从图9可以看出，高炉炉型第6-9段冷却壁温度相对10-14段（除13段无热电偶）温 度较低。温度差异明显主要在于其冷却制度的不同，6-9段为轧制铜与铸铜冷却壁，冷却效 果较好，10、11段为铸钢冷却壁，12、14段为铸铁冷却壁，铸钢、铸铁冷却壁的冷却效果 不如铜冷却壁Bs-3沟。 对比每段各自冷却壁温度，当温度变化，基于炉型聚类结果可以判定操作炉型的变化 状态，当操作炉型发生变化时，可能是由以下原因造成的： (1)该段渣皮脱落较多，脱落频率较高，因此炉壁内衬相对较薄，热电偶温度上升： (2)此段边缘气流有发展趋势，温度上升，此时可以根据现场需要对上部布料角度 进行调整或加大边缘负荷等操作抑制边缘气流发展： (3)如果出现温度长时间持续上升，则需要现场及时采取相应措施，对高炉下部风 口进行调整，避免炉温继续升高。 因此，现场人员可以通过对高炉操作炉型的观察和监控，根据炉型整 化情况采取 相应的调控措施。 4结论 本文以国内某钢铁厂高炉炉身热电偶温度值的31986条历史治炼记录为数据集，分别 选择K-Means、TwoStep算法对高炉操作炉型进行聚类。结合算法原理以及DBI、DI评价 指标对两种聚类算法进行比较，结果显示： (1)通过DBI和DI评价指标比较两种算法在聚类簇数不同时的聚类效果，确定了最 佳聚类簇数为6，此时K-Means和TwoStep算法都能得到更好的聚类结果。 (2)从聚类原理来看，K-Means与TwoStep算法并没有优劣之分。从聚类结果上来 看，在本文所选的样本数据及数据特征基础②XK-Means算法的聚类结果明显优于 TwoStep算法的聚类结果。 (3)分析了炉身冷却壁热电偶温度变化优其是操作炉型发生变化时的原因，主要包 括：渣皮脱落导致的炉壁内衬变薄，边缘气流呈发展趋势，高炉下部风口影响等：高炉操 作炉型聚类结果是对影响炉型状态的各个原因的综合显现，对其类别变化的跟踪，可为上 下部调剂提供关键的指导信息，对于生产过程的及时调控具有重要的意义。 录用稿作从图 9 可以看出，高炉炉型第 6-9 段冷却壁温度相对 10-14 段（除 13 段无热电偶）温 度较低。温度差异明显主要在于其冷却制度的不同，6-9 段为轧制铜与铸铜冷却壁，冷却效 果较好，10、11 段为铸钢冷却壁，12、14 段为铸铁冷却壁，铸钢、铸铁冷却壁的冷却效果 不如铜冷却壁[35-36]。 对比每段各自冷却壁温度，当温度变化，基于炉型聚类结果可以判定操作炉型的变化 状态，当操作炉型发生变化时，可能是由以下原因造成的： （1）该段渣皮脱落较多，脱落频率较高，因此炉壁内衬相对较薄，热电偶温度上升； （2）此段边缘气流有发展趋势，温度上升，此时可以根据现场需要对上部布料角度 进行调整或加大边缘负荷等操作抑制边缘气流发展； （3）如果出现温度长时间持续上升，则需要现场及时采取相应措施，对高炉下部风 口进行调整，避免炉温继续升高。 因此，现场人员可以通过对高炉操作炉型的观察和监控，根据炉型整体变化情况采取 相应的调控措施。 4 结论 本文以国内某钢铁厂高炉炉身热电偶温度值的 31986 条历史冶炼记录为数据集，分别 选择 K-Means、TwoStep 算法对高炉操作炉型进行聚类。结合算法原理以及 DBI、DI 评价 指标对两种聚类算法进行比较，结果显示： （1）通过 DBI 和 DI 评价指标比较两种算法在聚类簇数不同时的聚类效果，确定了最 佳聚类簇数为 6，此时 K-Means 和 TwoStep 算法都能得到更好的聚类结果。 （2）从聚类原理来看，K-Means 与 TwoStep 算法并没有优劣之分。从聚类结果上来 看，在本文所选的样本数据及数据特征基础上， K-Means 算法的聚类结果明显优于 TwoStep 算法的聚类结果。 （3）分析了炉身冷却壁热电偶温度变化尤其是操作炉型发生变化时的原因，主要包 括：渣皮脱落导致的炉壁内衬变薄，边缘气流呈发展趋势，高炉下部风口影响等；高炉操 作炉型聚类结果是对影响炉型状态的各个原因的综合显现，对其类别变化的跟踪，可为上 下部调剂提供关键的指导信息，对于生产过程的及时调控具有重要的意义。 录用稿件，非最终出版稿