專利名稱：高爐爐缸爐底監(jiān)測、預(yù)報、報警系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于高爐長壽技術(shù)領(lǐng)域，特別是提供了一種高爐爐缸爐底監(jiān)測、預(yù)報、報 警系統(tǒng)。基于傳熱學(xué)、數(shù)值計算方法、BP神經(jīng)網(wǎng)絡(luò)、遺傳算法的全自動監(jiān)測預(yù)報爐缸 爐底侵蝕結(jié)厚狀況的方法及計算機監(jiān)測預(yù)報系統(tǒng)，適用于對高爐爐缸爐底侵蝕程度、 結(jié)厚狀況和熱流變化進行監(jiān)測、預(yù)報及報警。
背景技術(shù)：
目前對爐缸的監(jiān)測主要有溫度監(jiān)測和熱流監(jiān)測兩種。溫度監(jiān)測通常使用熱電偶在 線采集溫度數(shù)據(jù)，由于簡單方便，在絕大多數(shù)高爐上得到應(yīng)用；熱流監(jiān)測是對流經(jīng)冷 卻元件的冷卻水的溫升和流量進行測定，需要大量的相關(guān)設(shè)備。兩種監(jiān)測方式都必須 結(jié)合數(shù)學(xué)模型對測得的數(shù)據(jù)進行計算分析，從而反映出爐襯的工作狀態(tài)和侵蝕情況。
日本的吉川、文明研制了利用邊界元法和實驗回歸分析，靠埋置在爐底的多個熱 電偶或熱流計的測定值監(jiān)測耐火材料侵蝕線和死鐵層線的方法。邊界元法適用于導(dǎo)熱 系數(shù)單一的結(jié)構(gòu)，而爐缸爐底一般都由多種導(dǎo)熱系數(shù)的耐火材料組成，因此模型計算 結(jié)果和實際情況將有很大的誤差。
Mehrotra和Nand利用有限元方法建立的爐缸爐底溫度場二維數(shù)學(xué)模型。該方法認 為爐缸爐底是圓柱形的，視爐缸爐底的導(dǎo)熱為穩(wěn)態(tài)的，忽略爐缸水平界面切線方向的 傳熱量，雖然可以大大簡化數(shù)學(xué)模型，但會引起與實際值的偏差比較大。
美國的Van Stein Callenfels E和Geerdes M在傳熱"反問題"的研究中采用了"虛擬邊 界"的假設(shè)，用熱電偶的實測溫度計算出"虛擬邊界"上的溫度，將"虛擬邊界"作為傳熱 方程的邊界條件，求解傳熱方程，計算高爐爐缸爐底磚襯的溫度分布，利用115(TC等 溫線的形狀和位置，推測爐底侵蝕狀況。
"虛擬邊界"法是將高爐爐缸爐底的設(shè)計爐型作為"反問題"求解的邊界形狀，整個計 算過程中不改變邊界形狀，只改變邊界溫度。事實上，高爐爐襯一旦被侵蝕，原始爐 型已不復(fù)存在，但依然用原始爐型作為傳熱方程求解的邊界條件，做為"虛擬邊界"， 這樣計算的結(jié)果是會產(chǎn)生很大的偏差。
東北大學(xué)杜鋼(97年發(fā)表)以傳熱數(shù)學(xué)方程為出發(fā)點，建立高爐爐缸爐底的二維 傳熱數(shù)學(xué)模型，并利用有限差分法進行求解，確定爐缸爐底侵蝕界面和內(nèi)部溫度場分 布。隨后，利用BP神經(jīng)網(wǎng)絡(luò)建立"虛擬邊界"溫度預(yù)測模型，用熱電偶的實測溫度計算 出"虛擬邊界"上的溫度，再將"虛擬邊界"作為傳熱方程的邊界條件，計算爐缸爐底磚襯 的溫度分布，利用115(TC等溫線的形狀和位置，推測高爐爐底侵蝕狀況。
另外，K.KURPISZ、 G丄eprince、 Garcia、 INADA和丄Torrkulla、 A. FORMOSO、 A. BABICH等人也都提出了爐缸爐底的溫度場模型或侵蝕模型。在他們的模型中，視 爐缸爐底為穩(wěn)態(tài)導(dǎo)熱或結(jié)合熱電偶測量，計算爐缸爐底的溫度分布。以上模型，有簡單的直角坐標系下的穩(wěn)態(tài)模型，收斂速度快，程序簡單，但與實 際情況差別較大；也有柱坐標系下的二維穩(wěn)態(tài)模型和非穩(wěn)態(tài)模型，但大多數(shù)都是以傳 熱"正問題"的思路建立的，對于侵蝕邊界不斷變化的過程及結(jié)厚產(chǎn)生的過程考慮的較 少，這也是一些數(shù)模發(fā)展的限制性環(huán)節(jié)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種高爐爐缸爐底監(jiān)測、預(yù)報、報警系統(tǒng)及其方法，克服 了現(xiàn)有技術(shù)的不足，充分考慮了侵蝕邊界不斷變化的過程及結(jié)厚產(chǎn)生的過程，能夠真 實的反映爐缸爐底侵蝕結(jié)厚狀況。
