第 3 期 | 诊断指标体系：静压力、透气性指数与炉温指数的构建
诊断模型的上限，在特征工程阶段就已注定。高炉上千个原始测点中，真正对炉况敏感的不过数十个；而这数十个"敏感变量"，多数不是直接测量值，而是经过机理加工的特征指标。本期系统讲解高炉诊断三大核心指标——静压力系、透气性指数、炉温指数的物理含义、计算方法与工程化构建，这是全专栏从"机理认知"走向"可计算特征"的关键一跃。
一、为什么不能直接用原始测点？🎯
高炉 DCS 采集的原始信号存在三大问题，决定了必须经过指标化处理：
- 工况漂移：同一静压力值，在 8000m³/min 风量与 6500m³/min 风量下意义完全不同，必须用无量纲化指标消除工况影响；
- 信息密度：单个炉身静压力测点价值有限，但"静压力沿高度方向的梯度分布"直接反映煤气压差与料柱阻力；
- 噪声干扰：换炉、布料、取样等操作造成周期性尖峰，需滤波与特征提取。
二、静压力系指标：煤气压差的"听诊器" 🩺
静压力是沿炉身高度布置的压力测点，是感知煤气流分布最直接的信号。
1. 核心派生指标
| 指标 | 计算方法 | 物理意义 |
|---|---|---|
| 全压差 ΔP | 热风压力 − 炉顶压力 | 料柱总阻力 |
| 分段压差 | 相邻两层静压力之差 | 该段料柱透气性 |
| 压差梯度 | 分段压差 / 层间距 | 软熔带位置与厚度表征 |
| 静压力脉动 σ§ | 滑动窗口内压力标准差 | 气流稳定性（悬料前兆） |
2. 工程构建要点
- 滤波选择：静压力受换炉冲击影响大，推荐中值滤波（抗尖峰）+ 滑动平均（保留趋势）级联；
- 脉动特征：悬料前，煤气在料柱中"受阻-冲开-再受阻"的脉动频率会特征性升高，可用短时傅里叶或小波能量刻画；
- 梯度分布：正常时压差梯度在软熔带位置出现峰值，峰值位置上移/增厚是软熔带异常的信号。
三、透气性指数：料柱通气的"压力表" 📈
透气性指数 K 是连接风量与压差的核心复合指标，其工程定义为：
K = Q² / (P_热² − P_顶²)
其中 Q 为风量（m³/min），P_热、P_顶 分别为热风压力与炉顶压力（kPa）。
1. 物理内涵
该式源于厄贡（Ergun）方程的简化：气体通过料柱的压差与流速平方成正比、与透气性成反比。K 值升高 → 料柱透气性好；K 值降低 → 料柱趋于致密、悬料风险累积。
2. 特征化加工
单一 K 值意义有限，需加工为趋势与状态特征：
| 特征 | 计算 | 诊断价值 |
|---|---|---|
| K 滑动均值（1h/4h） | 窗口平均 | 料柱透气性的趋势水平 |
| K 变化斜率 | 线性拟合斜率 | 恶化/改善的方向与速率 |
| K 相对基准偏差 | (K−K_base)/K_base | 消除工况漂移的归一化异常 |
| K 波动方差 | 窗口方差 | 透气性稳定性 |
⚠️工程警示：K 的基准值 K_base 必须按操作条件自适应更新（如按风量、喷煤比分段建模），固定基准在不同操作制度下会系统性误报。
四、炉温指数：热制度的"温度计" 🌡️
炉温是高炉最重要的状态量，但铁水温度 [Si] 每 2~4 小时才化验一次，远远滞后。因此需要构建高频炉温软测量指标：
1. 炉温指数的三类来源
- 直接类：铁水温度（出铁时测）、炉缸侧壁/炉底热电偶——真实但稀疏；
- 间接类：煤气利用率 ηCO = CO₂/(CO+CO₂)、炉顶温度、冷却壁热负荷——高频但与炉温非线性相关；
- 模型类：基于热量平衡的 [Si] 软测量（专栏十专题），是炉温指数的主力。
2. 融合策略
采用递推加权融合：直接测量到达时校正模型输出，两次直接测量之间用间接+模型指标递推。炉温指数的质量直接决定炉凉/炉热预警的提前量。
五、指标体系的工程化组织 🏗️
完整的诊断指标体系建议按"四层金字塔"组织：
| 层级 | 内容 | 更新频率 | 示例 |
|---|---|---|---|
| L1 原始层 | DCS 直接测点 | 1~10s | 静压力、风量、顶温 |
| L2 派生层 | 物理公式加工 | 10~60s | 压差、透气性指数 |
| L3 统计层 | 时窗统计特征 | 1~10min | 斜率、方差、脉动能量 |
| L4 状态层 | 融合状态量 | 10~30min | 炉温指数、气流分布指数 |
💡知识卡片：指标层级的划分本质是信息密度的逐级提纯。L1 信噪比低但信息全，L4 信噪比高但可能丢失细节——诊断模型应同时在 L2~L4 取特征，兼顾灵敏度与稳健性。
🎯 本期小结
- 原始测点存在工况漂移、信息密度低、噪声大三大问题，必须指标化；
- 静压力系指标感知煤气压差分布，透气性指数表征料柱通气性，炉温指数需多源融合；
- 指标体系按"原始-派生-统计-状态"四层金字塔组织，信息逐级提纯；
- 基准值自适应更新与多层级特征并用，是工程成败的关键细节。
下期预告：第 4 期进入数据工程实战——《特征工程实战：从原始仪表信号到诊断特征集》，手把手把指标体系落成可训练的样本。
作者：高炉炼铁智能化技术研究者，专注钢铁冶金与人工智能 交叉领域。
👍 如果觉得有帮助，请点赞、收藏、转发！
版权归作者所有，未经许可请勿抄袭，套用，商用(或其它具有利益性行为)。
🔔 关注专栏，不错过后续精彩内容
