在高炉冶炼过程中,合理的炉温是保持高炉生产稳定顺行的关键因素之一。由于高炉冶炼过程的复杂性及受当前技术水平的限制,难以精确掌握炉内的温度,因此炉温的预测技术对高炉运行具有重要意义。在高炉炼铁过程中,通常以铁水硅含量来表征高炉热状态,建立可靠的铁水硅含量预报模型对高炉操作人员具有重要的指导意义且具有重要的理论研究价值。本课题选用高炉铁水硅含量对炉温进行间接预测,主要工作包括:(1)针对硅含量预测效率和精度不足的问题,提出主成分分析(PCA)和粒子群(PSO)改进的极限学习机(ELM)相结合的方法对高炉铁水硅含量进行预测。由于影响铁水硅含量的因素众多,且各因素之间相互影响,通过主成分分析对影响硅含量的输入变量进行降维处理;利用粒子群算法来优化极限学习机的权值和阈值,并以均方根误差作为适应度函数建立预测模型。将提取出的主成分作为模型输入,铁水硅含量作为模型输出。最后比较了极限学习机算法和粒子群改进的极限学习机,实验结果表明改进后的预测模型提高了硅含量预测的准确度,该方法可为高炉的生产操作提供一种新的思路和方法。(2)在Qt平台下,结合VTK图形可视化工具包,开发了高炉三维可视化系统。该系统不仅可以对硅含量预测结果进行二维绘制,而且可以对高炉三维模型进行动态显示。通过对VTK可视化方法的研究,为研发人员在Windows/MinGW开发环境下VTK的配置以及可视化研究提供参考。