高炉炉缸炉底监测、预报、报警系统

摘要

一种高炉炉缸炉底监测、预报、报警系统，属于高炉长寿技术领域。该系统包括在线监测预报的硬件和软件处理模块；在线监测预报的硬件由炉缸炉底埋设的热电偶和冷却系统组成，通过以太网连接高炉生产过程数据库；软件处理模块包括数据采集模块、数据有效性判断模块、温度场计算模块、改进后的遗传算法模块、B-P神经网络模块、数据库、等温线与侵蚀结厚图像显示模块、三维成像模块、热流监视报警模块、历史数据查询模块；软件处理模块都运行在工控机上。优点在于，投资少、可靠直观，为高炉冶炼过程中炉缸炉底侵蚀结厚状况提供了客观、量化的依据，帮助高炉操作者及时了解炉缸炉底的状况并采取有效护炉措施，延长高炉使用寿命。

主权项

一种高炉炉缸炉底监测、预报、报警系统，该系统包括在线监测预报的硬件和软件处理模块，其特征在于：在线监测预报的硬件由炉缸炉底埋设的热电偶和冷却系统组成，通过以太网连接高炉生产过程数据库；软件处理模块包括数据采集模块、数据有效性判断模块、温度场计算模块、改进后的遗传算法模块、B-P神经网络模块、数据库、等温线与侵蚀结厚图像显示模块、三维成像模块、热流监视报警模块、历史数据查询模块；软件处理模块都运行在工控机上；温度场计算模块是以传热学为基础，采用有限差分的方法进行离散，建立柱坐标系下的二维稳态和非稳态温度场模型，以现场检测数据为依据，模型中对于侵蚀边界的不断变化及侵蚀过程中的结厚现象进行了系统的模拟计算，设计了动态侵蚀边界下的温度场计算和有结厚发生情况下的温度场计算方法；改进后的遗传算法模块以所述的温度场计算模块为基础，以实测热电偶温度数据为参照依据，利用改进后的遗传算法，建立温度场“反问题”模型，并与B-P神经网络模块有机结合，提高了运算效率；改进后的遗传算法，是在传统的遗传算法基础上，针对问题本身的特点，使用了一些改进方案，具体方法如下：(1)采用实数编码，自变量个体是动态的侵蚀边界，经过离散化后，以一个多元实数向量作为个体编码；(2)交叉操作采用代数杂交；(3)变异操作采用基于“变尺度”动态代数变异；(4)适应度函数的设计采用温度区间编码的方式，区别于通常的求极值的方法；B-P神经网络模块是以温度场计算模块为基础，采用B-P神经网络建立动态侵蚀结厚预测模型，并与改进后的遗传算法模块有机结合，实现对侵蚀状况、结厚程度的预报，步骤如下：(1)根据热电偶温度和侵蚀边界、结厚交界特征点的对应关系，选用热电偶温度作为输入层，节点数等于热电偶的数量，侵蚀边界、结厚交界特征点作为输出层，节点数取决于特征点的数量；(2)设计若干种侵蚀界面，计算出与侵蚀界面、结厚交界相对应的温度场，提取热电偶位置处的温度与侵蚀边界、结厚交界组成若干样本对，用生成的样本库对神经网络模型进行训练；(3)利用改进后的遗传算法模块得到的最佳染色体制作新样本对，周期性更新样本库，重新训练神经网络，修正权值和阈值；(4)利用训练好的网络进行预测；所述的动态侵蚀边界下的温度场计算，实现方法如下：(1)根据炉型尺寸参数利用网格自动生成模块得到各节点信息；(2)通过侵蚀边界上的各特征点的位置，判断所有网格节点是否发生了侵蚀；(3)对每个节点进行离散方程系数的计算；(4)确定各节点的离散方程，最后联立所有节点的离散方程并求解方程组，得到侵蚀边界变化后的温度场；所述的有结厚发生情况下的温度场计算方法，是在所述的动态侵蚀边界温度场计算方法的基础上，对节点系数矩阵进行修正，修正的方法如下：(1)确定结厚交界的位置；(2)判断节点与结厚层的位置关系；(3)如果当前节点在结厚层内，这样不仅需要判断近结厚交界的情况，也要判断靠近原始炉型不同材质砌筑交界的情况；(4)如果当前节点不在结厚层内，则只需要判断靠近原始炉型不同材质砌筑交界的情况；(5)对于近结厚交界节点单元四条边上的导热系数需做调和平均处理；所述的温度场“反问题”模型，是利用遗传算法的全局优化特性，以埋设于炉缸炉底砖衬内的热电偶温度做为参照条件，反算出所对应的侵蚀边界的位置；所述的温度场“反问题”模型与B-P神经网络模块有机结合，方法如下：(1)以炉缸炉底当前热电偶温度输入B-P神经网络模块；(2)由训练好的神经网络预测得到侵蚀边界离散点数据，作为改进后的遗传算法初始化种群中的一个优良个体，以提高进化的速度；(3)通过改进后的遗传算法得到当前热电偶温度所对应的侵蚀边界的位置。