发生严重侵蚀甚至烧穿等重大事故，开发高炉炉缸炉底炉衬侵蚀状态判断的软件是非常有必要的。

1 常用高炉炉衬侵蚀情况的检测方法1.1 热电偶法在炉体的不同高度和同一高度的不同位置安放足够数量的测温元件，每个测温元件由长度不等的一组热电偶组成，第一支热电偶伸到炉衬前端。

在高炉生产过程中，用最前端的热电偶测量炉内温度及其变化，并通过测温元件各支热电偶的温度测量值，用传热模型在线辨识和修正导热系数。

当前端热电偶损坏后，通过后面几支热电偶测量的温度用传热反问题的方法求解出炉衬前端的温度。

每个测温元件的前端热电偶损坏时，其埋人炉衬的长度即为该处炉衬的残存厚度。

根据专家经验，判断出此处的炉衬损坏程度，采取相应措施进行处理。

1.2 电阻法炉衬测厚1.2.1 断路型电阻测厚元件。

由保护层、连接线路、引线和若干个按一定距离排列的并联电阻所组成，它适用于炉身部位厚度测量，随着炉衬不断被侵蚀，前端的电阻将断路损坏，而使元件的总电阻增大。

1.2.2 短路型电阻测厚元件。

由若干个按一定距离排列的电阻所组成，它适用于炉缸部位厚度测量。

随着炉衬不断被侵蚀，元件前端将被铁水熔蚀掉，铁水将成为导电回路的一部分，元件的总电阻也随之减少。

5 高炉炉温预测及其控制

高炉炉温预测及其控制国宏伟北京科技大学2012-01-10IV：渣皮或炉墙结厚气流炉料V：直接还原变化VI：死料柱VII：操作参数VIII：渣、铁管理；炉缸工作状况备注控制目标天气冷热人的胖瘦隶属函数参数化三角形隶属函数梯形隶属函数高斯形隶属函数一般钟形隶属函数⎪⎪⎩⎪⎪⎨⎧≤≤≤≤≤≤=−−−−xccxbbxaaxcbaxtrigbcxcabax),,;(⎪⎪⎪⎩⎪⎪⎪⎨⎧≤≤≤≤≤≤≤≤=−−−−xddxccxbbxaaxdcbaxTrapcdxdabax1),,,,(的宽度。

决定的中心；代表MFMFcecxgcx),;(2)(21σσσ−−=bcxcbaxbell211),,;(−+=Trig(x;20,60,80)Trap(x;10,20,60,90) g(x;50,20)bell(x:20,4,50)模糊集合的运算和隶属函数的参数化包含或子集：并（析取）交（合取）补（负）)()(xxBA BAμμ≤↔⊆)()())(),(max(xxxxBACBABACμμμμμ∨==∪=BABACxxBACμμμμμ∧==∩=))(),(min()(1)(,xxAAAAAμμ−=−或非模糊推理1. 单个前提单个规则:B y B y then A x if A x ′′是结果（结论）是是（规则）前提是（事实）前提 , 2 1复合运算）（min max )( )())]()(([)]()()([)(−∧=∧∧∨=∧∧∨=′′′y y x x y x x y B B A A x B A A xB μωμμμμμμμC z C then B y A x if B y A x ′′′是结果（结论）是是和是）（规则前提是是（事实）前提 Z , 1 2, 12. 多前提单规则。

