鐵水含硅量預測系統(tǒng)中數(shù)據(jù)預處理技術的研究

車曉沁, 朱建鴻

(江南大學 物聯(lián)網(wǎng)工程學院，江蘇 無錫 214122)

?

鐵水含硅量預測系統(tǒng)中數(shù)據(jù)預處理技術的研究

車曉沁, 朱建鴻

(江南大學 物聯(lián)網(wǎng)工程學院，江蘇 無錫 214122)

通過使用自適應預報模型與時差方法相結合的方法對鐵水含硅量進行預測，模型所需的工藝參數(shù)的原始數(shù)據(jù)經(jīng)采集后需使用OPC技術標準進行傳輸以存入數(shù)據(jù)庫系統(tǒng)中；硅預測程序通過對數(shù)據(jù)庫查詢得到所需的操作數(shù)據(jù)，由于生產(chǎn)環(huán)境對數(shù)據(jù)的干擾，需對其作均值濾波和插值運算的一次處理，然后進行求平均值、梯度和標準差統(tǒng)計學運算的二次處理，之后運用模糊理論將各個工藝參數(shù)歸一化以提取參數(shù)特征值，作為鐵水含硅量預測模型的輸入?yún)?shù)，在預測過程中使用多元線性回歸不斷修正模型中的權重系數(shù)，以提高數(shù)學模型預測的準確率。

數(shù)據(jù)預處理；工藝參數(shù)； 均值濾波； 歸一化； 回歸分析

0 引言

隨著計算機網(wǎng)絡技術普及，大型高爐基本采用三級計算機局域網(wǎng)絡系統(tǒng)。一級用于生產(chǎn)過程控制和設備控制，二級用于生產(chǎn)過程的在線操作控制、生產(chǎn)動態(tài)畫面與數(shù)據(jù)顯示，三級用于運行各種數(shù)學模型、數(shù)據(jù)庫系統(tǒng)、生產(chǎn)報表生成和生產(chǎn)過程遠程在線監(jiān)視，并與全廠計算機系統(tǒng)實現(xiàn)通訊。三級計算機網(wǎng)絡系統(tǒng)要求能夠有效采集二級計算機系統(tǒng)PLC儀表數(shù)據(jù)作為數(shù)學模型輸入?yún)?shù)并保證數(shù)學模型運算結果準確[1-2]。

在眾多高爐數(shù)學模型中，鐵水含硅量預報數(shù)學模型是最基本模型之一，因為控制好高爐的爐溫水平，是保證高爐生產(chǎn)穩(wěn)定、順利的關鍵所在。事實上，高爐冶煉過程是在高溫和一定壓力條件下的傳熱、傳質(zhì)和動量傳遞的同時進行的一系列復雜的化學和物理反應過程，而且整個過程是在高爐這個封閉的系統(tǒng)內(nèi)進行的，高爐的爐溫水平是很難通過直接測量而獲得。如果能提前預報鐵水含硅量，高爐操作者可以提前掌握爐溫變化趨勢和爐溫水平，做出適當操作調(diào)整，使得可以保證高爐穩(wěn)定順行[2-4]。由于高爐冶煉過程的復雜性及工作環(huán)境的惡劣性，鐵水含硅量預報數(shù)學模型涉及檢測參數(shù)多、且檢測參數(shù)數(shù)量級不統(tǒng)一，以及容易受到干擾而產(chǎn)生錯誤數(shù)據(jù)。因此，需要采用準確方法對采集檢測參數(shù)進行預處理，提高鐵水含硅量預報數(shù)學模型的命中率。

1 鐵水含硅量預報數(shù)學模型基本原理

1.1 數(shù)學模型數(shù)學描述

鐵水含硅量預報數(shù)學模型采用自適應模型與時差方法相結合的方法，這是因為考慮高爐在冶煉過程中始終處于一個動態(tài)不穩(wěn)定的狀態(tài)，模型參數(shù)必須隨高爐冶煉過程的進行而不斷地修改，采用時差方法是將網(wǎng)絡模型參數(shù)的修改在多步預報中進行[5]。

為了進一步提高高爐熱狀態(tài)判斷的準確性，不但依據(jù)當前鐵次鐵水含硅量實際值，而且依據(jù)影響鐵水含硅量各種高爐冶煉工藝參數(shù)及其變化趨勢，提取工藝參數(shù)特征值，根據(jù)高爐操作專家的操作經(jīng)驗知識確定工藝參數(shù)產(chǎn)生作用的延滯時間，提高鐵水含硅量預報的命中率。

