一種高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng)及方法
【專利摘要】本發(fā)明提供一種高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng)及方法。系統(tǒng)包括:實(shí)際數(shù)據(jù)采集單元、歸一化預(yù)處理單元、動(dòng)態(tài)軟測(cè)量單元;方法包括:獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù):當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;對(duì)獲取的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù)處理;采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量動(dòng)態(tài)軟測(cè)量。本發(fā)明與現(xiàn)有的人工測(cè)量或化驗(yàn)鐵水硅含量相比,減少了操作人員的工作量,降低了人工操作引入的測(cè)量的不確定性,提高了測(cè)量的時(shí)效性和準(zhǔn)確性,可信度高。本發(fā)明方法對(duì)高爐冶煉過(guò)程的鐵水硅含量預(yù)報(bào)具有通用性,有助于實(shí)現(xiàn)高爐鐵水質(zhì)量閉環(huán)一體化控制與優(yōu)化運(yùn)行。
【專利說(shuō)明】
一種高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及高爐冶煉自動(dòng)化控制技術(shù)領(lǐng)域,特別涉及一種高爐煉鐵過(guò)程鐵水硅含 量動(dòng)態(tài)軟測(cè)量系統(tǒng)及方法。
【背景技術(shù)】
[0002] 高爐生產(chǎn)是在高溫、高壓、多物理場(chǎng)共存、化學(xué)反應(yīng)與傳遞現(xiàn)象同時(shí)發(fā)生的密閉條 件下進(jìn)行的持續(xù)動(dòng)態(tài)時(shí)變非線性的多變量耦合系統(tǒng),保持合理的爐溫是維持高爐穩(wěn)定順 行、高產(chǎn)、優(yōu)質(zhì)、低耗的關(guān)鍵因素。在冶煉過(guò)程中,爐溫控制的好壞直接影響爐況的波動(dòng),而 爐況的波動(dòng)又決定爐溫的控制模式,爐溫"過(guò)高"或"過(guò)低"都容易誘發(fā)爐況異常。實(shí)際生產(chǎn) 中,實(shí)現(xiàn)自動(dòng)化水平較高的全流程一體化的閉環(huán)控制與操作優(yōu)化的關(guān)鍵技術(shù)在于精確合理 的高爐爐溫控制模型和時(shí)效的在線檢測(cè)。作為最復(fù)雜的逆流反應(yīng)器之一的煉鐵高爐,受當(dāng) 前現(xiàn)有傳感器測(cè)量上的影響,一般通過(guò)高爐鐵水硅含量(即化學(xué)熱)來(lái)間接地反映爐內(nèi)溫度 的變化和高爐爐缸的熱狀態(tài)。高爐鐵水的硅含量成為反映爐內(nèi)物理化學(xué)反應(yīng)情況、熱狀態(tài) 和鐵水質(zhì)量的重要指標(biāo),其變化規(guī)律直接反映和決定了高爐是否能夠穩(wěn)定順行,也是表征 高爐熱狀態(tài)及變化的重要標(biāo)志。為獲取高爐內(nèi)部熱狀態(tài),進(jìn)而有效地控制高爐爐況的穩(wěn)定 順行,建立高爐鐵水硅含量預(yù)報(bào)模型非常必要。受高爐運(yùn)行參數(shù)嚴(yán)重耦合、非線性較強(qiáng)、對(duì) 測(cè)量設(shè)備有較高的要求等一系列原因的影響導(dǎo)致高爐鐵水硅含量的機(jī)理模型難以建立。為 此,基于豐富的高爐運(yùn)行數(shù)據(jù),借助于當(dāng)前的智能建模算法與統(tǒng)計(jì)學(xué)習(xí)理論,建立以數(shù)據(jù)驅(qū) 動(dòng)的鐵水硅含量軟測(cè)量模型應(yīng)運(yùn)而生。
[0003] 專利公開(kāi)號(hào)CN104899425A公開(kāi)了"一種高爐鐵水硅含量的變量選擇預(yù)報(bào)方法",以 爐頂壓力、爐頂溫度、料速、爐頂煤氣中的co、co 2和上一爐硅含量作為硅預(yù)報(bào)的輸入變量, 基于高斯核函數(shù)的標(biāo)準(zhǔn)支持向量機(jī)(SVR)預(yù)報(bào)下一次的含娃量。
[0004] 專利公開(kāi)號(hào)CN101211383A公開(kāi)了"一種高爐鐵水硅含量的特征分析預(yù)報(bào)方法",以 高爐鐵水硅含量預(yù)報(bào)模型的高爐工藝參數(shù)為輸入變量,采用動(dòng)態(tài)獨(dú)立成分分析方法對(duì)輸入 變量進(jìn)行特征提取,使用最小二乘支持向量機(jī)算法建立硅含量預(yù)報(bào)的動(dòng)態(tài)遞推模型,引入 遺傳算法優(yōu)化模型參數(shù)。
