关键词：高炉炼铁;预测模型;粒子群算法;多目标;优化控制
摘 要：随着国际大环境变化和经济危机的影响,钢铁行业也发生了巨大的变化。节能降耗已成为钢铁企业的工作重点。在钢铁企业中,铁前系统作为钢铁企业中的耗能大户,约占钢铁企业总能耗的70%,而高炉炼铁能耗约占铁前系统能耗的60%。由此可见,高炉炼铁在钢铁企业能耗中所占比例很大,因此,钢铁企业的节能降耗工作重点应从高炉入手最为有效。本文首先对高炉炼铁流程以及高炉炼铁机理进行了较为全面的分析,在此基础之上,结合定性分析方法和定量分析方法,应用粒子群算法,分别建立了以最小二乘支持向量机算法为主体的高炉入炉焦比预测模型和以广义回归神经网络算法为主体的高炉铁水温度预测模型以及高炉铁水产量预测模型。然后分别对高炉入炉焦比、高炉铁水温度以及高炉铁水产量进行了预测和分析。最后,根据所建立的高炉预测模型设计了高炉炼铁多目标优化控制模型。该优化控制模型是以高炉入炉焦比和高炉铁水产量作为目标函数,以高炉铁水温度约束、决策变量上下限约束为约束条件,对高炉生产多目标进行综合优化。应用改进多目标粒子群算法对高炉炼铁多目标优化控制模型的解集进行寻优选取,确保高炉炼铁多目标优化控制模型最优解集的准确性。最后,通过仿真分析验证了所建立的高炉入炉焦比预测模型、高炉铁水温度预测模型以及高炉铁水产量预测模型的有效性和准确性。所建立的高炉预测模型对于高炉炼铁工序的能源管理以及生产规划具有重要的参考意义。此外还对高炉炼铁多目标优化控制模型进行了设计,从理论上验证了该方法的可行性,在高炉生产过程中节能降耗、优化调度方面具有重大意义。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取