Markov hot blast stove prediction based on hybrid intelligent algorithm

Predicción de estufas de Markov basada en un algoritmo híbrido inteligente

El suministro de aire de la estufa de chorro caliente es un proceso continuo, y las condiciones de trabajo son muy complejas. El tratamiento inadecuado de los datos de la predicción de Markov tradicional conducirá fácilmente a la desviación de los resultados. En este trabajo, se utiliza un algoritmo híbrido de optimización inteligente para preprocesar las fuentes de datos y obtener datos razonables. Los resultados experimentales muestran que el algoritmo tiene buena convergencia y estabilidad. El valor predicho de Markov mejorado se aproxima al valor real y concuerda con el objetivo.

INTRODUCCIÓN

La estufa caliente del alto horno es un objeto controlado complejo. Su funcionamiento puede dividirse en dos etapas: etapa de combustión y etapa de suministro de aire. La estufa de alto horno es un tipo de equipo que consume mucha energía. Es un objetivo de control importante para controlar eficazmente la combustión de la estufa de chorro caliente, proporcionar una fuente de calor estable y continua al regenerador, regular la cantidad de gas y aire, y lograr la mejor relación aire-combustible con el fin de reducir el consumo de energía [1,2]. Debido a la complejidad de las condiciones de trabajo, es difícil estudiar el control de la combustión mediante el método de modelado tradicional. Para resolver este problema, se introduce el método de predicción de Markov para predecir la temperatura de suministro de aire, obtener la tasa de inyección de carbón y, a continuación, evaluar la estabilidad del control de la temperatura [3]. El punto de vista de Markov es que, tanto en el ámbito social como en el de las ciencias naturales, el proceso de cambio de un determinado tipo de cosa sólo está relacionado con el estado reciente, y no tiene nada que ver con el estado pasado de la cosa. Esta es la base del estudio textual. Para los datos necesarios para la predicción, se propone un algoritmo híbrido de evolución diferencial y K-means para el preprocesamiento, que no sólo evita el inconveniente de caer en óptimos locales, sino que mejora la convergencia del algoritmo, hace más razonables los datos a medir y mejora la eficacia de la predicción de Markov [4].

MODELO MATEMÁTICO DE LA TEMPERATURA DE LA CÁMARA ACORAZADA

Configuración del modelo matemático

​Durante el periodo de combustión de la estufa de chorro caliente, la transferencia de calor a través de la superficie de calentamiento de la bóveda por unidad de tiempo es la siguiente:

​$△Q_1 = S_1k_1△T△t = S_1K_1(T_0-T_1)△t$   (1)