本發(fā)明基于傳熱學(xué)、數(shù)值分析方法、B-P神經(jīng)網(wǎng)絡(luò)、遺傳算法等提供了一種爐缸爐 底侵蝕結(jié)厚在線監(jiān)測預(yù)報方法，并采用此方法建立了柱坐標系下的二維穩(wěn)態(tài)和非穩(wěn)態(tài) 溫度場模型、溫度場"反問題"模型、侵蝕結(jié)厚預(yù)測模型，模型之間相互協(xié)作，利用有 限的檢測手段(爐缸爐底熱電偶、冷卻系統(tǒng)參數(shù))，以溫度場計算模塊、改進后的遺傳 算法模塊、神經(jīng)網(wǎng)絡(luò)預(yù)測模塊為核心設(shè)計了一套用于高爐爐缸爐底侵蝕、結(jié)厚和熱流 監(jiān)測、預(yù)報及報警的智能化系統(tǒng)，還原整個爐缸爐底區(qū)域真實的溫度場分布，得到爐 缸爐底磚襯的剩余厚度及結(jié)厚發(fā)生的部位和厚度，將不可直觀觀察的爐缸爐底磚襯侵 蝕程度、結(jié)厚層位置及厚度以直觀的平面圖、立體圖形式顯示出來，實現(xiàn)實時監(jiān)測和 預(yù)報功能，并對爐缸爐底各區(qū)域的熱流進行監(jiān)視和報警。
本發(fā)明的系統(tǒng)包括在線監(jiān)測預(yù)報的硬件和軟件處理模塊；在線監(jiān)測預(yù)報的硬件由 爐缸爐底埋設(shè)的熱電偶和冷卻系統(tǒng)組成，通過以太網(wǎng)連接高爐生產(chǎn)過程數(shù)據(jù)庫；軟件 處理模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)有效性判斷模塊、溫度場計算模塊、改進后的遺傳 算法模塊、B-P神經(jīng)網(wǎng)絡(luò)模塊、數(shù)據(jù)庫、等溫線與侵蝕結(jié)厚圖像顯示模塊、三維成像模 塊、熱流監(jiān)視報警模塊、歷史數(shù)據(jù)査詢模塊；軟件處理模塊都運行在工控機上。
溫度場計算模塊是以傳熱學(xué)為基礎(chǔ)，采用有限差分的方法進行離散，建立柱坐標 系下的二維穩(wěn)態(tài)和非穩(wěn)態(tài)溫度場模型，以現(xiàn)場檢測數(shù)據(jù)為依據(jù)，模型中對于侵蝕邊界 的不斷變化及侵蝕過程中的結(jié)厚現(xiàn)象進行了系統(tǒng)的模擬計算，設(shè)計了一種動態(tài)侵蝕邊 界下的溫度場計算方法，解決了侵蝕過程中"邊界不定"的問題；設(shè)計了一種有結(jié)厚發(fā) 生情況下的溫度場計算方法，考慮了侵蝕過程中的結(jié)厚現(xiàn)象，實現(xiàn)了結(jié)厚發(fā)生情況下 的溫度場計算。
所述的動態(tài)侵蝕邊界下的溫度場計算，實現(xiàn)方法如下
(1) 根據(jù)爐型尺寸參數(shù)利用網(wǎng)格自動生成模塊得到各節(jié)點信息；
(2) 通過侵蝕邊界上的各特征點的位置，判斷所有網(wǎng)格節(jié)點是否發(fā)生了侵蝕；
(3) 對每個節(jié)點進行離散方程系數(shù)的計算；
(4) 確定各節(jié)點的離散方程，最后聯(lián)立所有節(jié)點的離散方程并求解方程組，得到侵 蝕邊界變化后的溫度場。
所述的有結(jié)厚發(fā)生情況下的溫度場計算方法，是在所述的動態(tài)侵蝕邊界溫度場計 算方法的基礎(chǔ)上，對節(jié)點系數(shù)矩陣進行修正，修正的方法如下 (1)確定結(jié)厚交界的位置；(2) 判斷節(jié)點與結(jié)厚層的位置關(guān)系；
(3) 如果當(dāng)前節(jié)點在結(jié)厚層內(nèi)，這樣不僅需要判斷近結(jié)厚交界的情況，也要判斷靠 近原始爐型不同材質(zhì)砌筑交界的情況；
(4) 如果當(dāng)前節(jié)點不在結(jié)厚層內(nèi)，則只需要判斷靠近原始爐型不同材質(zhì)砌筑交界的 情況；
(5) 對于近結(jié)厚交界節(jié)點單元的四條邊上的導(dǎo)熱系數(shù)需做調(diào)和平均處理。 改進后的遺傳算法模塊以所述的溫度場計算模塊為基礎(chǔ)，以實測熱電偶溫度數(shù)據(jù)
為參照依據(jù)，利用改進后的遺傳算法，建立溫度場"反問題"模型，并與神經(jīng)網(wǎng)絡(luò)預(yù) 測模塊有機結(jié)合，提高了運算效率。
