成果信息

本系统技术先进，功能齐全，运行稳定，命中率高。系统运行环境：工作站或PC机，UNIX或WINDOWS 2000操作系统。系统工作原理：系统依据高炉实时监控系统的传感器数据和化验数据，以每2分钟为一个诊断周期，利用人工智能方法，对高炉冶炼过程的状态进行快速实时的判断和预报，并给出相应的操作指导，辅助高炉操作人员对当前高炉炉况做出正确的判断和相应的操作决策，以保证高炉生产稳定顺行。本系统主要包括如下四个子系统： 1．高炉炉况评价智能系统 系统对采集的原始数据经过合理的预处理后，利用高炉的数学模型和专家知识，采用模糊逻辑推理的方法，对高炉某类或单项指数以及总的炉况进行模糊评价。考虑到高炉本体在运行时会发生变化，仪表可能会有损坏或缺陷，以及网络上数据不完全等因素的影响，系统的参数需要调整，因此系统设计了一个参数学习系统，对模糊推理和评价时的参数进行自动调整，保证了对高炉炉况评价的正确性。 2．高炉异常炉况类型的判断和操作决策智能系统 系统考虑到目前国内高炉在线仪表的条件，尽量利用常规仪表的数据来实现对高炉异常炉况类型的判断，这些类型包括管道、崩料、悬料、难行、低料线、向凉、向热、炉壁结厚和炉缸大凉等。本系统设计了从传感器数据中抽取数据特征的算法，利用模糊逻辑和时态逻辑来实现专家知识。系统推理机具有快速反应和时态逻辑推理功能。对异常炉况发生的原因，系统可做出相应的解释。知识库的维护通过网络传输进行，不影响系统的在线运行。系统还设计了一个参数学习系统来解决参数的调试问题。 对于异常炉况类型的预报和发生的处理，系统根据事故的不同优先级，同时又考虑到高炉冶炼过程的复杂性，采用规划－动作－反应的机制来做出事故处理的操作建议。当高炉恢复正常时，系统提出相应的恢复操作处理建议。 3．高炉热状态判断和炉况调剂操作决策智能子系统 高炉热状态的判断主要利用铁水含Si量来间接判断炉缸温度的方法。本系统研究开发了时差方法和递推时序的人工神经元网络相结合的预报模型，对铁水含Si量和含S量进行预报。本系统的预报模型具有自适应的特点，能够跟踪高炉冶炼过程的变化，对模型参数进行自动调整。系统根据预报的结果和化验数据，以及高炉数学模型和专家知识，对高炉热状态进行模糊推理判断，并对炉温的变化趋势进行预报。对于高炉热状态的调节操作，系统利用高炉计算模型和专家的操作经验，同时考虑到高炉热惯性产生滞后的影响，提出相应的动作量建议；并且在炉温恢复正常以后，提出恢复操作的建议。 4．煤气流分布模型和布料操作决策智能子系统 本系统依据高炉十字测温和其它传感器的数据，以及炉顶煤气分析的化验数据，利用人工智能方法建立高炉实时煤气流分布模型，用以判断当前高炉煤气流分布的状况和炉型的变化，以及其对高炉许多重要指标的影响，并决定煤气流应该调节的方向。系统利用递推时序的人工神经网络对煤气流分布状况进行实时预报。 )

背景介绍

高炉冶炼过程诊断和操作决策支持人工智能系统是在国家“八五”和“九五”重点科技攻关项目的基础上，由东北大学信息科学与工程学院软件研究所和鞍山钢铁集团公司的科研人员，根据国内高炉冶炼的实际情况，借鉴国外高炉专家系统的经验，联合开发成功的。)

应用前景

本系统在开发过程中，立足于从我国高炉生产的实际出发，考虑到高炉原料成分变化较大、粒度不均匀、粉矿较多，因此高炉炉况波动较大的特点，以及我国高炉在线仪表条件的限制，系统设计时尽量利用高炉上常规仪表的数据，因此可以广泛地应用到我国大、中型的高炉生产中。)