基于大数据的高炉炉温监测预警系统

摘要：

随着新一轮产业变革和技术革命的兴起,钢铁制造业正在由高碳向低碳、由低端向高端转型升级.为实现高效率、低能耗、长寿命、低污染的综合目标,现代炼铁工艺逐渐趋于绿色化、智能化.高炉为一个非线性、大时滞的黑箱化系统,高温高压的环境使得高炉炉温的测量和控制都不易实现.利用铁水硅含量、铁水温度与高炉炉温的正相关性,建立基于大数据分析的铁水硅含量以及铁水温度预测模型,间接实现对炉温的预测.首先,利用经过异常值、缺失值以及归一化处理后的高炉标准数据数据集,通过多角度的相关性分析方法完成对模型输入变量的选取;然后,通过模型综合对比,建立基于Adaboost模型的铁水硅含量、铁水温度预测模型;最后,结合计算机技术建立高炉炉温监测预警系统.该系统的应用不仅有效解决了传统冶炼工艺带来的弊端,而且能起到延长设备生命周期、提前预测炉况走向等作用,有效推动了高炉智能化转型.

关键词：铁水硅含量、铁水温度、大数据、Adaboost模型、线性回归模型

所属期刊栏目：33

分类号：TP391;TP273;TF53

资助基金：国家自然科学基金52004096

在线出版日期：2023-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：98-105,140