所述的改進后的遺傳算法，是在傳統(tǒng)的遺傳算法基礎(chǔ)上，針對問題本身的特點， 使用了一些改進方案，具體方法如下
(1) 采用實數(shù)編碼。自變量個體是動態(tài)的侵蝕邊界，經(jīng)過離散化后，以一個多元實 數(shù)向量作為個體編碼；
(2) 使用源于凸集理論的代數(shù)雜交；
(3) 變異操作采用基于"變尺度"動態(tài)代數(shù)變異；
(4) 適應(yīng)度函數(shù)的設(shè)計采用溫度區(qū)間編碼的方式，區(qū)別于通常的求極值的方法。 所述的溫度場"反問題"模型，是利用遺傳算法的全局優(yōu)化特性，以埋設(shè)于爐缸
爐底磚襯內(nèi)的熱電偶溫度作為參照條件，反算出所對應(yīng)的侵蝕邊界的位置。 所述的溫度場"反問題"模型與神經(jīng)網(wǎng)絡(luò)預(yù)測模塊有機結(jié)合，方法如下
(1) 以爐缸爐底當(dāng)前熱電偶溫度輸入神經(jīng)網(wǎng)絡(luò)預(yù)測模塊；
(2) 由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測得到侵蝕邊界離散點數(shù)據(jù)，作為改進后的遺傳算法初 始化種群中的一個優(yōu)良個體，以提高進化的速度；
(3) 通過改進后的遺傳算法得到當(dāng)前熱電偶溫度所對應(yīng)的侵蝕邊界的位置。 神經(jīng)網(wǎng)絡(luò)預(yù)測模塊是以溫度場計算模塊為基礎(chǔ)，采用B-P神經(jīng)網(wǎng)絡(luò)建立動態(tài)侵蝕
結(jié)厚預(yù)測模型，并與改進后的遺傳算法模塊有機結(jié)合，實現(xiàn)對侵蝕狀況、結(jié)厚程度的 預(yù)報；步驟如下
(1) 根據(jù)熱電偶溫度和侵蝕邊界、結(jié)厚交界特征點的對應(yīng)關(guān)系，選用熱電偶溫度作 為輸入層，節(jié)點數(shù)等于熱電偶的數(shù)量，侵蝕邊界、結(jié)厚交界特征點作為輸出層，節(jié)點 數(shù)取決于特征點的數(shù)量；
(2) 設(shè)計若干種侵蝕界面，計算出與侵蝕界面、結(jié)厚交界相對應(yīng)的溫度場，提取熱 電偶位置處的溫度與侵蝕邊界、結(jié)厚交界組成若干樣本對，用生成的樣本庫對神經(jīng)網(wǎng) 絡(luò)模型進行訓(xùn)練；
(3) 利用改進后的遺傳算法模塊得到的最佳染色體制作新樣本對，周期性更新樣本 庫，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修正權(quán)值和閾值；
(4) 利用訓(xùn)練好的網(wǎng)絡(luò)進行預(yù)測。
本發(fā)明根據(jù)提出的在線監(jiān)測預(yù)報方法、溫度場模型、遺傳算法溫度場"反問題"模型、 B-P神經(jīng)網(wǎng)絡(luò)預(yù)測模型設(shè)計了高爐爐缸爐底侵蝕、結(jié)厚和熱流監(jiān)測、預(yù)報及報警系統(tǒng)，
分為客戶端和后臺系統(tǒng)兩部分，實現(xiàn)無須人工干預(yù)的全自動模式?？蛻舳酥饕糜趯?br> 6后臺計算得到的結(jié)果以圖形、數(shù)據(jù)的形式直觀的顯示給用戶；后臺系統(tǒng)包括人工智能 系統(tǒng)和熱流強度監(jiān)視報警系統(tǒng)。后臺人工智能系統(tǒng)是以溫度場計算模塊、改進后的遺 傳算法模塊和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模塊為核心的智能系統(tǒng)，其中改進后的遺傳算法模塊與 BP神經(jīng)網(wǎng)絡(luò)模塊有機結(jié)合，構(gòu)成統(tǒng)一的整體，既可實現(xiàn)各自的功能也可互相協(xié)作。具 體的技術(shù)內(nèi)容包括以下五個方面
(1) 采用等溫線、侵蝕結(jié)厚平面圖、三維圖像、磚襯剩余厚度數(shù)據(jù)實現(xiàn)爐缸爐底 磚襯侵蝕結(jié)厚狀況的在線監(jiān)測和預(yù)報；
(2) 采用趨勢曲線、三維圖像方位報警提示實現(xiàn)爐缸爐底區(qū)域冷卻壁的熱流在線 監(jiān)視報警；