钢铁企业高炉——转炉区段铁水温降研究的开题报告

钢铁企业高炉——转炉区段铁水温降研究的开题报告一、研究背景和意义随着我国制造业的快速发展，钢铁产业作为其重要的支撑力量之一，在国民经济中具有不可替代的地位。

高炉——转炉冶炼是现代钢铁生产的核心流程，而铁水温度作为该流程中的关键参数之一，直接影响钢铁品质和生产效率。

因此，对于高炉——转炉区段铁水温降的研究，具有重要的实际意义和理论价值。

在实际生产过程中，高炉——转炉区段铁水温降的原因复杂，有多种因素共同作用。

其中，包括原料质量、高炉操作水平、转炉操作水平等因素。

针对这些因素，开展科学的研究和探索，对于优化生产工艺、提高生产效率、降低能耗具有重要的意义。

二、研究内容和方法本研究将重点研究高炉——转炉区段铁水温降的原因和机理，并提出相应的解决措施。

1. 高炉——转炉区段铁水温降的原因和机理研究本研究将通过对高炉——转炉冶炼中铁水温度变化的监测和分析，探讨造成铁水温度降低的因素、其机理和作用方式。

其中，包括原料质量、高炉操作水平、转炉操作水平等因素。

通过对这些因素的关联性和作用机理的分析，找出造成铁水温度降低的主要因素和关键因素。

2. 高炉——转炉区段铁水温降的解决措施研究本研究将基于以上对铁水温度变化原因和机理的分析，提出相应的解决措施。

包括对原料质量的控制、高炉操作水平的调整、转炉操作水平的优化等方面的措施。

3. 主要研究方法本研究将采用理论分析和实验研究相结合的方法，应用现代测试仪器和分析手段进行高炉——转炉区段铁水温度的监测和分析，探索铁水温度变化的原因和机理，并提出相应的解决措施。

三、预期成果本研究主要预期达成以下成果：1. 确定造成高炉——转炉区段铁水温度降低的主要因素和关键因素。

2. 提出针对这些因素的相应的解决措施。

3. 优化生产工艺，提高生产效率，降低能耗。

4. 为其他行业的生产过程提供借鉴和参考。

四、研究计划和进度安排本研究的时间安排如下：1. 第一阶段（2个月）：调查和分析高炉——转炉区段铁水温度变化的原因和机理，并根据调查和分析结果提出相应的解决措施。

基于时间序列的神经网络高炉炉温预测

第３９卷
第５期冶金源自自动化Ｖｏ１．３９Ｎｏ．５．ｐ１５—２１
Ｓｅｐｔｅｍｂｅｒ２０１５
２０１５年９月
ＭｅｔａｌｌｕｒｇｉｃａｌＩｎｄｕｓｔｒｙＡｕｔｏｍａｔｉｏｎ
文献标志码：Ａ文章编号：１０００ — ７０５９（２０１５）０５－００１５－０７
Ｐｒｅｄｉｃｔｉｏｎｏｆｂｌａｓｔｆｕｒｎａｃｅｔｅｍｐｅｒａｔｕｒｅｕｓｉｎｇｎｅｕｒａｌｎｅｔｗｏｒｋｂａｓｅｄｏｎｔｉｍｅｓｅｒｉｅｓ
ａｓｗｅｌｌａｓｔｈｅｔｅｍｐｅｒａｔｕｒｅｏｆｈｏｔｍｅｔａｌ，ａＢＦｔｅｍｐｅｒａｔｕｒｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｄｏｕｂｌｅ－ｏｕｔｐｕｔ
ｄｕｃｉｎｇ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅＢＦｔｅｍｐｅｒａｔｕｒｅａｎｄｔｈｅｓｉｌｉｃｏｎｃｏｎｔｅｎｔｏｆｈｏｔｍｅｔａｌ
ｐｌａｎｔ，ａｎｄｔｈｅｓｉｌｉｃｏｎｃｏｎｔｅｎｔｏｆｈｏｔｍｅｔａｌａｎｄｔｈｅｈｏｔｍｅｔａｌｔｅｍｐｅｒａｔｕｒｅａｒｅｐｒｅｄｉｃｔｅｄａｔｔｈｅｓａｍｅ

