Predicción y simulación, mediante lógica difusa, de la temperatura de salida del arrabio en un horno alto

Abstract

Resumen El presente arículo describe el desarrollo y posterior validación de un modelo para predecir la temperatura del arrabio de un horno alto, basado en lógica difusa. El modelo emplea, como variables de entrada, las variables de control propias del horno: caudal de viento, humedad, inyección de carbón, adición de oxígeno, etc. y obtiene, como resultado, el valor de la temperatura del arrabio producido por el horno, con un horizonte de predicción de 40 min. Las variables empleadas para el desarrollo del modelo se obtuvieron de los datos suministrados por lo sensores de un horno alto real. Fue preciso analizar y tratar adecuadamente dichos datos antes de introducirlos en el modelo. Se prestó especial atención a la correlación temporal de los datos adecuando mediante interpolación los distintos períodos de muestreo. El modelo se entrenó utilizando dos tipos de algoritmos: un sistema de inferencia neuro-difuso adaptativo (ANFIS) y el Agrupamiento Sustractivo. Palabras clave: Homo alto. Lógica difusa. Predicción. Simulación. Temperatura del arrabio. Hot metal temperature prediction and simulation by fuzzy logic in a blast furnace Abstract This work describes the development and further validation of a model devoted to blast furnace hot metal temperature forecast, based on Fuzzy logic principies. The model employs as input variables, the control variables of an actual blast furnace: Blast volume, moisture, coal injection, oxygen addition, etc. and it yields as a result the hot metal temperature with a forecast horizon of forty minutes. As far as the variables used to develop the model have been obtained from data supplied by an actual blast furnace sensors, it is necessary to properly analyse and handle such data. Especial attention was paid to data temporal correlation, fitting by interpolation the different sampling rates. In the training stage of the model the ANFIS (Adaptive Neuro-Fuzzy Inference System) and the Subtractive Clustering algorithms have been used.