高炉铁水质量建模策略

机理与数据融合

通过机理与数据协同驱动，在分区特征提取和非平稳抑制下，实现铁水质量预测与过程监控的透明化与精度提升。

Lou, Siwei · 杨春节 · 刘哲 · Shaoqi, Wang · 张瀚文 · 吴萍

IEEE/CAA Journal of Automatica Sinica 2025

技术优势

建模更透明

机理分区产生的特征与稳定特征共同输入，使模型的中间表示具有工艺含义，便于理解和校验。

抑制非平稳干扰

新型稳定宽度特征学习系统能从波动过程数据中提取平稳特征，抑制非平稳特性带来的干扰。

对齐工艺与质量

时间匹配宽度学习系统以铁水质量为目标对齐过程变量与质量变量，使监测统计量能反映建模偏差。

应用场景

• 高炉炼铁过程控制：用兼具机理透明性和数据精度的模型预测铁水质量，指导操作参数调整。
• 工业过程故障检测：利用机理与数据融合特征构建监测统计量，及时发现高炉过程中的异常。
• 工业物联网监测：为高炉物联网平台提供可解释的质量预测与过程监控模块，提升数据利用价值。