(3) 采用MATLAB實現(xiàn)磚襯侵蝕結(jié)厚狀況和冷卻壁方位報警的三維顯示；
(4) 釆用ORACLE數(shù)據(jù)庫實現(xiàn)在線檢測數(shù)據(jù)和過程數(shù)據(jù)的存儲；
(5) 系統(tǒng)歷史數(shù)據(jù)査詢。
本發(fā)明爐缸爐底侵蝕結(jié)厚在線監(jiān)測預(yù)報方法和監(jiān)測、預(yù)報及報警的智能化系統(tǒng)具 有投資少、可靠直觀、無須人工干預(yù)的特點，為高爐冶煉過程中爐缸爐底侵蝕結(jié)厚狀 況提供了客觀、量化的依據(jù)，幫助高爐操作者及時了解爐缸爐底的狀況并采取有效護 爐措施，延長高爐使用壽命。用戶可通過有限的檢測數(shù)據(jù)還原真實的溫度場分布，并 監(jiān)視熱流變化，能夠方便的對爐缸爐底磚襯侵蝕程度、結(jié)厚層位置及厚度進行監(jiān)測、 預(yù)報及圖像還原，同時能夠?qū)t缸各區(qū)域的熱流強度進行實時監(jiān)測和報警。


圖1為本發(fā)明具體實施方式
的系統(tǒng)總結(jié)構(gòu)圖。
圖2為本發(fā)明具體實施方式
的系統(tǒng)總流程圖。
圖3為本發(fā)明具體實施方式
的后臺人工智能系統(tǒng)流程圖。
圖4為本發(fā)明具體實施方式
的改進后的遺傳算法模塊流程圖。
圖5為本發(fā)明具體實施方式
的后臺熱流監(jiān)視報警系統(tǒng)流程圖。
具體實施例方式
下面結(jié)合附圖對本發(fā)明的具體實施方式
進行詳細的說明。
安裝在高爐爐缸爐底磚襯中的熱電偶及冷卻裝置中的檢測點將磚襯溫度、水溫差、 流量等數(shù)據(jù)送入一級系統(tǒng)，再通過以太網(wǎng)與二級系統(tǒng)通訊，送入數(shù)據(jù)服務(wù)器，本系統(tǒng) 自動采集數(shù)據(jù)服務(wù)器中的數(shù)據(jù)，經(jīng)過數(shù)據(jù)有效性判斷后作為基礎(chǔ)數(shù)據(jù)，并分別建立溫 度場模型、溫度場"反問題"模型和侵蝕結(jié)厚預(yù)測模型來描述爐缸爐底區(qū)域的溫度場、 模擬侵蝕結(jié)厚的狀況；建立基于熱電偶、水溫差和流量檢測的高爐爐缸爐底侵蝕、結(jié) 厚和熱流監(jiān)測、預(yù)報及報警系統(tǒng)，完成爐缸爐底區(qū)域溫度場分布、侵蝕結(jié)厚狀況顯示， 實時監(jiān)測和預(yù)報功能，全面分析熱流變化，提供報警功能。系統(tǒng)總體結(jié)構(gòu)如圖1示。 1.溫度場模型的具體內(nèi)容包括動態(tài)侵蝕邊界下的溫度場計算方法和有結(jié)厚發(fā)生情況下 的溫度場計算方法。
U)以傳熱學(xué)為基礎(chǔ)，采用有限差分的數(shù)值計算方法，設(shè)計的動態(tài)侵蝕邊界下的溫 度場計算方法，伴隨著侵蝕的不斷發(fā)生，磚襯不斷受到侵蝕，因而侵蝕邊界不斷變化，計算侵蝕邊界變化后的溫度場，實現(xiàn)方法如下
St印h根據(jù)爐型尺寸參數(shù)利用網(wǎng)格自動生成模塊得到各節(jié)點信息；
Step 2:通過侵蝕邊界上的各特征點的位置，判斷所有網(wǎng)格節(jié)點是否發(fā)生了侵蝕；
Step 3:計算每個節(jié)點離散方程系數(shù)；
Step 4:確定各節(jié)點的離散方程，最后聯(lián)立所有節(jié)點的離散方程并求解方程組，即 可得到侵蝕邊界變化后的溫度場。
(2)本發(fā)明提出的一種有結(jié)厚發(fā)生情況下的溫度場計算方法，是在動態(tài)侵蝕邊界溫 度場計算方法的基礎(chǔ)上，進一步考慮侵蝕過程中的結(jié)厚現(xiàn)象，對節(jié)點系數(shù)矩陣進行修 正，修正的方法如下
Step 1:發(fā)生結(jié)厚時，部分剩余磚襯會與結(jié)厚層形成一條交界，確定結(jié)厚交界的位
置；
Step 2:判斷節(jié)點與結(jié)厚層的位置關(guān)系；
Step 3:如果當(dāng)前節(jié)點在結(jié)厚層內(nèi)，這樣不僅需要判斷近結(jié)厚交界的情況，也要判 斷靠近原始爐型不同材質(zhì)砌筑交界的情況；
Step 4:如果當(dāng)前節(jié)點不在結(jié)厚層內(nèi)，則只需要判斷靠近原始爐型不同材質(zhì)砌筑交 界的情況；
