王心哲， 韩 敏

（大连理工大学电子与信息工程学院，辽宁大连 116024）

0 引 言

转炉炼钢是一个降碳升温的过程，主要目的是在吹炼终点时得到目标碳含量和温度满足工艺要求的合格钢水.通常，对转炉炼钢生产的控制包括静态控制和动态控制.静态控制模型是动态控制模型的基础，其精度直接影响到动态控制的效果，如果静态模型不精确，仅依靠吹炼末期的动态控制来调整碳温，不利于终点碳含量和温度的命中［1～3］.因此，静态控制模型的研究至关重要.

目前已有的静态控制模型主要有4种：理论模型、统计模型、增量模型和神经网络模型，但由于炼钢过程反应的复杂性和随机性，许多影响因素很难用准确的数学方程或统计方法进行描述，且神经网络模型受限于网络结构和参数的调整，已有模型的控制精度受到很大影响［4～6］.

案例推理（case－based reasoning，CBR）方法是人工智能发展较为成熟的一个分支，它基于历史经验和知识进行推理，已在故障诊断、自动纠错系统和决策支持等领域取得成功应用［7～11］，但在复杂工业过程的建模与控制方面仍处于探索阶段.其主要思想是根据当前问题的描述，在案例库中搜索与当前问题相似的案例，再利用案例库中搜索到的相似案例的解，构造当前问题的解.

本文使用案例推理方法建立转炉炼钢静态控制模型，并将因果关系分析引入案例推理系统，分析各变量对解空间的影响程度，选择对解空间影响较大的变量作……