基于知识与数据相结合的高炉炉温融合预测

引用格式：古志远, 吕东澔, 李向丽, 等. 基于知识与数据相结合的高炉炉温融合预测[J]. 中国测试，2024, 50(3): 19-28. GU Zhiyuan, LÜ Donghao, LI Xiangli, et al. Fusion prediction of blast furnace temperature based on combination of knowledge and data[J]. China Measurement & Test, 2024, 50(3): 19-28. DOI: 10.11857/j.issn.1674-5124.2021120183基于知识与数据相结合的高炉炉温融合预测古志远1，吕东澔1，李向丽2，张勇1，代学冬1(1. 内蒙古科技大学，内蒙古包头 014010; 2. 常熟理工学院电气与自动化工程学院，江苏苏州 215500)摘　要: 针对复杂高炉冶炼过程具有大滞后等特点，为提高高炉炉温预测精度，提出一种经验知识与数据相结合的炉温融合预测方法。

首先，根据高炉经验知识，分析各变量在高炉内的滞后关系，以及在滞后时间内停留在高炉内部形成的累积关系，累积量对当前炉温造成的影响。

通过累积量进行相关性分析，合理地确定输入变量。

然后，将铁水温度与铁水硅含量融合来更好地表征炉温。

最后，通过神经网络利用累积量作为输入建立经验知识与数据相结合的高炉炉温融合预测模型。

实验中使用某钢厂高炉生产数据进行仿真，结果表明累积量模型具有良好的性能，可为高炉炉温预测提供新思路。

关键词: 高炉炼铁; 经验知识; 神经网络; 高炉炉温中图分类号: TP391;TB9文献标志码: A文章编号: 1674–5124(2024)03–0019–10Fusion prediction of blast furnace temperature based on combinationof knowledge and dataGU Zhiyuan 1, LÜ Donghao 1, LI Xiangli 2, ZHANG Yong 1, DAI Xuedong 1(1. Inner Mongolia University of Science and Technology, Baotou 014010, China; 2. School of Electrical andAutomation Engineering, Changshu Institute of Technology, Suzhou 215500, China)Abstract : In view of the large lag in the complex blast furnace smelting process, in order to improve the accuracy of blast furnace temperature prediction, a furnace temperature fusion prediction method combining empirical knowledge and data was proposed. First, this paper analyzed experience of the blast furnace,obtained the hysteresis relationship of each variable in the blast furnace and each variable had a cumulative relationship within the lag time in the blast furnace, and the accumulations affected the current blast furnace temperature. Selecting the input variable reasonably by correlation analysis of the accumulations of each variable. Then a method of fusing the temperature of the molten iron with the silicon content of the molten iron was proposed to better characterize the temperature of the blast furnace. Finally, based on combining knowledge of experience and data, a neural network was used to establish the fusion model for prediction of the blast furnace temperature by accumulations as inputs. In the experiment, the data came from blast furnace收稿日期: 2021-12-29；收到修改稿日期: 2022-02-27基金项目: 国家自然科学基金资助项目(61763038，61763039，61803049)；内蒙古自然科学基金项目(2019BS06004，2020LH06006)作者简介: 古志远（1995-），男，河南焦作市人，硕士研究生，专业方向为高炉炉温的建模与控制。

高炉炼铁焦比和炉温的链系统控制算法研究

煤量，鼓风带入炉缸的物理热代替了一部分焦炭使燃烧产生的热量，低焦比；降
间； — — 该子单元受到的扰动。
根据文献［］我们可以得到各个子单元的动３，
过程控制
化动及表，０，７）６２工自化仪２１３（： —８０４２
ＣｎｒｌａｄＩｓｕｎｓｉｈｍｉａｎｕｔｏｔｎｎｔｍｅｔｎＣｅｃｌＩｄｓｒｏｒｙ
高炉炼铁焦比和炉温的链系统控制算法研究
中图分类号：Ｐ７文献标识码：文章编号：００３３（０００－０６０Ｔ２３Ａ１０ —９２２１）４０２－３
１引言
我国钢铁冶金行业每年消耗能源约占全国能
糊控制把专家经验融于控制模型，精度相对较高，但是没有考虑到各种影响因素内部的相互耦合关
合理的高炉炉温是保证稳定牛产的关键因素之
一
系。当系统的某一部分出现故障需要整修，又不希望影响整体系统的运行时，们需要更先进的控制我方法来实现。本文提出基于单元模型控制的链系统方法，找出影响焦比和炉温的主要因素，以及各种因素之间的相互耦合关系，建立一种单元模型链系统并给出控制算法和预估算法，最后做出仿真。
石、焦炭、石灰石等）从位于炉身下部的风口吹人，经过热风炉预热的空气，气与助燃空气的比例一煤
般为１．。从热风炉出来的热风被送至高炉风：０７