Step 5:對于近結(jié)厚交界節(jié)點單元的四條邊上的導(dǎo)熱系數(shù)需做調(diào)和平均處理； 2.溫度場"反問題"模型以溫度場模型為基礎(chǔ)，以實測熱電偶溫度數(shù)據(jù)為參照依據(jù)，利 用改進后的遺傳算法，反算出所對應(yīng)的侵蝕邊界的位置。模型中與神經(jīng)網(wǎng)絡(luò)預(yù)測模塊 有機結(jié)合，提高了運算效率。
(1)如圖4，改進后的遺傳算法，是在傳統(tǒng)的遺傳算法基礎(chǔ)上，針對問題本身的特 點，使用了一些改進方案，具體方法如下
Stepl:采用實數(shù)編碼。自變量個體是動態(tài)的侵蝕邊界，經(jīng)過離散化后，以一個多 元實數(shù)向量作為個體編碼，向量中的每一個分量，就是個體的一個基因；
Step2:考慮到個體自變量的實際意義，使用源于凸集理論的代數(shù)雜交來取代簡單 遺傳算法常用的單點或多點交叉。具體做法是，對于選定進行雜交的兩個個體 X=(Xl，X2,...，Xs，y=(yi,y2,...,ys)，隨機生成一個實數(shù)K，則新的個體是 x'=K.x + (1 -K)'y y'=K.y + (1 -K)*x
K的取值一般限制在[O，l]之間。 Step 3:變異操作采用基于"變尺度"動態(tài)代數(shù)變異，這是一種以實數(shù)編碼為基礎(chǔ)的、 有助于加快遺傳算法收斂的改進變異方案。具體做法是，對于選定進行變異的基因Xi，
按照以下兩個公式中的一個，得到新基因Xi'
Xi'=Xi + K'(XiUPPer - Xi)*D或Xi'=Xi + K'(Xi1。， - Xi)'D
其中K是(0，1)間的一個隨機數(shù)，Xi"PPer和X，wer分別是該基因取值的上下限；D是 一個可選參數(shù)，它一般取為一個與當(dāng)前進化代數(shù)有關(guān)的、取值在
間的下降函數(shù)。 若取D4，即退化為普通的代數(shù)變異。根據(jù)問題的特點，我們采用
D(t)=[l-(t-l)/(T+5)]a其中，t是當(dāng)前代數(shù)，T是總代數(shù)，a是用于調(diào)整收縮速率的常值參數(shù)； St印4:從問題本身的特點考慮，經(jīng)過大量的試驗，適應(yīng)度函數(shù)的設(shè)計采用溫度區(qū) 間編碼的方式，設(shè)計靈活，區(qū)別于通常的求極值的方法。
(2)溫度場"反問題"模型與神經(jīng)網(wǎng)絡(luò)預(yù)測模塊有機結(jié)合，方法如下 St印1:以爐缸爐底當(dāng)前熱電偶溫度輸入神經(jīng)網(wǎng)絡(luò)預(yù)測模塊；
St印2:由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測得到侵蝕邊界離散點數(shù)據(jù)，作為改進后的遺傳算 法初始化種群中的一個優(yōu)良個體，以提高進化的速度；
St印3:通過改進后的遺傳算法得到當(dāng)前熱電偶溫度所對應(yīng)的侵蝕邊界的位置； 3.神經(jīng)網(wǎng)絡(luò)預(yù)測模型以溫度場計算模型為基礎(chǔ)，采用B-P神經(jīng)網(wǎng)絡(luò)建立動態(tài)侵蝕結(jié)厚 預(yù)測模型，并與改進后的遺傳算法模塊有機結(jié)合，實現(xiàn)對侵蝕狀況、結(jié)厚程度的預(yù)報。 主要步驟如下
St印1:根據(jù)熱電偶溫度和侵蝕邊界、結(jié)厚交界特征點的對應(yīng)關(guān)系，選用熱電偶溫 度作為輸入層，節(jié)點數(shù)等于熱電偶的數(shù)量，侵蝕邊界、結(jié)厚交界特征點作為輸出層， 節(jié)點數(shù)取決于特征點的數(shù)量；
Step 2:設(shè)計若T種侵蝕界面，計算出與侵蝕界面、結(jié)厚交界相對應(yīng)的溫度場，提 取熱電偶位置處的溫度與侵蝕邊界、結(jié)厚交界組成若干樣本對，用生成的樣本庫對神 經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練；
Step 3:利用改進后的遺傳算法模塊得到的最佳染色體制作新樣本對，周期性更新 樣本庫，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修正權(quán)值和閾值；
