国外“高炉专家系统”的开发与应用

“高炉专家系统”应用现状和发展趋势高炉是炼铁生产中的主体设备,主要由高炉主控室、槽下配料称量系统、上料布料系统、渣、铁处理系统、热风炉送风系统、喷吹系统、煤气除尘设施及高炉本体等几个部分组成。从技术原理上看,高炉是一个密闭的高能耗、高温、高压反应器。除风口和出渣、出铁时可以观察外,整个机组是密闭的,操作人员只能根据一些检测数据间接地推断炉内情况。但是,高炉生产过程复杂,含气、液、固三相态,除了复杂的物料平衡、热传导外,还有空气动力学问题。因此,操作人员实现正确的操作十分困难,在某种程度上可以说是在凭经验操作高炉。如果不能对高炉炉况异常情况做出及时准确的预报,将会造成经济损失。对炉况的预报除了用仪表和炉长的经验进行判断外,还可用“高炉专家系统”来实现。“高炉专家系统”作为人的智力劳动的延伸,凝聚了“专家级”操作人员的经验与智慧的结晶,借助于计算机技术和信息技术整合各种专家知识规则,可以及时、自动化地判断出冶炼过程发生的各种异常炉况,从而避免人为的疏忽,为高炉精细化操作赢得了时间和经验。借助专家系统实现对高炉炉况的描述和控制,是当今高炉实现计算机控制技术的发展方向。在国外,尤其是在日本,一些钢铁厂相继开发和使用“高炉专家系统”对高炉炼铁生产进行管理和控制,国内首钢和宝钢等公司的高炉专家系统也已投入使用。

从20世纪50年代起,国外就开始研究计算机在高炉炼铁中的应用。其中,前苏联的拉姆配料计算模型,美国内陆钢铁公司的数学模型等都是早期研究成果。在反映高炉内部热平衡状态的炉热指数模型的建立进程中,比较重要的炉热指数有法国钢铁研究院提出的Wu指数、比利时冶金研究中心提出的Ec指数、日本住友公司提出的Ts指数。这些传统数学模型在高炉的中长期控制方面取得了很大的成功,对于帮助炉长和技术管理人员认识复杂的高炉现象、制定生产计划、优化作业参数、规范和强化炉况管理等方面发挥着重要的作用。但是在高炉工作者最关注的短期控制方面,这些传统的数学模型无论从计算精度还是计算结果的可靠性上来看,还不能适应高炉复杂而难以把握的动态变化。20世纪80年代初,冶炼专家开始在高炉控制中引入专家系统和其他人工智能技术,高炉的短期控制问题的解决才取得了根本性的进展。所谓人工智能(ArtificialIntelligence,简称AI)系统是指与人类专家行为类似,具有获取知识,并运用知识解决各种实际问题的能力的计算机系统。人工智能是一门新兴的学科,是自然科学和社会科学的交叉学科。而专家系统、人工神经元网络、模式分解,智能机器人等是人工智能技术的重要分支。尤其是专家系统,已经取得了大量具有工程实用价值的成果。专家系统(ExpertSystem,简称ES)是应用于某一特定领域的复杂计算机软件,它能够利用人类专家的经验和知识,模拟人类的思维推理方式,对问题进行求解和决策。最适合应用专家系统的领域是复杂而且主要依赖人的经验进行控制的各种过程,例如医疗诊断、航天飞机、地质勘探、高炉过程等。20世纪70年代以后,随着日本钢铁工业的崛起,日本对高炉过程的计算机应用及数学模型的研究开发居于国际先进水平。各种炉热指数模型和炉温预测模型应用于日本各大高炉的冶炼过程。日本各钢铁厂先后提出了以炼铁专家知识为基础的逻辑判断与数量计算相结合的模型,如:“炉况诊断模型”、“GO-STOP模型”,操作管理系统“AGOS模型”等。于是开始了高炉冶炼过程控制中的人工智能应用研究,明确提出建立高炉冶炼过程的“专家知识与规则”。在各种各样的高炉数学模型与“专家系统”开发中,具有代表性的应用研究成果有:

(1)以软熔带推断模型为主建立的“SAFAIA模型集成系统”。该系统应用在新日铁大厂2号高炉上。它使用532个传感器、8种软融带模式,专家知识库包含5850条规则,采集1200条过程机数据,系统采样时间间隔1s,推理判断给出操作指导的时间间隔为5s。

(2)以无料钟炉顶布料模型为主建立的模型集成系统。该系统应用在日本京滨1号高炉上,以装料制度、煤气流状态、炉体温度场、风量、风压、透气性等重要影响因素组成专家知识规则库。

(3)以炉温预报与异常炉况判断为主的“BAISYS专家系统”。该系统应用在日本钢管福山厂5号高炉上,包含900个检测点,传感器数据采用1min滤波,专家知识库包含700多条规则(炉热预报500多条、炉况判断200多条);2min一次预测异常炉况(包括管道现象和崩料等)、20min一次炉热状态推断。命中率达83%。这是基于传感器的在线实时型“专家系统”。

(4)数学模型与专家系统相结合的“HYBRID混合型专家系统”。该系统应用在日本住友金属1号高炉上,专家知识库包含1200条规则,80%～85%时间依靠Ts炉热指数的预热模型操作高炉,15%～20%时间依靠“经验型专家系统”操作高炉。其铁水硅含量[Si]与铁水温度的预测命中率达到85%～90%。(5)日本川崎公司开发的“AdvancedGO-STOP系统”。这也是上海宝钢集团公司继2号高炉在80年代