[0005] 專利公開(kāi)號(hào)CN102031319A公開(kāi)了"一種高爐鐵水含硅量的預(yù)報(bào)方法",使用移動(dòng)平 均法對(duì)高爐鐵水中的硅(Si)含量進(jìn)行預(yù)報(bào)。該方法采用鐵水含硅量短期、中期、長(zhǎng)期的均值 作為預(yù)報(bào)的模型的基本數(shù)據(jù),然后結(jié)合神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行訓(xùn)練,得到模型中連接權(quán)值。 [0006]上述專利的方法以及其相關(guān)的文獻(xiàn)大多利用了高爐采集的全部相關(guān)變量作為輸 入變量,充分利用豐富數(shù)據(jù)特征的同時(shí)也引入了較多的噪聲和運(yùn)行耗時(shí)大的問(wèn)題。另外,在 實(shí)際生產(chǎn)過(guò)程中,受檢測(cè)儀表和變送器等裝置的故障以及復(fù)雜的電磁干擾的影響,測(cè)量數(shù) 據(jù)存在眾多的未知干擾,其實(shí)際的工業(yè)背景對(duì)算法本身的魯棒性有較高的要求,而上述專 利報(bào)道的方法未考慮過(guò)魯棒性的問(wèn)題,針對(duì)冶煉工況的變化以及異常的抖動(dòng),鐵水硅含量 預(yù)測(cè)模型的泛化能力會(huì)大幅下降。此外,上述方法沒(méi)有考慮輸入輸出時(shí)序及過(guò)程時(shí)滯關(guān)系, 因而不能很好地捕獲冶煉過(guò)程的固有動(dòng)態(tài)特性。綜上所述,建立具有稀疏魯棒性的高爐鐵 水硅含量動(dòng)態(tài)軟測(cè)量模型非常必要。
【發(fā)明內(nèi)容】
[0007] 針對(duì)現(xiàn)有技術(shù)的不足,本發(fā)明提供一種高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng) 及方法。
[0008] 本發(fā)明的技術(shù)方案如下:
[0009] -種高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng),包括:
[0010]實(shí)際數(shù)據(jù)采集單元:獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù),包括:當(dāng)前爐次的 工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;
[0011] 歸一化預(yù)處理單元:對(duì)獲取的高爐鐵水娃含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù) 處理;
[0012] 動(dòng)態(tài)軟測(cè)量單元:采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量 動(dòng)態(tài)軟測(cè)量:高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型采用輸出自反饋,以高爐鐵水硅含 量動(dòng)態(tài)軟測(cè)量所需參數(shù)為輸入,以當(dāng)前爐次硅含量為輸出值,動(dòng)態(tài)預(yù)測(cè)鐵水硅含量。
[0013] 所述實(shí)際數(shù)據(jù)采集單元,包括:
[0014] 輔助變量確定模塊:利用主成分分析法對(duì)若干爐次的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān) 性分析,確定對(duì)于高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量貢獻(xiàn)率最大的工況參數(shù)作為輔助變量,具體 包括:爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、噴煤量;
[0015] 輸入變量確定模塊:基于輔助變量、結(jié)合不同時(shí)刻輸入?yún)?shù)時(shí)滯、當(dāng)前爐次輔助變 量的測(cè)量值、上一爐次輔助變量的測(cè)量值及上一爐次鐵水硅含量的測(cè)量值,確定高爐鐵水 硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)即高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,包 括:當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;高爐鐵水硅含量 動(dòng)態(tài)軟測(cè)量所需的工況參數(shù)包括爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、設(shè)定 噴煤量;
[0016] 輸入變量采集模塊:采集高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量。 [0017] 所述動(dòng)態(tài)軟測(cè)量單元,包括:
[0018] 樣本處理模塊:采集歷史若干爐次的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)及相應(yīng) 爐次鐵水硅含量,并進(jìn)行歸一化預(yù)處理后作為訓(xùn)練數(shù)據(jù)集;
[0019] ARMA模型構(gòu)建模塊:將訓(xùn)練數(shù)據(jù)集中的當(dāng)前爐次的工況參數(shù)、上一爐次的工況參 數(shù)、上一爐次的鐵水硅含量作為輸入,相應(yīng)當(dāng)前爐次鐵水硅含量作為輸出,建立具有輸出自 反饋的動(dòng)態(tài)ARMA模型;
[0020] 稀疏化模塊:通過(guò)提取訓(xùn)練數(shù)據(jù)集的映射集的極大無(wú)關(guān)組實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏 化,構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型;
[0021 ]魯棒化模塊:在稀疏最小二乘支持向量回歸機(jī)模型中引入IGGIII加權(quán)函數(shù),基于 稀疏化的訓(xùn)練數(shù)據(jù)集構(gòu)造具有稀疏魯棒性的最小二乘支持向量機(jī)模型,對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行 回歸建模,得到高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型;
