高炉炼铁作为钢铁冶金行业的上游工序,是钢铁工业CO2排放和能源消耗的主要环节,也使得高炉炼铁是钢铁工业实现节能减排的主要潜力所在。随着计算机存储技术、运算能力的不断发展,以及传感器性能提高带来的高炉内部检测参数越来越丰富、准确,高炉内部大量的运行指标得以检测并长期储存,为建立高炉运行数据驱动模型提供基础。本文通过机理分析结合当前应用广泛的机器学习和数据挖掘技术。研究开发了高炉布料控制决策系统,实时显示高炉运行状况、分析炉况变化趋势,并给出合理的炉顶操作建议。高炉布料操作决定煤气流和炉顶温度场分布,合理的布料制度是高炉稳定的必要条件。本文将离散单元模型应用于高炉布料过程模拟仿真,取代传统的冷态模型,节约成本而且可观测信息丰富,可以对炉料进行受力分析,找到塌料、悬料等异常情况的力学原理;针对布料过程建模提出了高斯函数结合三角函数的料面形状模型,拟合误差较小且参数容易计算,之后利用离散单元模型验证了模型的可行性,为计算合理的布料制度提供基础;在炉况模型方面,通过对高炉运行机理的分析得出炉顶参数之间相关性,针对高炉的时滞特性,从统计分析的角度得到不同滞后时间的相关参数,将待预测参数不同滞后时间的相关变量作为预测模型输入量,建立基于数据和机理分析的炉况预测模型,准确估计炉顶温度、压强和透气性等重要指标的变化趋势;同时预测结果为多模型布料控制方法提供更多的辅助信息,以高炉炉顶温度、压力、煤气流等参数作为炉况顺行的衡量标准,利用高炉运行的大量历史数据,建立了高炉炉况多模型集合,再根据当前炉顶参数指标和多模型集合进行匹配,针对每一种炉况给出合理的布料建议。最后利用MATLAB进行算法进行离线验证,C#语言实现数据读取、参数预测以及界面显示。基于.NET平台、SQL server数据库、MATLAB仿真软件设计开发了高炉布料控制决策系统。实现预测算法、多模型控制方法在高炉炼铁现场应用,在柳钢2#高炉进行装机测试,系统长期稳定运行,模型预测效果良好。