當?shù)玫疆斍拌F次鐵水含硅量分析結果后。由于二次出鐵有1小時間隔時間，因此采取4步方法，每步間隔15分鐘預報下次鐵水含硅量。神經(jīng)網(wǎng)絡中影響鐵水含硅量各工藝參數(shù)特征值總值(ΔW)也按4步修正。即：

(1)

式中,i=1，2，…4；PT為當前鐵水含硅預報值，%；Z為當前鐵次鐵水含硅實際值，%；ΔW為當前影響鐵水含硅量的輸入?yún)?shù)求得的9個特征值之和，無量綱。

(2)

式中：Pj為某個工藝參數(shù)權重值，無量綱；Wj為某個工藝參數(shù)計算得出的特征值，無量綱。

1.2 工藝參數(shù)選擇

鐵水含硅量預報數(shù)學模型的輸入?yún)?shù)選用一些影響鐵水含硅量參數(shù)的工藝參數(shù)，參數(shù)選用詳見表1。工藝參數(shù)每5秒鐘采集一次，1分鐘計算一次平均值，數(shù)學模型每5分鐘預報一次。

料速是二次參數(shù)，即料尺在向下移動的加速度，延遲時間為0；風量、鐵水溫度、熱風溫度、熱風壓力、頂溫、爐頂壓力、富氧量、料線、下料批數(shù)參數(shù)延遲時間均為0；焦炭負荷延遲時間為5小時；煤粉噴吹量是利用噴吹罐電子稱信號模擬計算得到，利用曲線斜率平滑后的值作為單位小時的煤粉噴吹量，煤粉噴吹量延遲4小時。鐵水含硅的實際值，由化驗室通過網(wǎng)絡直接輸入到數(shù)據(jù)庫中，不需要人工輸入。

表1 模型選擇工藝參數(shù)

2 工藝參數(shù)采集與數(shù)據(jù)預處理

2.1 工藝參數(shù)數(shù)據(jù)采集與數(shù)據(jù)通訊

鐵水含硅量預報數(shù)學模型所需要工藝參數(shù)，除鐵水含硅的實際值由化驗室通過網(wǎng)絡直接輸入到三級服務器數(shù)據(jù)庫中外，其它參數(shù)均需要從二級計算機DCS系統(tǒng)中采集。

工藝參數(shù)采集既要有完整的實時采集功能，又不能影響一級和二級計算機系統(tǒng)可靠運行。在二級計算機系統(tǒng)上采集數(shù)據(jù)，涉及到以太網(wǎng)的數(shù)據(jù)隔離技術，數(shù)據(jù)采集機通過RS232串口傳送數(shù)據(jù)，數(shù)據(jù)采集機運行在三級網(wǎng)絡系統(tǒng)中，實現(xiàn)了二級與三級之間的TCP/IP協(xié)議隔離，以解決數(shù)據(jù)的安全問題[2-3]。利用控制系統(tǒng)所使用的OPC服務器功能，編寫相應的OPC客戶端程序，通過OPC協(xié)議標準通信實現(xiàn)從基礎自動化系統(tǒng)中讀取生產(chǎn)過程實時數(shù)據(jù)的通信過程[6]，鐵水含硅量預測程序?qū)⑻幚磉^的實時數(shù)據(jù)從數(shù)據(jù)庫中調(diào)取代入數(shù)學模型中進行處理運算，流程如圖1。

圖1 工藝參數(shù)采集流程

工藝參數(shù)每5秒鐘采集一次，由于龐大的數(shù)據(jù)無法全部保存，5秒數(shù)據(jù)只保留24小時，然后全部變成1分鐘數(shù)據(jù)作為歷史數(shù)據(jù)保存。

2.2 工藝參數(shù)數(shù)據(jù)一次處理

2.2.1 干擾數(shù)據(jù)處理

在高爐眾多的傳感器中,由于環(huán)境因素不可避免地會產(chǎn)生一些干擾信號,即常見的噪聲,為了提高實時采集的工藝參數(shù)數(shù)據(jù)精度,必須除去這些隨機噪聲,這里采用均值濾波處理的方法[7]。例如熱風溫度參數(shù)(Tb)，在1分鐘內(nèi)實際采集熱風溫度數(shù)據(jù)如下：

(3)

