Intelligentes Vorhersage- und Echtzeitüberwachungssystem für die Gasströmungsverteilung an der Oberseite des Hochofens

Ziel dieses Systems ist es, das Problem der komplexen internen Umgebung des Hochofens und die Schwierigkeiten bei der Erkennung und Vorhersage der Gasströmungsverteilung (GFD) anzugehen. Es wird ein intelligentem Vorhersage- und Echtzeitüberwachungssystem für die Gasströmungsverteilung an der Hochofenoberseite vorgeschlagen, das auf lang-kurzfristigem Gedächtnis-neuronalen Netzwerken (LSTM) und Fuzzy-C-Means-Clusterung (FCM) basiert. Dieses System löst die Probleme der schlechten Stabilität des traditionellen GFD-Modells, der geringen Genauigkeit bei der Mehrschrittvorhersage und des „Black Box“-Effekts. Das System besteht aus einem GFD-Erkennungsmodell und einem Mehrschrittvorhersagemodell. Zunächst verwendet das GFD-Erkennungsmodell die CBTM-Informationen des Hochofens, um das Temperaturfeld der Hochofenbeladungsoberfläche zu erstellen, berechnet den Entwicklungsindex des Gasstromzentrums und -randes und verwendet das FCM-Algorithmusmodell zur Identifizierung des GFD-Musters des Hochofens; das CBTM-Mehrschrittvorhersagemodell verwendet das LSTM-Modell, um die Temperatur von 29 CBTM-Punkten jeweils vorherzusagen. Schließlich gibt das System die vorhergesagten CBTM-Daten an das GFD-Erkennungsmodell zurück, um die Vorhersage des GFD-Modells zu einem zukünftigen Zeitpunkt abzuschließen. Das Experiment zeigt, dass das System die GFD-Entwicklungsmuster innerhalb der nächsten 7 Stunden effektiv vorhersagen kann; die Modellvorhersagegenauigkeit erreicht 99 %, und die korrekte Rate aller Arten von GFD-Mustererkennung liegt über 95 %, was eine bessere intelligente Vorhersage- und Echtzeitüberwachungseffekt als andere traditionelle GFD-Modelle ermöglicht und den Betreibern von Hochöfen effektive Hilfe und Unterstützung bei der Analyse des Ofenzustands bietet.