[0022] 多目標(biāo)遺傳優(yōu)化模塊:以評(píng)價(jià)指標(biāo)為適應(yīng)度函數(shù)優(yōu)化高爐煉鐵過(guò)程鐵水硅含量動(dòng) 態(tài)軟測(cè)量模型;
[0023] 模型預(yù)測(cè)模塊:利用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型預(yù)測(cè)當(dāng)前爐次鐵水 娃含量。
[0024] 利用所述高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng)進(jìn)行高爐煉鐵過(guò)程鐵水硅含 量動(dòng)態(tài)軟測(cè)量的方法,包括:
[0025] 步驟1、獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù),包括:當(dāng)前爐次的工況參數(shù)、上 一爐次的工況參數(shù)和上一爐次的鐵水硅含量;
[0026] 步驟2、對(duì)獲取的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù)處理;
[0027] 步驟3、采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量動(dòng)態(tài)軟測(cè) 量:高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型采用輸出自反饋,以高爐鐵水硅含量動(dòng)態(tài)軟 測(cè)量所需參數(shù)為輸入,以當(dāng)前爐次硅含量為輸出值,動(dòng)態(tài)預(yù)測(cè)鐵水硅含量。
[0028]所述工況參數(shù)的確定方法如下:
[0029] 利用主成分分析法對(duì)若干爐次的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān)性分析,確定對(duì)于高 爐鐵水硅含量動(dòng)態(tài)軟測(cè)量貢獻(xiàn)率最大的6個(gè)工況參數(shù)作為輔助變量,包括:爐腹煤氣量、熱 風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、噴煤量;
[0030] 基于上述6個(gè)輔助變量、結(jié)合不同時(shí)刻輸入?yún)?shù)時(shí)滯、當(dāng)前爐次輔助變量的測(cè)量 值、上一爐次輔助變量的測(cè)量值及上一爐次鐵水硅含量的測(cè)量值,確定高爐鐵水硅含量動(dòng) 態(tài)軟測(cè)量所需參數(shù)即高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,包括:當(dāng)前爐 次的工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;高爐鐵水硅含量動(dòng)態(tài)軟測(cè) 量所需的工況參數(shù)包括爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、設(shè)定噴煤量。
[0031] 所述高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的建立方法如下:
[0032] 步驟3-1、采集歷史若干爐次的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)及相應(yīng)爐次 鐵水硅含量,并進(jìn)行歸一化預(yù)處理;
[0033]步驟3-2、將歸一化預(yù)處理后的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)作為訓(xùn)練數(shù) 據(jù)集;
[0034] 步驟3-3、將訓(xùn)練數(shù)據(jù)集中的當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)、上一爐 次的鐵水硅含量作為輸入,相應(yīng)當(dāng)前爐次鐵水硅含量作為輸出,建立具有輸出自反饋的動(dòng) 態(tài)ARMA模型:
[0035] 步驟3-4、通過(guò)提取訓(xùn)練數(shù)據(jù)集的映射集的極大無(wú)關(guān)組實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏化, 構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型,作為初始的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量 模型;
[0036]步驟3-5、在稀疏最小二乘支持向量回歸機(jī)模型中引入IGGIII加權(quán)函數(shù),基于稀疏 化的訓(xùn)練數(shù)據(jù)集構(gòu)造具有稀疏魯棒性的最小二乘支持向量機(jī)模型;
[0037] 步驟3-6、利用具有稀疏魯棒性的最小二乘支持向量機(jī)模型對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行回 歸建模,得到高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型;
[0038] 步驟3-7、確定高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的多目標(biāo)評(píng)價(jià)指標(biāo),以評(píng) 價(jià)指標(biāo)為適應(yīng)度函數(shù),優(yōu)化高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型。
[0039] 所述構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型的方法如下:
[0040] 步驟3-4-1、將訓(xùn)練數(shù)據(jù)集映射到高維希爾伯特空間,得到相應(yīng)的訓(xùn)練數(shù)據(jù)集即映 射集;
[0041] 步驟3-4-2、求解映射集的極大無(wú)關(guān)組,得到稀疏化的訓(xùn)練數(shù)據(jù)集:
[0042]步驟3-4-3、利用稀疏化的訓(xùn)練數(shù)據(jù)集,建立稀疏最小二乘支持向量回歸機(jī)模型。 [0043] 有益效果:
[0044] 為了解決以上高爐冶煉過(guò)程鐵水硅含量測(cè)量魯棒性的不足,本發(fā)明利用具有稀疏 魯棒性的最小二乘支持向量回歸機(jī)(Sparse and Robust Least Squares Support Vector Regression,S-R-LS_SVR)與多目標(biāo)遺傳(Multi-Objective Genetic 0ptimization,M0GA) 技術(shù),構(gòu)造一個(gè)具有較強(qiáng)魯棒性和輸出自反饋結(jié)構(gòu)、并考慮不同時(shí)刻輸入輸出數(shù)據(jù)時(shí)滯的 鐵水硅含量動(dòng)態(tài)軟測(cè)量模型,同時(shí)利用現(xiàn)場(chǎng)采集的高爐數(shù)據(jù)對(duì)鐵水硅含量進(jìn)行動(dòng)態(tài)軟測(cè) 量。本發(fā)明針對(duì)高爐煉鐵過(guò)程的關(guān)鍵工藝指標(biāo)一一鐵水硅含量難以直接在線測(cè)量且離線檢 驗(yàn)過(guò)程滯后的難題,通過(guò)提取動(dòng)態(tài)軟測(cè)量模型的輸入樣本數(shù)據(jù)在其映射集的極大無(wú)關(guān)組來(lái) 實(shí)現(xiàn)樣本的稀疏化,并將IGGIII加權(quán)函數(shù)引入,構(gòu)造具有稀疏魯棒性的最小二乘支持向量 機(jī)模型。與現(xiàn)有的人工測(cè)量或化驗(yàn)鐵水硅含量相比,減少了操作人員的工作量,降低了人工 操作引入的測(cè)量的不確定性,提高了測(cè)量的時(shí)效性和準(zhǔn)確性,可信度高。另外,本發(fā)明方法 對(duì)高爐冶煉過(guò)程的鐵水硅含量預(yù)報(bào)具有普遍的通用性,可獲得較好的預(yù)報(bào)精度,有助于實(shí) 現(xiàn)高爐鐵水質(zhì)量的閉環(huán)一體化控制與優(yōu)化運(yùn)行。
【附圖說(shuō)明】
[0045] 圖1是本發(fā)明【具體實(shí)施方式】中高爐煉鐵過(guò)程的測(cè)量?jī)x表配置圖;
[0046] 圖2是本發(fā)明【具體實(shí)施方式】中高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng)結(jié)構(gòu)框 圖;
[0047] 圖3是本發(fā)明【具體實(shí)施方式】中高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量方法流程圖;
[0048] 圖4是本發(fā)明【具體實(shí)施方式】中高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的建立方 法流程圖;
[0049] 圖5是本發(fā)明【具體實(shí)施方式】中鐵水硅含量動(dòng)態(tài)軟測(cè)量效果圖;
[0050] 圖1中:1-高爐,2-熱風(fēng)爐,3-流量計(jì),4-溫度計(jì),5壓力計(jì),6-濕度計(jì),7-爐腹煤氣量 測(cè)量分析儀,8-富氧率測(cè)量分析儀,9-數(shù)據(jù)采集裝置,10-計(jì)算機(jī)系統(tǒng)。
【具體實(shí)施方式】
[0051] 下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】做詳細(xì)說(shuō)明。
[0052] 本實(shí)施方式中,實(shí)施高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量方法采用測(cè)量系統(tǒng)以及 計(jì)算機(jī)系統(tǒng)10;如圖1所示,所述的測(cè)量系統(tǒng)包括:
[0053]三個(gè)流量計(jì)3,分別用于在線測(cè)量高爐1煤粉噴吹系統(tǒng)煤粉噴吹量、富氧流量、冷風(fēng) 流量;
[0054] -個(gè)溫度計(jì)4,用于在線測(cè)量高爐1熱風(fēng)爐2的熱風(fēng)溫度;
[0055] 一個(gè)壓力計(jì)5,用于在線測(cè)量高爐1熱風(fēng)爐2的熱風(fēng)壓力;
[0056] -個(gè)濕度計(jì)6,用于在線測(cè)量高爐1熱風(fēng)爐2的鼓風(fēng)濕度。
[0057]另外,測(cè)量系統(tǒng)還包括如下兩個(gè)測(cè)量分析儀:
[0058] -個(gè)爐腹煤氣量測(cè)量分析儀7通過(guò)流量計(jì)3測(cè)量得到的冷風(fēng)流量、富氧流量以及煤 粉噴吹量,以及濕度計(jì)6測(cè)量得到的鼓風(fēng)濕度,分析計(jì)算出爐腹煤氣量參數(shù);
[0059] -個(gè)富氧率測(cè)量分析儀8通過(guò)流量計(jì)3測(cè)量得到的冷風(fēng)流量、富氧流量,以及濕度 計(jì)6測(cè)量得到的鼓風(fēng)濕度,分析計(jì)算出富氧率參數(shù)。
[0060] 流量計(jì)3、壓力計(jì)5、溫度計(jì)4、濕度計(jì)6這些常規(guī)測(cè)量?jī)x表安裝于高爐冶煉系統(tǒng)的各 個(gè)相應(yīng)位置。數(shù)據(jù)采集器9的輸入端連接這些常規(guī)測(cè)量?jī)x表的輸出端,并通過(guò)通信總線連接 計(jì)算機(jī)系統(tǒng)10。