基于知识与数据相结合的高炉炉温融合预测

基于知识与数据相结合的高炉炉温融合预测高炉是冶金工业中重要的设备，广泛应用于钢铁生产过程中。

炉温是高炉生产中的一个重要参数，对炼钢过程的稳定性和钢水质量有着重要影响。

因此，准确预测高炉炉温对于提高生产效率和产品质量具有重要意义。

传统的高炉炉温预测方法主要依靠人工经验和历史数据进行分析。

然而，这种方法存在一定的局限性，无法准确预测可能出现的异常情况和突发事件。

为了解决这个问题，一种基于知识与数据相结合的高炉炉温融合预测方法被提出。

该方法首先通过对高炉炉温的特征进行分析和提取，建立起一套合理的数学模型。

模型的建立需要考虑高炉的结构特点、燃料喷吹方式、冷却系统、炉内物料输送等多个因素，以及它们之间的相互作用关系。

通过对历史数据的分析和学习，可以找到这些特征与炉温之间的关联规律。

其次，利用现代数据挖掘和机器学习技术，通过大量的数据样本训练和优化模型。

这些数据样本包括高炉的运行状态、输入参数以及炉温的实际值。

通过反复迭代和学习，模型可以不断地优化和提高预测精度。

最后，在模型建立和训练完成之后，可以通过将实时数据输入模型进行预测。

这些实时数据包括高炉状态参数、原料成分、燃料喷吹量、气体流量等。

模型将根据当前的输入数据预测出相应的炉温数值，并反馈给操作人员进行参考和调整。

基于知识与数据相结合的高炉炉温融合预测方法具有以下优点：首先，它能够充分利用历史数据和现场实时数据，准确分析炉温与其他参数之间的关系。

通过建立数学模型和训练优化，可以提高炉温预测的精度和稳定性。

其次，它能够预测可能出现的异常情况和突发事件。

通过对大量数据的学习和分析，模型可以准确判断出与异常情况相关的特征和模式，并给出相应的预警提示，有利于及时采取措施进行调整和处理。

第三，它能够适应高炉运行状态的变化和调整。

高炉的运行参数和原料成分等可能会随时发生变化，而该方法可以根据实时数据进行调整和优化，保证预测结果的准确性和稳定性。

总之，基于知识与数据相结合的高炉炉温融合预测方法是一种先进而有效的技术。

基于FCM的分布式RBF网络模型对高炉炉温的预测研究

ｔｅｓｔｉｎｇｓｅｔ．Ｔｈｅｍｅｍｂｅｒｓｈｉｐｏｆｅａｃｈｐｏｉｎｔａｎｄｅａｃｈｓｕｂ－ｓｐａｃｅｉｓｔｈｏｕｇｈｔｏｆａｓｔｈｅｗｅｉｇｈｔｖａｌｕｅ．Ｕｓｅｔｈｅａｖｅｒａｇｅｗｅｉｇｈｔ —
风量、热风温、热风压、富氧量、透气性指数、喷煤量为模型输入变量，铁水温度为模型输出变量。
高炉冶炼数据中存在异常值，这些异常数据一些通常是受到高温高压等环境影响而产生，一些是高炉减风、休风等非正常生产时的数据，这些异常数据在一定程度上会改变数据的变化
ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｓｕｂ — ｎｅｔｍｏｄｅｌｆｏｒｅａｃｈｓｕｂｓｐａｃｅ，ｔｈｅｎｕｓｅｔｈｅｓｕｂ— ｎｅｔｍｏｄｅｌｔｏｐｒｅｄｉｃｔｅａｃｈｓａｍｐｌｅｐｏｉｎｔｓｏｆｔｈｅ
