本发明涉及控制高炉运行的方法，特别涉及根据装在高炉上的传感器装置输出的信息，诊断高炉运行情况的方法。

最近，为诊断和控制高炉的运行，提出了许多方法。例如，日本公开专利（KOKAI）84-64705号描述了一种方法，其中，

（a）从各种传感器的输出数据中导出基于积累的经验已清楚地知道的因素;

（b）依次排列并数值计算与高炉中发生的现象有关的因素;

（c）从短期及长期这样排列并计算的因素测得高炉的运行情况。

这个方法的缺点在于它要求一个分析模型，这个模型必须靠高炉在其整个寿命中的变化进行修正来保持。而这个修正本身是一个非常费时且复杂的工作，因为分析模型是非常复杂的。

本发明的目的是提供一种诊断高炉运行的方法，其中分析模型很容易按高炉在其整个寿命中的变化来修正。

根据本发明，给出了控制高炉运行的一种方法，它包括如下步骤：

把高炉中的传感器装置输出的第一数据储存在中央处理单元（CPU）;

处理所述第一数据，由此准备表明高炉运行情况的第二数据;以及

通过比较所述第二数据与标准数据准备真-伪数据作为第二数据，并从第三数据和通过积累高炉运行经验形成的知识库推断高炉运行情况。

图1是本发明的诊断高炉运行情况的方法简图;

图2是执行本发明方法的装置方框图;

图3是本发明方法的流程图;

图4是本发明推断高炉运行情况的过程的简图;

图5是由本发明的一个实例得到的结果简图;以及

图6是由本发明一个实例得到的诊断结果与真实运行情况之间关系的简图。

现在参考图1到图4来描述本发明的一个实施例。

图1示意地表示一种根据本发明诊断高炉运行情况的方法。标号10代表大型计算机。计算机10包括依次处理从各种传感器装置11输出的数据的按序处理装置12，按序存储装置13，传感器数据处理装置14和接口缓冲寄存装置15。标号20代表小型计算机，它包括用以诊断高炉运行情况的知识库装置21，共用数据缓冲寄存装置22和推断装置23。标号30代表显示推断装置计算结果的阴极射线管（CRT）。

图2示意地说明一个执行本发明方法的装置。标号11a，11b和11c每一个都表示相应于图1中传感器装置11的传感器。大型计算机10包括下述装置：

41：接口;

42：中央处理单元（CPU）;

43：储存程序的只读存储器（ROM）;

44和45：随机存取存储器（RAMs）;及

46：接口

CPU42和存储由CPU42执行的程序的ROM43组成了按序处理装置12和传感器数据处理装置14，这两者都示于图1。RAM44组成图1的按序存储装置13。RAM45暂时储存从传感器装置输出的数据。RAM45和接口46组成了图1的接口缓冲存储装置15。

在图2中，小型计算机20包括键盘47，接口48、CPU49、ROM50、RAMs51和52，以及接口53。CPU49和存储由CPU49执行的程序的ROM50组成图1的推断装置23。RAM51组成也示于图1的知识库装置21。存储在RAM51中的数据可用操作键盘47来改变。新的数据可以通过键盘47经接口48输入而加到上述数据中。RAM52组成图1的共用数据存储装置22。存在大型计算机10的RAM45中的数据通过接口46传输到RAM52中。CPU49得到的结果通过接口53提供给CRT30并被显示。现在结合图3的流程图来说明本发明的实施例的工作。

（1）首先，从传感器装置11输出的第一数据以预定的序列由按序处理装置12读入，然后存在按序存储装置13中（第一步）。事实上，这一工作是在CPU42的控制下，把数据从传感器11a，11b和11c通过接口41提供给RAM44来完成的。

（2）存在按序存储装置12中的第一数据由CPU42处理，从而形成表示高炉运行情况的第二数据。这一处理步骤产生表明变化率、水平比较、值漂移的数据和第一数据在一个指定时间间隔内的积 分值。这一工作实际上由CPU42进行（第二步）。

（3）在第二步得到的第二数据由CPU42与标准数据比较，由此提供真-伪数据。该真-伪数据存入接口缓冲存储器装置15，更明确地说，这些数据存在图2中的RAM45中（第三步）。

（4）存在接口缓冲存储装置15中的真-伪数据被传输到共用数据缓冲存储装置22中（第四步）。更准确地说，在RAM45中存储的数据被传输到RAM52中。

（5）推断装置23以存在知识库装置21中的数据和存在共用数据缓冲装置24中的真-伪数据为基础，推断高炉的运行情况（第五步）。CPU49执行存储在RAM51和52中的数据选定的程序来完成这一工作。

（6）然后，由CPU49作出的总判断通过接口53提供给CRT30并被显示（第六步）。

（7）然后确定是否已给出停止信号。若是，处理就停止，若否，再回到第一步。在第二种情况下，在预定的时间间隔（例如2分钟）内重复上述第一到七步。

探测气沟和意外事故的传感器装置11大体上可分成下面几类。检查装料降落情况，探测压力，探测温度和探测气体组分。此外，从压力和温度信息得到的残渣数据也影响气沟和意外事故。表1列出探测高炉中各种情况的传感器装置。