[0061] 計(jì)算機(jī)系統(tǒng)10中設(shè)有高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng),如圖2所示,包 括:
[0062] 實(shí)際數(shù)據(jù)采集單元:獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù),包括:當(dāng)前爐次的 工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;
[0063] 歸一化預(yù)處理單元:對(duì)獲取的高爐鐵水娃含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù) 處理;
[0064]動(dòng)態(tài)軟測(cè)量單元:采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量 動(dòng)態(tài)軟測(cè)量:高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型采用輸出自反饋,以高爐鐵水硅含 量動(dòng)態(tài)軟測(cè)量所需參數(shù)為輸入,以當(dāng)前爐次硅含量為輸出值,動(dòng)態(tài)預(yù)測(cè)鐵水硅含量。
[0065]實(shí)際數(shù)據(jù)采集單元,包括:
[0066] 輔助變量確定模塊:利用主成分分析法對(duì)若干爐次的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān) 性分析,確定對(duì)于高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量貢獻(xiàn)率最大的工況參數(shù)作為輔助變量,具體 包括:爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、噴煤量;
[0067] 輸入變量確定模塊:基于輔助變量、結(jié)合不同時(shí)刻輸入?yún)?shù)時(shí)滯、當(dāng)前爐次輔助變 量的測(cè)量值、上一爐次輔助變量的測(cè)量值及上一爐次鐵水硅含量的測(cè)量值,確定高爐鐵水 硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)即高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,包 括:當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;高爐鐵水硅含量 動(dòng)態(tài)軟測(cè)量所需的工況參數(shù)包括爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、設(shè)定 噴煤量。
[0068] 輸入變量采集模塊:采集高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量。 [0069] 動(dòng)態(tài)軟測(cè)量單元,包括:
[0070]樣本處理模塊:采集歷史若干爐次的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)及相應(yīng) 爐次鐵水硅含量,并進(jìn)行歸一化預(yù)處理后作為訓(xùn)練數(shù)據(jù)集;
[0071 ] ARMA模型構(gòu)建模塊:將訓(xùn)練數(shù)據(jù)集中的當(dāng)前爐次的工況參數(shù)、上一爐次的工況參 數(shù)、上一爐次的鐵水硅含量作為輸入,相應(yīng)當(dāng)前爐次鐵水硅含量作為輸出,建立具有輸出自 反饋的動(dòng)態(tài)ARMA模型;
[0072]稀疏化模塊:通過(guò)提取訓(xùn)練數(shù)據(jù)集的映射集的極大無(wú)關(guān)組實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏 化,構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型;
[0073]魯棒化模塊:在稀疏最小二乘支持向量回歸機(jī)模型中引入IGGIII加權(quán)函數(shù),基于 稀疏化的訓(xùn)練數(shù)據(jù)集構(gòu)造具有稀疏魯棒性的最小二乘支持向量機(jī)模型,對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行 回歸建模,得到高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型;
[0074] 多目標(biāo)遺傳優(yōu)化模塊:以評(píng)價(jià)指標(biāo)為適應(yīng)度函數(shù)優(yōu)化高爐煉鐵過(guò)程鐵水硅含量動(dòng) 態(tài)軟測(cè)量模型;
[0075] 模型預(yù)測(cè)模塊:利用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型預(yù)測(cè)當(dāng)前爐次鐵水 娃含量。
[0076]本實(shí)施方式的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量方法,如圖3所示,包括以下步 驟:
[0077]步驟1、獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù),包括:當(dāng)前爐次的工況參數(shù)、上 一爐次的工況參數(shù)和上一爐次的鐵水硅含量;
[0078]所述工況參數(shù)的確定方法如下:
[0079] 步驟1-1、利用主成分分析法(Principal Component Analysis,PCA)對(duì)若干爐次 的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān)性分析,確定對(duì)于高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量貢獻(xiàn)率最大的 6個(gè)工況參數(shù)作為輔助變量,具體包括:爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕 度、噴煤量;
[0080] 利用主成分分析法對(duì)若干爐次的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān)性分析,具體如下:
[0081] (1)、特征中心化,即對(duì)輸入樣本數(shù)據(jù)XnXm=[Xl,X2, . . .,Xm]每一列的數(shù)據(jù)都減去該 列的均值,進(jìn)而得到矩陣六#?。
[0082] (2)、計(jì)算AnXm的協(xié)方差矩陣BmXm,并計(jì)算協(xié)方差矩陣B mXm的特征向量和特征值。
[0083] (3)、選取若干大的特征值所對(duì)應(yīng)的特征向量作為新的數(shù)據(jù)。
[0084]其中爐腹煤氣量m,m3、熱風(fēng)溫度u2,°C、熱風(fēng)壓力u3,KPa、富氧率U4,%、鼓風(fēng)濕度 115,冊(cè)、噴煤量116,1113/11的特征值之和占所有特征值的98.723%>98%,因此選擇該6類變量 構(gòu)成新的樣本集作為鐵水硅含量動(dòng)態(tài)軟測(cè)量的輔助變量;
[0085] 步驟1-2、基于上述6個(gè)輔助變量、結(jié)合不同時(shí)刻輸入?yún)?shù)時(shí)滯、當(dāng)前爐次輔助變量 的測(cè)量值、上一爐次輔助變量的測(cè)量值及上一爐次鐵水硅含量的測(cè)量值,確定高爐鐵水硅 含量動(dòng)態(tài)軟測(cè)量所需參數(shù)即高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,包括: 當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;高爐鐵水硅含量動(dòng) 態(tài)軟測(cè)量所需的工況參數(shù)包括爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、設(shè)定噴 煤量。
[0086] 確定如下13個(gè)變量為動(dòng)態(tài)軟測(cè)量模型的輸入變量:
[0088]步驟2、對(duì)獲取的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù)處理;
[0089]歸一化預(yù)處理的具體實(shí)現(xiàn)方法為:
[0091]其中Xl為歸一化之前的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,< 為歸一化之后的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,m為^的均值,〇1為 Xi的標(biāo)準(zhǔn)差。
[0092] 步驟3、采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量動(dòng)態(tài)軟測(cè) 量:高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型采用輸出自反饋,以高爐鐵水硅含量動(dòng)態(tài)軟 測(cè)量所需參數(shù)為輸入,以當(dāng)前爐次硅含量為輸出值,動(dòng)態(tài)預(yù)測(cè)鐵水硅含量。
[0093] 如圖4所示,高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的建立方法如下:
[0094] 步驟3-1、采集歷史若干爐次的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)及相應(yīng)爐次 鐵水硅含量,并進(jìn)行歸一化預(yù)處理;
[0095]步驟3-2、將歸一化預(yù)處理后的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)作為訓(xùn)練數(shù) 據(jù)集;
[0096] 步驟3-3、將訓(xùn)練數(shù)據(jù)集中的當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)、上一爐 次的鐵水硅含量作為輸入,相應(yīng)當(dāng)前爐次鐵水硅含量作為輸出,建立具有輸出自反饋的動(dòng) 態(tài)ARMA(Auto Regressive Moving Average,ARMA)模型:
[0097] y(t) = fARMA{ui(t),U2(t),U3(t),U4(t),U5(t),U6(t),
[0098] Ui(t-l),U2(t-l),U3(t-l),U4(t-l),U5(t-l),U6(t-l),y(t_l)}
[0099] 其中y(t)為當(dāng)前爐次鐵水硅含量的真實(shí)值。
[0100] 步驟3-4、通過(guò)提取訓(xùn)練數(shù)據(jù)集的映射集的極大無(wú)關(guān)組實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏化, 構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型,作為初始的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量 豐旲型;