ＦＣＭ的分布式ＲＢＦ神经网络模型，对铁水温度进行预测，以实现对平稳炉况下的生产预报。研究采用高炉现场运行数据，先对现场数据进行异常值剔除，然后将数据集分为训练数据集和测试数据集，对训练数据使
ＲＢＦＮｅｕｒａｌＮｅｔｗｏｒｋＭｏｄｅＩＢａｓｅｄｏｎＦＣＭ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

高炉炉温预报技术研究进展
针对高炉炉温预报技术，结合国内外相关工作的研究状况，从高炉数学模型发展的四个阶段：静态控制模型阶段、动态控制模型阶段、高炉专家系统、在线闭环控制系统，对高炉炉温预报技术取得的研究成果进行了总结和分析。

标签：专家系统；在线闭环控制系统；炉温预报
稳定运行的炉况是高炉稳定生产的先决条件，是延长高炉寿命的必要条件。

高炉炼铁是在一个密闭的容器内进行的，炉内发生的物理、化学过程极其复杂，炉况状态无法直接检测，为及时准确地判断和预报高炉炉况，多少年来，各国的高炉研究专家都在想尽各种方法手段来解决这一问题，而高炉炉温成为研究者最关注的技术指标，高炉炉温预报可从从高炉数学模型发展的四个阶段来体现，具体包括静态控制模型阶段、动态控制模型阶段、高炉专家系统、在线闭环控制系统。

其中高炉专家系统无论在国外还是国内钢厂都成为了主流技术，并且发挥了其优势，为广大钢铁企业带来了巨大的经济效益。

1 高炉炉温预报技术的发展
高炉炉温预报技术的发展实质上可从高炉数学模型发展的四个阶段来体现，具体包括：（1）静态控制模型阶段；（2）动态控制模型阶段；（3）高炉专家系统；（4）在线闭环控制系统。

1.1 静态控制模型阶段
20世纪60、70年代，科研人员利用配料计算法、工程计算法等对高炉操作条件进行静态分析，通过相应的数学模型，计算出原、燃料、操作参数的变化對焦比等技术指标的影响，计算结果反馈给工长，工长结合实际生产状况采取相应的操作措施。

其中著名的有日本钢管公司的“水江模型”、80年代初具有代表性的“新日铁模型”。

因为是静态模型，不能对未来趋势进行预报，也不能提示波动炉况，高炉操作主要依靠工长的经验。

1.2 动态控制模型阶段
八十年代初，德国及日本的专家对高炉进行了解剖研究，同时结合计算机技术和检测技术，初步建立了高炉动态数据模型。

并计算出能够反映高炉波动的指标，为高炉炉长提供高炉运行状态数据，指导高炉操作。

德国蒂逊公司的THYBAY系统是这一阶段的代表[1]，相对于第一阶段，它对误操作提出了警示，进而提高高炉生产水平。

其不足是不能提供合适的操作方案，具体操作仍由操作人员作出。

1.3 高炉专家系统
高炉专家系统是一种模拟人类思维、利用高炉专家的经验对复杂过程进行跟踪、控制和管理的技术。

高炉专家系统是将高炉冶炼工程师操炉经验按照一定的规则录入计算机中，溶入了模式识别和人工神经网络，结合高炉仪表检测数据，由计算机对高炉内部情况实时作出推理、判断、分析，对炉况的现状、未来趋势作出预报，将结果反馈给高炉操作人员。