但在高爐實際生產(chǎn)過程中,數(shù)據(jù)的真正值往往有變化，需要根據(jù)實際情況采取不同處理方式。例如鐵水溫度(Tf),鐵水溫度采用非接觸式測溫儀表，出鐵前和出鐵結束后采集數(shù)據(jù)均不代表鐵水實際溫度，此時需要增加出鐵開始和結束開關信號，只有在該時間段內(nèi)數(shù)據(jù)才是有效數(shù)據(jù)，鐵水溫度有效數(shù)據(jù)再重新從頭排序，Tf7～Tf12值均等于Tf6，數(shù)據(jù)實例見圖2。

圖2 鐵水溫度數(shù)據(jù)一次處理

又例如料線數(shù)據(jù)(Ls),作為計算料速(As)的中間參數(shù)，料線數(shù)據(jù)只有大于0的數(shù)據(jù)才具有實際意義，料線數(shù)據(jù)等于0或為負值，代表已經(jīng)提尺準備布料，無任何意義，此時需要過濾掉小于或等于0的數(shù)據(jù)，料線數(shù)據(jù)排序及處理方法與鐵水溫度相同。

2.2.2 復合參數(shù)

影響鐵水含硅含量工藝參數(shù)不僅有風壓、風量、料線等單一參數(shù),還需要一些由單一參數(shù)組合或再次處理后的復合參數(shù)，例如透氣性指數(shù)和料速。透氣性指數(shù)計算公式如下：

(4)

式中：i=1,2,3…12；Qb為風量，Nm3/min；Pt為熱風壓力，kPa ；Tp為爐頂壓力，kPa。

料速計算過程如下：

首次提取料線經(jīng)過干擾處理后的有效數(shù)據(jù)，然后計算料線向下移動速度，最后計算料線向下移動的加速度，具體過程如下:

(5)

(6)

式中,i=1,2,3…11；v為料線向下移動速度，m/s；Ls，為料線，m；t為采樣時間，s；As為料線向下移動加速度，m/s2。

料線向下移動加速度大于0，則鐵水含硅量將會降低，反之則升高。

2.3 工藝參數(shù)數(shù)據(jù)二次處理

2.3.1 檢測參數(shù)1分鐘平均值處理

影響鐵水含硅含量工藝參數(shù)如鐵水溫度、熱風溫度、熱風壓力等及其復合工藝參數(shù)每5秒鐘采集1次和計算1次，由于龐大數(shù)據(jù)無法全部保存，5秒數(shù)據(jù)保留24小時，然后全部變成1分鐘數(shù)據(jù)作為歷史數(shù)據(jù)保存。1分鐘工藝參數(shù)不僅要考慮在當前1分鐘時刻參數(shù)的瞬時值，還要考慮在過去一段時間的參數(shù)值及其變化趨勢，主要包括平均值、變化梯度和標準方差等[4]。

2.3.2 工藝參數(shù)相互關系處理

由于高爐冶煉過程復雜性及工作環(huán)境惡劣性，影響鐵水含硅量單個和由其組合形成的復合13個工藝參數(shù)存在一定波動，如果波動范圍在±σ內(nèi)則認為正常波動，對鐵水含硅量數(shù)值沒有影響；如果波動范圍在±σ～±2σ范圍內(nèi)則認為對鐵水含硅量數(shù)值有一定影響；如果波動范圍超過±2σ范圍則認為對鐵水含硅量數(shù)值有較大影響，尤其具有互聯(lián)性工藝參數(shù)出現(xiàn)反向互動變化作用更大。例如風量和熱風壓力兩個工藝參數(shù)，當風量波動范圍在σ～2σ內(nèi)，而熱風壓力也在波動范圍在σ～2σ內(nèi)，預示鐵水含硅量將會瞬時下降0.05%；如果風量波動范圍超過2σ，而熱風壓力波動范圍也超過2σ內(nèi)，預示鐵水含硅量將會瞬時下降0.10%。