Step 4:利用訓(xùn)練好的網(wǎng)絡(luò)進行預(yù)測。 4.高爐爐缸爐底侵蝕、結(jié)厚和熱流監(jiān)測、預(yù)報及報警系統(tǒng)采用VC++6.0進行開發(fā)， 以O(shè)RACLE數(shù)據(jù)庫進行數(shù)據(jù)存儲，分為客戶端和后臺系統(tǒng)兩部分，后臺系統(tǒng)包括人工 智能系統(tǒng)和熱流強度監(jiān)視報警系統(tǒng)，實現(xiàn)無須人工干預(yù)的全自動模式。系統(tǒng)的總體流 程如圖2所示。
(1) 客戶端系統(tǒng)
主要用于將后臺計算得到的結(jié)果以圖形、數(shù)據(jù)的形式直觀的顯示給用戶。
(2) 后臺人工智能系統(tǒng)
Step 1:由爐缸爐底各參數(shù)數(shù)據(jù)進行初始化，并初始化連接數(shù)據(jù)庫，如果數(shù)據(jù)庫連 接不正常，后臺系統(tǒng)將無法啟動，系統(tǒng)會自動強制關(guān)閉，并提示用戶重新啟動本系統(tǒng); 如果數(shù)據(jù)庫連接正常，則系統(tǒng)會自動啟動后臺人工智能系統(tǒng)，客戶端則將后臺系統(tǒng)得 到的數(shù)據(jù)以圖形和數(shù)據(jù)的形式進行顯示。
St印2:如圖3所示，后臺人工智能系統(tǒng)是以改進后遺傳算法和BP神經(jīng)網(wǎng)絡(luò)為核心， 溫度場計算模塊為基礎(chǔ)，并與BP神經(jīng)網(wǎng)絡(luò)構(gòu)成統(tǒng)一的整體，改進的遺傳算法模塊得到 的最佳染色體，經(jīng)過挑選可作為更新BP神經(jīng)網(wǎng)絡(luò)模塊中樣本庫的新樣本。改進后的遺 傳算法模塊與BP神經(jīng)網(wǎng)絡(luò)模塊，既可實現(xiàn)各自的獨立功能也可互相協(xié)作，用戶可根據(jù) 需要進行功能項選擇。
(3) 后臺熱流強度監(jiān)視報警系統(tǒng)如圖5所示，熱流強度監(jiān)視報警主要以爐缸區(qū)域各塊水箱為對象，實時監(jiān)視每塊 水箱區(qū)域的熱流強度變化，并設(shè)定熱流強度報警臨界值，當(dāng)某塊水箱的熱流強度超過 了臨界值，則發(fā)出報警提示，顯示該區(qū)域的位置。熱流強度的計算主要以冷卻系統(tǒng)的 水溫差為基礎(chǔ)進行計算，并以圖形、曲線等形式顯示各水箱熱流強度值。
(4) 動畫顯示
采用MATLAB與丫。++混合編程，利用MATLAB強大的圖形功能實現(xiàn)爐缸爐底 侵蝕結(jié)厚三維圖像動畫顯示。它使用矩陣數(shù)組描述曲面，并在圓周方向進行擬和逼近， 使曲面更加平滑生動，將侵蝕結(jié)厚圖像直觀的表現(xiàn)出來。利用MATLAB引擎可以大大 提高系統(tǒng)效率。
(5) 數(shù)據(jù)通信
對于現(xiàn)場的檢測點，采用OPC與下位PLC進行通訊，借助自主開發(fā)的OPC客戶 端程序讀出或?qū)懭胂挛籔LC數(shù)據(jù)，并將讀得的實時數(shù)據(jù)通過COM+接口寫入數(shù)據(jù)中間 層。保證實時、精確通訊，提高了數(shù)據(jù)通訊效率，并具有良好的通用性和可移植性。
(6) 參數(shù)設(shè)置和歷史査詢 主要進行各種參數(shù)的設(shè)置以及歷史數(shù)據(jù)查詢，包括軟件初始化時高爐爐缸爐底
參數(shù)、算法參數(shù)等的設(shè)置；將歷史計算結(jié)果進行數(shù)據(jù)保存，提供用戶查詢功能。 5.本系統(tǒng)可做為高爐專家系統(tǒng)的子系統(tǒng)，并與專家系統(tǒng)的爐況判斷模塊相結(jié)合，提供 數(shù)據(jù)依據(jù)，協(xié)同專家系統(tǒng)對異常爐況做出準確判斷。以爐缸堆積現(xiàn)象的判斷為例，實 現(xiàn)方法如下首先，根據(jù)高爐專家系統(tǒng)中的爐況判斷模塊對爐缸狀態(tài)做出趨勢判斷， 如果判斷出存在爐缸堆積的可能性，則可進一步由本系統(tǒng)所得到的侵蝕、結(jié)厚數(shù)據(jù)進 行分析確認，這樣從定性和定量兩個方面的分析，可確定發(fā)生了爐缸堆積現(xiàn)象。
權(quán)利要求
