高炉炼铁过程作为钢铁冶金行业的上游工序,长期稳定顺行的高炉炉况是降低能源消耗、减小环境污染、保证铁水产量和质量的关键。对高炉过程中的可测数据进行处理、提取特征和建模预测,为高炉系统提供合理操作指导,是避免高炉异常、维持高炉稳定顺行的重要手段。然而高炉内部生产环境恶劣,使得通过检测高炉内部信息来分析炉况变化变得异常困难。高炉煤气流携带有大量丰富的高炉运行状况信息,能够及时地反映高炉炉况状态。所以针对高炉煤气流可测信息进行分析和预测,对高炉炉况的预判具有重要的实际应用价值。本文通过高炉机理和专家经验分析了煤气流分布异常型高炉炉况发生前的一些表征煤气流分布的指标变化趋势,利用灰色关联度算法选取关联度小的指标集合,去除冗余指标对高炉炉况分析的干扰,利用最大信息系数法增加时滞变量,为后文预测模型的建立奠定基础。近年来T-S模糊模型在复杂工业系统建模、预测和基于模型的控制领域取得了巨大成果。本文针对T-S模糊模型前件辨识过程中基于一种聚类原型提取数据特征信息过于片面的问题,同时基于超球形聚类原型和超平面形聚类原型,提出了一种加权规则适应度的T-S模糊模型的建模方法,可以提取到更多数据的特征信息,从而提高建模质量和模型的预测精度。本文使用该模型对炉腹煤气量、热风压力、炉顶十字测温指标进行建模预测,基于MATLAB编写算法程序。对公共测试数据和高炉数据的仿真实验表明本文所提出的模型具有较强的泛化性能,相比基于一种聚类原型的T-S模糊模型具有更高的预测精度。最后基于C#编程语言和SQL Server数据库访问技术,参与设计了“高炉指标预测可视化软件系统”。所设计的系统直观的展示了高炉当前运行状况信息,方便高炉现场操作人员观察、分析高炉的运行状况。该系统已在柳钢2#高炉现场进行测试并已长期运行,模型预测效果良好。