表1

传感器装置并不限于表1所列的那些。除此之外，还可以使用垂直探针、微分型装料厚度和速度计以及风嘴口火焰亮度测量装置。

处理第一数据的步骤包括下列数据处理：

（a）对过去30分钟计算第一回归系数;

这适用于水平探针测量的温度、顶部气体利用比以及炉盖下探针测量的温度。

（b）计算现在测量值和tk分钟前测量值的差额：

这适用于炉身温度。

（c）计算把现在测量的值和tk分钟前测量的值代入第一回归系数公式得到的两个值之间的差额：

这适用于顶部气体利用比。

（d）计算现在和tk分钟前得到的两个值之间的差额：

这适用于装料降落速度，压强损失，炉身温度，在水平探针层面的炉料温度，炉身压强和鼓风压强。

（e）计算标准偏差：

这适用于装料降落速度和压强损失。

（f）对与理论值的偏差求积分：

这适用于装料降落速度。

预处理过的第二数据示于表2。

表2

续表2

第二数据包括：

关于装料降落情况200的数据201到204;

关于压强210的数据211到214;

关于气体成分230的数据231和232;

关于残渣（1）240的数据241和242;

关于残渣（2）250的数据251到253。

第二数据的组成不只限于上述的那些。残渣（1）受到装料分布装置的影响，残渣（2）则不受其影响。

将第二数据与标准数据比较以准备真-伪数据。标准数据由前一天测量值的平均值、稳定运行一小时测量的平均值和理论值组成。

例如，就装料降落情况而言，假如对测深的四个方向，装料降落速度（现在值）减去装料降落速度（前一天的平均值）小于-K1（K1是一个常数），则真-伪数据是“装料降落速度是慢的，确定因子值是CF201”。这样，真-伪数据包含了这一确定因子。

就高炉内压强损失而言，假如“压强损失（现在值）减去压强损失（前一天平均值）比K2大（K2是一个常数）”则真-伪数据是“压强损失是大的，确定因子值是CF211”。真-伪数据包含这个确定因子。

这样得到的真-伪数据的项目列于表3。除了相应于第二数据的数据外，真-伪数据包括数据361-“残渣是很多的”及数据371-“上一次的警报是严重的”，数据361是根据人为的判断，而数据371根据上一次的警报。所谓上一次警报是在上一次推断过程中作的总的判断。

表3

表3（续）

知识库是由相应于真-伪数据的知识单元组成的。每一个知识单元表明操作者对运行生产过程的知识和经验，以“例如……，则……”的形式表示。在这个实施例中，通过在推断过程引入一个确定因子（CF）提高推断的可靠性，该确定因子表示对运行生产过程的每一规则的不确定程度。

例如，对装料降落的规则，表达式是：“假如装料降落速度是慢的，则运行趋向于形成气沟”。

对压强损失的一个规则，表达式是：“假如压强损失是大的，则运行趋向于形成气沟”

判断推断的例子参考图4给出。

用“或”表示的处理结果是考虑CF值的真-伪数据之和，不是逻缉和。用“与”表示的处理结果是一个逻缉积。

（1）第四数据通过基于真-伪数据（第三数据）和知识库的以及基于CF值的推断得到。

对一个装料降落规则，结合CF值的考虑，基于知识库和真-伪数据两者进行推断。真-伪数据由下列组成：

“装料降落速度是慢的”（301）;

“装料降落速度的漂移是大的”（302）;

“装料降落的延迟是大的”（303）;

“装料降落速度的平均是慢的”（304）。

这样，推断结果是推断过程中所用各项数据之和400，即第四数据，它与CF值相结合并表明“装料降落不是成功地运行”。

对一个压强损失规则，推断基于知识库和真-伪数据311到314，以相应于CF值的同样方式进行。这样，推断结果是推断中 所用的各项数据之和410，即第四数据，它与CF值之和相结合，并表示“压力漂移是大的”，