中期引进GO-STOP模型后于90年代引进的模型。GO-STOP系统的主要特点是以炉料下降作为判断炉况的主要考虑因素,结合了许多高炉操作、炉况判断和控制的丰富经验而形成炉况判断系统,能够预报高炉崩料和炉凉等重大炉况异常,并提供相应的操作指导,以改变风量作为控制炉况的应急对策。该系统能够消除因操作者经验和水平的差异以及操作不一致而造成的炉况波动,从而为高炉的稳定、顺行做出了贡献。为了评价高炉的状况,GO-STOP系统采用了3种评价标准,即Go,Back,Stop。其中Go表示高炉的操作还有潜力,可以进一步强化(如加大风量、提高温度、降低焦比等);Stop指保持高炉的现有状态、不动操作参数;Back则指高炉正在发生或者即将发生不稳定的状态,建议调整操作参数以避免或者减少炉况的波动。该系统在川崎钢铁公司的高炉上用了10多年,到20世纪80年代末期随着对高炉冶炼过程的进一步认识,GO-STOP系统的缺点也越来越突出,首先是早期GO-STOP系统灵活性差,它不能适应生产状况的变化。也不能将这十几年来新开发的高炉操作技术加入到该系统中,即系统的扩展性较差。为解决这个问题,川崎公司1998年利用人工智能中的专家系统技术对早期GO-STOP系统作了全面调整,这个系统的显著特点就是将知识库和知识获取及推理系统分开,这样对知识库的修改不会影响整修系统的结构及运行。这样做就可以根据高炉的运行及炼铁技术的发展来不断修正知识库,使系统处于不断更新、完善之中。AdvancedGO-STOP系统于1988年10月在川崎水岛四号高炉进行了调试,1989年初投入运行,高炉操作人员是根据系统所提供的指导来进行高炉的炉况判断,炉况命中率超过95%。

(6)芬兰罗德洛基公司拉赫钢铁厂“高炉自动控制专家系统”。20世纪90年代以后,芬兰在引进日本GO-STOP模型基础上开发成功了“高炉专家系统”。其高炉指标在入炉料品位为62%,吨铁渣量为200kg条件下达到利用系数为3.3t/(d・m3)(按照高炉有效容积计算),入炉焦比为345kg/t。正在拉赫钢铁厂运行的专家系统是为2号高炉开发的,在高功率工作站HP9000/720中投入运行。所需监控系统的数据是通过串联方式输入专家系统的,对于高炉炉况的预报采用数据平均值(30s和5min)。“专家系统”的功能包括装料监控(配料计算),煤气分布与煤气利用率CO/CO2分析,塌料、崩料、滑料、结瘤、悬料(压差)等非正常状态识别,铁水温度与[Si]控制,以及出铁控制。

(7)德国帝森-克虏伯公司(TGYSSEN-KRUPP)开发的“THYBAS高炉自动化系统”。THYBAS系统能够实现对软熔带的监控、最低比燃料控制、铁水温度预报、炉缸液位及侵蚀控制。该系统的特点是:固体炉料在各个环节的粒度偏析状况的检测及应用;用统计学形式确定高炉的“效率系数”;在线处理数理数据种类达50个。实际效果是燃料比下降5%,利用系数提高10%。

(8)奥钢联工程技术公司(VAI)和奥钢联钢铁公司林茨厂(VASL)共同开发的“Vairon高炉优化软件包-专家系统”。该系统用于实现高炉的自动化生产,己在世界各地数座高炉上得到应用并取得了出色的运行结果。VAiron软件包以先进的工艺模型、人工智能、闭环专家系统和增强的软件功能为基础,在世界上首次使操作人员能够从冶金角度“观测到”生产中高炉内部的工艺过程,实现生产过程的高度透明性。该系统实现了入炉焦比、碱度控制和蒸气加湿的自动控制,并且改变了国外“高炉专家系统”一贯的对原燃料条件的苛刻要求,该“专家系统”能够适应原燃料条件变动的短期调整。

(9)瑞典SSAB(瑞典钢铁公司)开发的“高炉智能报警系统”。瑞典SSAB(瑞典钢铁公司)在1993年利用C/C++语言和NexpertObject在瑞典律列欧2号高炉上开发了高炉智能报警系统,系统运行在VAX工作站上,能够进行铁水含硅量预报和控制。系统的特点:开发中运用了人工智能技术;综合应用BP神经元网络和专家系统和专家规则判断和预测炉温;网络的动态训练。该系统提供的炉温调剂决策建议符合率达80%。

(10)法国的SOLLAC(索拉克公司)开发的“SACHEM高炉高级监控系统”。法国的SOLLAC(索拉克公司)于1996年在Fos1号和Dunkerque4号高炉上开发了SACHEM高炉高级监控系统,该系统可以对异常炉况进行监测,对当前炉况进行诊断,给操作员提供操作建议。系统的特点是:强调多人、多处开发的项目管理模式;实时性、可靠性、人机协同性能高;对次要过程数据的依赖性低;具有自适应性功能;对炉况的调剂动作的决策以风险大小及其代价或者费用为依据。该系统可以消除炉温超标,月炉况失常从8h减少到2h。