基于ARMAX-LSTM模型的高炉铁水质量预报研究

作     者：李泽龙 

作者单位：浙江大学 

学位级别：硕士

导师姓名：杨春节

授予年度：2019年

学科分类：080602[工学-钢铁冶金] 08[工学] 0806[工学-冶金工程] 

主      题：铁水质量 ARMAX模型 LSTM模型 工况切换 预测 深度学习 分片建模 

摘      要：钢铁产业是国民经济的基础。硅、锰、磷、硫含量等铁水质量参数是反映炼铁效果、保证高能效冶炼的关键指标。由于高炉冶炼的多工况、多相强耦合、非线性等特点,铁水质量预报一直是冶金自动化的难题。本文针对高炉反应的特性,展开了以下研究:1)通过对化学反应机理以及针对实际生产数据的统计学分析,确定合理的过程相关变量。然后针对系统的特点,选定ARMAX模型与LSTM模型作为主要的建模方法。2)使用ARMAX模型对高炉冶炼进行建模,并实现了ARMAX模型的在线算法。针对在线算法存在不可解的风险,提出弱平稳贝叶斯准则来解决此问题。将LSTM模型应用于铁水质量建模。基于对两种算法的研究,提出一种ARMAX-LSTM模型框架,该框架首先使用ARMAX模型提取线性模态,然后使用LSTM模型对前者的残差进行建模。最终实现缩减LSTM规模的同时提升了准确率。3)针对高炉生产中存在的工况切换问题提出两种算法。应对显著的操作条件变化,提出一种基于持续步长的经验性算法。该算法对过程变量的一阶差分进行监测,当出现较大的差分值,而后续差分值保持足够步长的小数值,则触发ARMAX-LSTM模型重整定。应对隐式工况切换,将ARMAX-LSTM模型修改为分片多模型的结构,即使用Softmax函数对ARMAX-LSTM模型进行组合,每一个子模型对应一种隐式模态。该研究获得了比较好的预测效果,证实了所提方法的有效性。