对一个温度规则，从真-伪数据321到324得到的推断结果也是一个和420，或第四数据。这个第四数据与CF值之和相结合，并表示“温度漂移是大的”。

对一个气体利用规则，从真-伪数据331和332得到的推断结果是一个和430，或第四数据。这个第四数据与CF值之和相结合，并表示“气体利用比正在下降”。

对残渣量的推断，基于由传感器判断处理的传感器信息（440）“残渣是很多的”，从下列得到一个逻缉积：

（1）“炉盖下喉部水平的探针测量的炉内中心区温度正在下降”（341）。

（2）“炉盖下喉部水平的探针测量的炉内周缘区温度正在上升”（342）。

假如两者中任一个是“伪”，逻缉积就是“伪”。除此之外，推断以前面描述的同样方式进行。

对不是上面提及的那些残渣规则，使用下述真-伪数据：

（1）“炉身压强上升是n或更高”（351）。

（2）“鼓风压强正在很快上升”（352）。

（3）“残渣是很多的”（353）。

而且在一些残渣的规则中，基于操作者的判断的人为判断被结合进去。从这种处理得到组成第四数据的数据450。这些数据代表残渣是否很多（450）（人为判断）。

表4

在所有这些关于装料降落情况、压强损失、温度、气体组分和残渣的规则中，装料降落情况和压强的规则对意外事故和气沟影响最大。残渣的规则有三条：残渣（1）的规则、残渣（2）的规则和残渣（3）的规则。这是因为当炉料分配装置的运行改变时单个残渣（1）的规则是不充分的。残渣（3）的人为判断可用残渣流计判断来代替。

（2）第五数据是基于第四数据得到的。

考虑到在第四数据产生过程中推断的每一结果所伴生的已求和的CF值（这个第四数据产生过程是对于装料降落情况、压强损失、温度和气体组成进行的），基于下列进行推断：

“装料降落情况不是在成功地运行”（400）;

“炉内压强漂移是大的”（410）;

“炉内温度漂移是大的”（420）;

“气体利用比正在下降”（430）。

这样，推断结果或者和500，即第五数据，伴有一个CF值，并表示为“气沟（传感器判断）”（500）

考虑到在第四数据产生过程中对其余项目推断的每一结果所伴生的CF值的和，基于下列以同样方式进行推断：

“残渣是多的（传感器判断）”（440）;

“残渣是多的（人为判断）”（450）。

这样，推断结果或者数据510，即第五数据，伴有一个在推断过程中已求和的CF值，并表示为“气沟（残渣）”（510）。

表5

（3）基于第五数据作出总的判断。

最后，考虑到在第五数据产生过程中推断的结果伴生的已求和的那些CF值，基于下列进行推断：

“气沟（传感器判断）”（500）;

“气沟（残渣判断）”（510）;

“气沟（上一次警报）”（520）。

推断结果，或这些项数据的和表示为“气沟（总的判断）”。

上述实施例是对气沟诊断用的。意外事故和悬料的诊断基本上与气沟诊断以同样方式进行，但它们的CF值与气沟的CF值不同。

在实施例中，预见意外事故的确定度（CFsf）和预见气沟的确定度（CFcf）是在三个步骤中进行推断得到的，即：从真-伪数据（第三数据）得到第四数据，从第四数据得到第五数据，从第五数据进行总的判断。这种逐步推断有下列优点：

（1）推断速度加快。

（2）意外事故和气沟的原因容易分清。

（3）即使情况改变，CF值仍可很好地保留。

在本发明中也可使用下述替代的方法：

（a）其中总的判断直接从真-伪数据（第三数据）推断的方法;

（b）其中总的判断是从直接由真-伪数据（第三数据）准备的第五数据推断的方法;

（c）其中总的判断是直接从由真-伪数据（第三数据）准备的第四数据推断的方法。

但是，在实施例中描述的方法比这些替代方法更理想，其理由是上面提到的（1），（2）和（3）。

当总的判断作出时，就根据判断的结果（CFsf，CFcf）来控制高炉。通过减少通过风咀的鼓风，改变通过高炉顶部装入的炉料的分布，控制燃料比，调整矿渣的成分，增加或减少风咀口火焰的温度来实现控制。减少鼓风对气沟特别有效。

根据意外事故的几率使鼓风的减少标准化。例如，当CFsf在60%到80%之间时减少量被设置在300Nm3/min。（总鼓风量的4%到5%），当CFsf大于80%时为500Nm3/min。（总鼓风量的7%到8%）。

例1

在表6所示运行条件下对一个4，663立方米高炉进行了意外事故的诊断。每个第二分钟诊断一次。在12°10′处的诊断结果见表7

表6

表7

例2

每个第二分钟进行一次气沟的诊断，持续3个小时。高炉在表6的条件下运行。结果示于图5，其中（a）代表装料降落情况，（b）是意外事故的几率（CFsf），（c）代表气沟的几率（CFcf），曲线均对时间画出。

在意外事故几率高的X，Y，Z点，装料降落速度有显著的增加。这使我们知道意外事故已发生。这样就证实了在CFsf和意外事故发生间存在紧密的联系。

例3

意外事故几率（CFsf）和条件之间的关系与例1相同。在

12°10′的诊断结果见表8

表8

例4

诊断了意外事故和气沟。实际的意外事故发生比示于图6。

数据取样周期是10天。实际的意外事故比由公式N/F给出，其中N是在10天周期里得到的那些最高的CFsf水平的数目，F是同一周期中发生的意外事故数。这些水平中的每一个是在30分钟内探测的15个水平中最高的，它们以10%的间隔来计算。

当CFsf大于60%时，可以断言意外事故发生的几率大于70%。