2.3.3 工藝參數(shù)與復合參數(shù)歸一化處理

影響鐵水含硅量工藝參數(shù)有13個，工藝參數(shù)經(jīng)過一次預處理后得到的9個參數(shù)依然處于不同數(shù)量級，尤其是對鐵水含硅量有影響的相互關聯(lián)參數(shù)更無法確切知道每個參數(shù)對鐵水含硅量影響具體值, 例如，料速(As)在-1.0～1.0 m/s2之間，與鐵水含硅量呈副相關關系；風量(Qb)在4 500～5 500 Nm3/min之間，與鐵水含硅量呈副相關關系；鐵水溫度(Tf)在1 450～1 520 ℃之間，與鐵水含硅量呈正相關關系；熱風溫度(Tb)在1 150～1 240 ℃之間，與鐵水含硅量呈正相關關系；熱風壓力(Pt)在330～360 kPa之間，與鐵水含硅量呈正相關關系；焦負荷(Oc)在4.5～5.5 t/t之間，與鐵水含硅量呈副相關關系；爐頂溫度(Td)在100～250 ℃之間，與鐵水含硅量呈正相關關系；煤粉噴吹量(Mi)在25～36 t/h之間，與鐵水含硅量呈正相關關系；富氧量(Ol)在7 000～10 000 Nm3/h之間，與鐵水含硅量呈正相關關系；小時下料批數(shù)(Lp)在10～18批/h之間，與鐵水含硅量呈副相關關系。

因此這種影響是模糊的,應采用模糊數(shù)學中隸屬函數(shù)的辦法來表示這種模糊性[8]，根據(jù)高爐的實際情況,可選用多種隸屬函數(shù)應利用各種數(shù)學方法對參數(shù)進行不同的處理,提取不同特征值,即需進行二次預處理[4,9]，對于與鐵水含硅量呈副相關關系的工藝參數(shù)，歸一化處理后，參數(shù)特征值均在-1～0范圍內(nèi)，計算方法如下：

(7)

對于與鐵水含硅量呈正相關關系的工藝參數(shù)，歸一化處理后，參數(shù)特征值均在0～1范圍內(nèi)，計算方法如下：

(8)

經(jīng)過歸一化處理后，所有影響鐵水含硅量工藝參數(shù)的特征值均在-1～1同一數(shù)量級[10]。

2.3.4 工藝參數(shù)的修正

經(jīng)過對現(xiàn)場數(shù)據(jù)的分析得出數(shù)學模型預測結果與多個工藝參數(shù)特征值存在的相關性，這種相關性是多重的，反應在數(shù)學模型中的權重系數(shù)Pj中，由于冶煉過程中的高爐系統(tǒng)始終處于動態(tài)不穩(wěn)定的狀態(tài)，權重系數(shù)Pj必須在高爐冶煉過程中不斷地進行修正。通過回歸分析找出鐵水含硅量預測值與9個工藝參數(shù)的特征值存在有多重線性的關系[11]，這里可以使用多元線性回歸的方法來處理這種修正，方法如下：

(9)

式中,i=1，2，…n；j=1, 2，…9；PT為當前鐵水含硅預報值，%；Z 為當前鐵次鐵水含硅實際值，%；P為某個工藝參數(shù)權重值，無量綱；W為某個工藝參數(shù)計算得出的特征值。

使用普通最小二乘法(OLS)[12]求得β的最小二乘估計為：

(10)

其中:

(11)

由于每次出鐵經(jīng)過4次硅預報周期，所以硅預報每4步要進行一次權重系數(shù)修正，每次取當前鐵次之前20次的特征值與硅預測值、實際值進行回歸分析，修正后的影響累加到下一次對鐵水含硅量的預測中，由此可推得式(1)。

3 Matlab仿真結果

利用鞍鋼煉鐵總廠三級計算機網(wǎng)絡系統(tǒng)，采集11#高爐11個影響鐵水含硅量工藝參數(shù)和鐵水含硅量化驗室數(shù)據(jù)，共4天45個鐵次。在實驗室通過對11個工藝參數(shù)一次處理，形成11個有效的一次參數(shù)和2個復合參數(shù)總計13個參數(shù)，再經(jīng)過二次處理，生成1分鐘平均值、梯度和標準偏差數(shù)據(jù)，由于眾多工藝參數(shù)數(shù)量級不同，經(jīng)過歸一化處理提取出9個特征值，作為數(shù)學模型輸入?yún)?shù)，然后每4步對權重系數(shù)進行修正。經(jīng)過Matlab軟件仿真結果如圖3，實際生產(chǎn)數(shù)據(jù)經(jīng)過數(shù)據(jù)預處理后數(shù)學模型預報命中率為81.64%(鐵水含硅量允許誤差范圍為(0.1%)。