目前国际上比较有代表性的高炉专家系统有：日本川崎公司开发的AGS（Advanced Go.Stop）系统[2]，其将采集数据分为炉况水准判断的分类参数和用于炉况变动判断的分类参数。

首先进行个别参数判断，各参数判断标准由操作数据的统计分析确定上下两个边界值，以数值来分别代替，即为Gs值，当其判断结果为“坏”时，系统自动报警；其次进行分类参数判断，同样设置上下界限进行判断，再次是进行总的水准判断和变动判断，其方案是将Gs值累加，而后同样对累加值范围给出评估，使水准判断（GSNl）范围于0～100，越大表明炉况越好，越小说明炉况变动越小，反之亦然。

最后是对炉况综合评价和给出操作指导。

将GSNl和GSN2之和GSN作为炉况综合评价的结果。

例如将GSN>80时判为GO，即炉况较好，可维持现状“进行”；当GSN=50”80时判为STOP，即高炉进程出现问题应该“停止进行”；GSN<50时为BACK，表明高炉已经失常，必须立即采取一定措施使高炉“返回”正常。

莱钢集团早在2002年和浙江大学合作建成的莱钢高炉智能控制专家系统成功运行。

该系统借鉴国外高炉控制专家系统的先进经验，总结了杭钢、济钢等国内几座高炉“炼铁优化专家系统”的特点，结合莱钢高炉的实际装备条件，对专家系统的开发与应用提出了更加智能化更加切合实际的要求。

不仅具有人工智能的数学模型，具备生产过程系统优化的能力，而且能够把炼铁专家和生产现场的判断经验变成计算机的智能化判断，数学模型预测炉温命中率高。

专家系统对炉温的控制、对炉缸中渣铁平衡的控制具有良好的效果。

该系统可以准确预报炉温的变化趋势，专家系统丰富的信息可以对高炉操作炉型进行及时有效的管理，对高炉顺行进行有效的预报和监测。

对提高铁产量，降低焦比等方面产生较好的经济效益。

1.4 在线闭环控制系统
随着计算机技术的飞跃发展和专家系统的不断完善，高炉控制向着更加快速、准确和在线方向发展。

奥钢联开发出基于用户知识库闭环控制系统，实现上料、焦比、碱度、喷吹等目标的在线控制，进一步降低人为因素对高炉操作的负面影响。

我国高炉专家在这方面也做出了较多的贡献。

黄波、汪卫基于高炉专家系统的多变量炉温智能控制系统[3]，运用多变量处理技术提取较有价值的中间工艺参数来判断炉况发展的方向。

李林林、孙良旭关于Snort规则库在高炉专家系统知识库的移植[4]，利用Snort开源入侵检测系统的规则库的三维链表数据结构，将其移植到高炉专家系统知识库的创建应用上。

这些研究成果都为在线闭环控制系统的发展提供有力支持。

2 结束语
通过对高炉炉温预报技术的发展趋势及手段的论述，可以说人工智能系统将成为高炉炉温预报的最核心的技术手段，它综合专家系统、人工神经网络、模式
识别、智能机器人等分支，更加客观、更加准确、更加迅速的预报炉况并指导高炉操作，在改善铁水质量、避免炉况重大失常和延长高炉寿命方面发挥作用。

参考文献
[1]Kallo S，Ahola T.芬兰罗德洛基钢厂炼铁的发展[J].钢铁，1999，34：124-133.
[2]垫上洋.高炉数学模型的改进及其在实际操作中的应用.[J].世界钢铁，2003（5）：13-21.
[3]黄波，汪卫.基于高炉专家系统的多变量炉温智能控制系统[J].钢铁，2005，40（4）：2l-23.
[4]李林林，孙良旭.Snort规则库在高炉专家系统知识库的移植[J].辽宁科技大学学报，2009，32（1）：53-57.。