1. 一種高爐爐缸爐底監(jiān)測、預(yù)報、報警系統(tǒng)，該系統(tǒng)包括在線監(jiān)測預(yù)報的硬件和軟件處理模塊，其特征在于在線監(jiān)測預(yù)報的硬件由爐缸爐底埋設(shè)的熱電偶和冷卻系統(tǒng)組成，通過以太網(wǎng)連接高爐生產(chǎn)過程數(shù)據(jù)庫；軟件處理模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)有效性判斷模塊、溫度場計算模塊、改進后的遺傳算法模塊、B-P神經(jīng)網(wǎng)絡(luò)模塊、數(shù)據(jù)庫、等溫線與侵蝕結(jié)厚圖像顯示模塊、三維成像模塊、熱流監(jiān)視報警模塊、歷史數(shù)據(jù)查詢模塊；軟件處理模塊都運行在工控機上。
2. 根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于溫度場計算模塊是以傳熱學(xué)為基礎(chǔ)， 采用有限差分的方法進行離散，建立柱坐標系下的二維穩(wěn)態(tài)和非穩(wěn)態(tài)溫度場模型，以 現(xiàn)場檢測數(shù)據(jù)為依據(jù)，模型中對于侵蝕邊界的不斷變化及侵蝕過程中的結(jié)厚現(xiàn)象進行 了系統(tǒng)的模擬計算，設(shè)計了動態(tài)侵蝕邊界下的溫度場計算和有結(jié)厚發(fā)生情況下的溫度 場計算方法。
3. 根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于所述的動態(tài)侵蝕邊界下的溫度場計 算，實現(xiàn)方法如下(1 )根據(jù)爐型尺寸參數(shù)利用網(wǎng)格自動生成模塊得到各節(jié)點信息；(2) 通過侵蝕邊界上的各特征點的位置，判斷所有網(wǎng)格節(jié)點是否發(fā)生了侵蝕；(3) 對每個節(jié)點進行離散方程系數(shù)的計算；(4) 確定各節(jié)點的離散方程，最后聯(lián)立所有節(jié)點的離散方程并求解方程組，得到侵 蝕邊界變化后的溫度場。
4. 根據(jù)權(quán)利要求2或3所述的系統(tǒng)，其特征在于所述的有結(jié)厚發(fā)生情況下的溫 度場計算方法，是在所述的動態(tài)侵蝕邊界溫度場計算方法的基礎(chǔ)上，對節(jié)點系數(shù)矩陣 進行修正，修正的方法如下(1) 確定結(jié)厚交界的位置；(2) 判斷節(jié)點與結(jié)厚層的位置關(guān)系；(3) 如果當(dāng)前節(jié)點在結(jié)厚層內(nèi)，這樣不僅需要判斷近結(jié)厚交界的情況，也要判斷靠 近原始爐型不同材質(zhì)砌筑交界的情況；(4) 如果當(dāng)前節(jié)點不在結(jié)厚層內(nèi)，則只需要判斷靠近原始爐型不同材質(zhì)砌筑交界的 情況；(5) 對于近結(jié)厚交界節(jié)點單元四條邊上的導(dǎo)熱系數(shù)需做調(diào)和平均處理。
5. 根據(jù)權(quán)利要求1或2所述的系統(tǒng)，其特征在于改進后的遺傳算法模塊以所述 的溫度場計算模塊為基礎(chǔ)，以實測熱電偶溫度數(shù)據(jù)為參照依據(jù)，利用改進后的遺傳算 法，建立溫度場"反問題"模型，并與神經(jīng)網(wǎng)絡(luò)預(yù)測模塊有機結(jié)合，提高了運算效率。
6. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述的改進后的遺傳算法，是在傳 統(tǒng)的遺傳算法基礎(chǔ)上，針對問題本身的特點，使用了一些改進方案，具體方法如下(1) 采用實數(shù)編碼。自變量個體是動態(tài)的侵蝕邊界，經(jīng)過離散化后，以一個多元實 數(shù)向量作為個體編碼；(2) 交叉操作采用代數(shù)雜交；(3) 變異操作采用基于"變尺度"動態(tài)代數(shù)變異；(4) 適應(yīng)度函數(shù)的設(shè)計采用溫度區(qū)間編碼的方式，區(qū)別于通常的求極值的方法。
7. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述的溫度場"反問題"模型，是 利用遺傳算法的全局優(yōu)化特性，以埋設(shè)于爐缸爐底磚襯內(nèi)的熱電偶溫度做為參照條件, 反算出所對應(yīng)的侵蝕邊界的位置。