圖3 鐵水含硅量預報數(shù)學模型運行效果

4 結論

現(xiàn)代大型高爐控制系統(tǒng)通常是三級計算機網(wǎng)絡系統(tǒng)，運行一些數(shù)學模型監(jiān)視和管理高爐復雜冶煉進程。鐵水含硅量預測模型便是運行在第三級計算機網(wǎng)絡系統(tǒng)中的控制監(jiān)控系統(tǒng)中，其需要從一級和二級計算機系統(tǒng)中采集大量的實時工藝參數(shù)，由于環(huán)境因素，采集實時工藝參數(shù)中會夾雜一些干擾信號和無效數(shù)據(jù),采用均值濾波方法剔除干擾數(shù)據(jù)和無效數(shù)據(jù)，在此基礎上進行二次處理，生成1分鐘平均值、梯度和標準差數(shù)據(jù)，然后存入服務器數(shù)據(jù)庫中提供程序查詢。由于眾多工藝參數(shù)數(shù)量級不同，在輸入數(shù)學模型中還需要進行歸一化處理，形成統(tǒng)一數(shù)量級數(shù)據(jù)，提取工藝參數(shù)和復合參數(shù)特征值，作為數(shù)學模型的輸入?yún)?shù)，根據(jù)高爐的冶煉周期，每4步對權重系數(shù)進行修正，提高鐵水含硅量預測模型的運行效果。從鞍鋼11#高爐采集的45個鐵次生產(chǎn)數(shù)據(jù)進行的硅預測模型的仿真結果，命中率達到81.64%(允許誤差(0.1%)，可以滿足實際生產(chǎn)需求。

[1] 凌小芬. 高爐自動化控制系統(tǒng)研究與應用[J]. 機電信息,2015(6): 44-45.

[2] 陳長輝. 基于工業(yè)以太網(wǎng)的自動化控制系統(tǒng)設計[J]. 軟件導刊, 2015(2): 132-133.

[3] 劉春裕. 基于VBA開發(fā)技術的接口測試技術研究[J]. 計算機技術與發(fā)展, 2014(1): 69-72, 76.

[4] 張 慧. 自適應模糊時間序列預測模型的研究[D].大連：大連海事大學, 2012.

[5] 肖伸平,吳 敏,劉代飛. 基于小波神經(jīng)網(wǎng)絡的高爐鐵水含硅預報[J]. 有色金屬, 2005(2): 106-110.

[6] 郇 極,劉艷強. 工業(yè)以太網(wǎng)現(xiàn)場總線EtherCAT驅(qū)動程序設計及應用[M]. 北京: 北京航空航天大學出版社, 2010.

[7] 徐雅娜. 鐵水含硅量實時預報專家系統(tǒng)的設計與實現(xiàn)[J]. 遼寧省交通高等?？茖W校學報, 2005(3): 58-60.

[8] 郝曉靜,張 蘋,王 鵬,等. 高爐操作參數(shù)預處理及相互關系的研究[J]. 材料與冶金學報, 2003(4): 241-245.

[9] 劉金琨,鄧守強,田 青,等. 高爐專家系統(tǒng)的數(shù)據(jù)采集與處理[J]. 東北大學學報, 1996(5): 27-31.

[10] 李界家,楊志宇,曹 陽. 鐵水硅含量的集成模糊神經(jīng)網(wǎng)絡預測方法[J]. 計算機與應用化學,2013(10): 1113-1116.

[11] 李虎山,曾燕飛. 基于專家規(guī)則判斷的高爐爐溫控制[J]. 微計算機信息,2007,16: 96-97.

[12] 王惠文,孟 潔. 多元線性回歸的預測建模方法[J]. 北京航空航天大學學報,2007(4):500-504.

Study of a Data Preprocessing Used in a Mathematical Model Forecasting Silicon Content in Hot Metal

Che Xiaoqin，Zhu Jianhong

(School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, China)

Adaptive prediction model combined with the time difference method is used in the model of hot metal silicon content prediction. Required original data of model parameters collected after using OPC technology standard for transmission to store in the database system. Due to the interference of production environment， computing the data for the mean filtering and interpolation on the first process is needed. Then average, and standard deviation statistics gradient computation is needed as the secondary process。Using fuzzy theory to various process parameters normalization parameter extraction complex eigenvalues as iron the silicon content of the model input parameters. While the process，continuously correcting the weight coefficient through multiple linear regression is necessary. The operating result in improving the mathematical model.

data preprocessing; process parameters; mean filter; standardization; regression analysis

2015-09-19；

2015-10-26。

車曉沁(1990-)，男，遼寧鞍山人，碩士，主要從事檢測與傳感方向的研究。

1671-4598(2016)03-0221-03

10.16526/j.cnki.11-4762/tp.2016.03.060

TP3

A