8. 根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述的溫度場"反問題"模型與神 經(jīng)網(wǎng)絡(luò)預(yù)測模塊有機結(jié)合，方法如下(1) 以爐缸爐底當(dāng)前熱電偶溫度輸入神經(jīng)網(wǎng)絡(luò)預(yù)測模塊；(2) 由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測得到侵蝕邊界離散點數(shù)據(jù)，作為改進后的遺傳算法初 始化種群中的一個優(yōu)良個體，以提高進化的速度；(3) 通過改進后的遺傳算法得到當(dāng)前熱電偶溫度所對應(yīng)的侵蝕邊界的位置。
9. 根據(jù)權(quán)利要求1或2所述的系統(tǒng)，其特征在于神經(jīng)網(wǎng)絡(luò)預(yù)測模塊是以溫度場 計算模塊為基礎(chǔ)，采用B-P神經(jīng)網(wǎng)絡(luò)建立動態(tài)侵蝕結(jié)厚預(yù)測模型，并與改進后的遺傳 算法模塊有機結(jié)合，實現(xiàn)對侵蝕狀況、結(jié)厚程度的預(yù)報，步驟如下-(1) 根據(jù)熱電偶溫度和侵蝕邊界、結(jié)厚交界特征點的對應(yīng)關(guān)系，選用熱電偶溫度作 為輸入層，節(jié)點數(shù)等于熱電偶的數(shù)量，侵蝕邊界、結(jié)厚交界特征點作為輸出層，節(jié)點 數(shù)取決于特征點的數(shù)量；(2) 設(shè)計若干種侵蝕界面，計算出與侵蝕界面、結(jié)厚交界相對應(yīng)的溫度場，提取熱 電偶位置處的溫度與侵蝕邊界、結(jié)厚交界組成若干樣本對，用生成的樣本庫對神經(jīng)網(wǎng) 絡(luò)模型進行訓(xùn)練；(3) 利用改進后的遺傳算法模塊得到的最佳染色體制作新樣本對，周期性更新樣本 庫，重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修正權(quán)值和閾值；(4) 利用訓(xùn)練好的網(wǎng)絡(luò)進行預(yù)測。
10. 根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于全自動智能化系統(tǒng)分為客戶端和 后臺系統(tǒng)兩部分，客戶端主要用于將后臺計算得到的結(jié)果以圖形、數(shù)據(jù)的形式直觀的 顯示給用戶；后臺系統(tǒng)包括人工智能系統(tǒng)和熱流強度監(jiān)視報警系統(tǒng)。后臺人工智能系 統(tǒng)是以溫度場計算模塊、改進后的遺傳算法模塊和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模塊為核心的智能 系統(tǒng)，其中改進后的遺傳算法模塊與BP神經(jīng)網(wǎng)絡(luò)模塊有機結(jié)合，構(gòu)成統(tǒng)一的整體。
全文摘要
一種高爐爐缸爐底監(jiān)測、預(yù)報、報警系統(tǒng)，屬于高爐長壽技術(shù)領(lǐng)域。該系統(tǒng)包括在線監(jiān)測預(yù)報的硬件和軟件處理模塊；在線監(jiān)測預(yù)報的硬件由爐缸爐底埋設(shè)的熱電偶和冷卻系統(tǒng)組成，通過以太網(wǎng)連接高爐生產(chǎn)過程數(shù)據(jù)庫；軟件處理模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)有效性判斷模塊、溫度場計算模塊、改進后的遺傳算法模塊、B-P神經(jīng)網(wǎng)絡(luò)模塊、數(shù)據(jù)庫、等溫線與侵蝕結(jié)厚圖像顯示模塊、三維成像模塊、熱流監(jiān)視報警模塊、歷史數(shù)據(jù)查詢模塊；軟件處理模塊都運行在工控機上。優(yōu)點在于，投資少、可靠直觀，為高爐冶煉過程中爐缸爐底侵蝕結(jié)厚狀況提供了客觀、量化的依據(jù)，幫助高爐操作者及時了解爐缸爐底的狀況并采取有效護爐措施，延長高爐使用壽命。
文檔編號C21B7/24GK101457268SQ20091007613
公開日2009年6月17日 申請日期2009年1月7日 優(yōu)先權(quán)日2009年1月7日
發(fā)明者劉云彩, 周檢平, 王洪庚, 胡丕俊, 馬富濤, 齊樹森 申請人:北京首鋼自動化信息技術(shù)有限公司