[0101] 通過(guò)提取訓(xùn)練數(shù)據(jù)集在其映射集的極大無(wú)關(guān)組,來(lái)實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏化,降 低高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的復(fù)雜度,構(gòu)造稀疏最小二乘支持向量回歸機(jī) 模型(Sparse Least Squares Support Vector Regression,S-LS_SVR),具體實(shí)現(xiàn)方法為:
[0102] 步驟3-4-1、將訓(xùn)練數(shù)據(jù)集映射到高維希爾伯特空間,得到相應(yīng)的訓(xùn)練數(shù)據(jù)集即映 射集;
[0103] 訓(xùn)練數(shù)據(jù)集{.w,G通過(guò)非線性函數(shù)映射到高維希爾伯特空間,其映射集為 4 = ,N為樣本數(shù)量,X e RNX13為由步驟3-3所確定的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè) 量模型的13個(gè)輸入變量組成的輸入樣本矩陣,yi為步驟3-3所確定的動(dòng)態(tài)ARMA模型輸出,即
鐵水硅含量,Ph)為非線性函數(shù)。雖然不能被確切的表達(dá) m為映射集中線性相關(guān)的個(gè)數(shù),λι,λ」均為加權(quán)系數(shù),取非線性函數(shù)4?)為高斯函數(shù)K(x,xi), 定義如下:
[0105] 其中,Xi為第i組輸入樣本,〇為高斯(徑向基)函數(shù)的伸縮量。
[0106] 步驟3-4-2、求解映射集Α的極大無(wú)關(guān)組,得到稀疏化的訓(xùn)練數(shù)據(jù)集:
[0107] (a)初始化極大無(wú)關(guān)組Βμ= Φ,在集合S= (1,2, . . .,N)選取j = l時(shí)的輸入樣本放 到Bm中;
[0108] (b)在S中依次選取j = j+Ι,計(jì)算
[0110] (c)若目標(biāo)函數(shù)mjn C5(A)<s,ε為設(shè)定的閾值,則說(shuō)明_χ,)可以由冰(Λ;;ψββ Λ/}線性 表示,摒棄第i組輸入樣本;若目標(biāo)函數(shù)n¥n 則說(shuō)明列4)不可由丨線性 表示,則MX )}線性無(wú)關(guān),將第i組輸入樣本放到集合BM中;
[0111] (d)若迭代次數(shù)j<N,則轉(zhuǎn)到(b);否則終止迭代;
[0112] (e)將極大無(wú)關(guān)組Bm中對(duì)應(yīng)訓(xùn)練數(shù)據(jù)集的元素取出組成新訓(xùn)練數(shù)據(jù)集 ,凡為新訓(xùn)練數(shù)據(jù)集的樣本數(shù)量。Ψ5通過(guò)高斯函數(shù)映射后的集合為 象=加(匕,)丨U,即稀疏化的訓(xùn)練數(shù)據(jù)集;
[0113] 因?yàn)棣?是映射集Α的極大無(wú)關(guān)組,則權(quán)值向量ω eRn可表述為
[0115]步驟3-4-3、利用稀疏化的訓(xùn)練數(shù)據(jù)集,建立稀疏最小二乘支持向量回歸機(jī)模型 為:
[0117] 其中,C為正則化參數(shù),b為偏置項(xiàng),吟=?.-鳥(niǎo)_為誤差項(xiàng),yi,i分別為鐵水娃含量的 實(shí)際測(cè)量值和動(dòng)態(tài)軟測(cè)量的預(yù)測(cè)值。
[0118] 步驟3-5、在稀疏最小二乘支持向量回歸機(jī)模型中引入IGGIII加權(quán)函數(shù),基于稀疏 化的訓(xùn)練數(shù)據(jù)集構(gòu)造具有稀疏魯棒性的最小二乘支持向量機(jī)模型(Sparse robust Least Squares Support Vector Regression,S-R_LS_SVR);
[0119] 為了改善初始的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的魯棒性能,即實(shí)際情 況與高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型有較嚴(yán)重的偏離時(shí)也能保證估計(jì)精度不受 破壞性的影響。因此,對(duì)誤差項(xiàng) ei引入加權(quán)因子Vl,從而得到具有稀疏魯棒性的最小二乘支 持向量機(jī)模型:
[0121 ]式中:Vi = diag(vi,V2, · · ·,Vr),vi由IGGIII加權(quán)函數(shù)決定,即:
[0123] 其中,θ = 1.438median | e-median(e) |為誤差的標(biāo)準(zhǔn)差估計(jì),median( ·)為取中位 數(shù)運(yùn)算,ki,k2為相關(guān)系數(shù),根據(jù)經(jīng)驗(yàn)值kie [1,3],k2e [3.0,6],本實(shí)施方式選取ki = l .3,k2 =3.2〇
[0124] 步驟3-6、利用具有稀疏魯棒性的最小二乘支持向量機(jī)模型對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行回 歸建模,得到高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型。
[0125] 優(yōu)化的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型中引入拉格朗日算子a=(ai, a2,· · ·,ar)得:
[01 Z7]根據(jù)極小值的最優(yōu)條件,即令L(P,b,e,a)對(duì)β,b,e,a的偏導(dǎo)數(shù)為零,并消去變量e, a得:
[0129] 進(jìn)而獲得高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型:
[0130] f(xi) = ΦΓ(χ?) ω+b
[0131 ]步驟3-7、確定高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的多目標(biāo)評(píng)價(jià)指標(biāo),以評(píng) 價(jià)指標(biāo)為適應(yīng)度函數(shù),優(yōu)化高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型;
[0132]傳統(tǒng)的建模性能指標(biāo)大多采用均方根誤差(Root Mean Square Error,RMSE),然 而這只能表明建模誤差盡可能小,對(duì)模型預(yù)測(cè)曲線與真實(shí)曲線的接近程度并未考慮。在實(shí) 際應(yīng)用中,準(zhǔn)確的變化趨勢(shì)對(duì)動(dòng)態(tài)過(guò)程的建模至關(guān)重要。為此,提出綜合考慮RMSE和估計(jì)曲 線與實(shí)際曲線相關(guān)性的模型精度多目標(biāo)評(píng)價(jià)指標(biāo)。
[0133]由數(shù)理統(tǒng)計(jì)理論可知,兩個(gè)數(shù)據(jù)矢量X和Y分別表示高爐煉鐵過(guò)程鐵水硅含量實(shí)際 值和軟測(cè)量值,E[(X-E(X))(Y-E(Y))]稱之為X與Y的協(xié)方差或者相關(guān)矩,記作C0V(X,Y),E (X),E(Y)分別是X和Y的期望,而該兩個(gè)數(shù)據(jù)矢量的相關(guān)系數(shù)為
[0135]
是X和Y的方差。相關(guān)系數(shù)Ρχγ是衡量數(shù)據(jù)矢量X與Y關(guān)系程度的 量:| Ρχγ卜1表不X與Y之間的線性關(guān)系密切;而| Ρχγ | -0表不X與Y的相關(guān)性很差;若| Ρχγ | = 1 表示X與Υ依概率1存在著線性關(guān)系,而I ρχγ I -0表示X與Υ不相關(guān)。
[0136] 綜上,高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的多目標(biāo)評(píng)價(jià)指標(biāo)如下:
[0138] Fcei2= 1~Ρχγ
[0139] 其中,只分別為鐵水硅含量的預(yù)測(cè)值與實(shí)際值。上述兩個(gè)評(píng)價(jià)指標(biāo)既 可以保證建模過(guò)程的平穩(wěn)性和限制輸出曲線的橫向偏移量,又可以保證建模過(guò)程的準(zhǔn)確性 和限制輸出曲線的縱向偏移量。
[0140]以上述多目標(biāo)評(píng)價(jià)指標(biāo)為適應(yīng)度函數(shù),利用多目標(biāo)遺傳算法對(duì)高爐煉鐵過(guò)程鐵水 硅含量動(dòng)態(tài)軟測(cè)量模型S-R-LS-SVR進(jìn)行優(yōu)化:利用NSGA-II對(duì)正則化參數(shù)C和高斯核函數(shù)的 伸縮量σ進(jìn)行優(yōu)化。以模型的多目標(biāo)評(píng)價(jià)指標(biāo)為適應(yīng)度函數(shù),采用實(shí)數(shù)編碼,通過(guò)基于進(jìn)行 非支配快速排序和擁擠距離計(jì)算的種群進(jìn)行二進(jìn)制錦標(biāo)賽選擇,利用模擬二進(jìn)制交叉和多 項(xiàng)式變異的遺傳因子增強(qiáng)種群多樣性,具體如下所示:
[0141] (a)初始化。設(shè)置當(dāng)前代num=l,最大迭代次數(shù)為maxnum,種群大小為Q,變異率為 0.1,交叉率為0.9。
[0142] (b)實(shí)數(shù)編碼。對(duì)正則化參數(shù)C和高斯核函數(shù)的伸縮量〇的解空間進(jìn)行浮點(diǎn)數(shù)編碼, 每條染色體對(duì)應(yīng)一組(:和〇,編碼形式為染色體R=[0,C],該條染色體的基因數(shù)量為S = 2,含 有Q條隨機(jī)生成的染色體的初始種群為P=[Ri,R2, . . .,Rq]t。將優(yōu)化的參數(shù)C和σ作為基因放 在染色體中。
[0143] (c)計(jì)算多目標(biāo)評(píng)價(jià)指標(biāo)。根據(jù)種群Ρ中的參數(shù)(:和〇計(jì)算Q個(gè)個(gè)體的多目標(biāo)評(píng)價(jià)指 標(biāo)。
[0144] (d)判斷是否滿足終止條件。如果num>最大迭代次數(shù)maxnum,則優(yōu)化結(jié)束;否則, 進(jìn)入步驟(e)。
[0145] (e)計(jì)算擁擠距離并進(jìn)行非支配排序。
[0146] (f)錦標(biāo)賽選擇算子。根據(jù)非支配排序的結(jié)果,選擇支配層較低的染色體,若同一 支配層的染色體有多個(gè),選擇擁擠距離較大的染色體以獲得種群的多樣性。
[0147] (g)模擬二進(jìn)制交叉。由于采用實(shí)數(shù)編碼,則交叉后代是父代的線性組合:
[0149] 式中:u為產(chǎn)生于(0,1)均勻分布的隨機(jī)數(shù)。當(dāng)u>0.5時(shí)
;當(dāng)11 ^0.5
,n。為交叉分布指數(shù),i = 1,2為優(yōu)化目標(biāo)函數(shù)的個(gè)數(shù)。
[0150] (h)多項(xiàng)式變異。變異后的染色體為,其中B'B1分別為優(yōu) 化變量的上界與下界,為變異的參數(shù)。當(dāng)rk> 0.5時(shí),
;當(dāng)^<0.5,
:,rk為來(lái)自(0,1)均勻分布的隨機(jī)數(shù),為變異分布指數(shù)。
[0151] (i)重組和優(yōu)選。將經(jīng)上述模擬二進(jìn)制交叉和多項(xiàng)式變異產(chǎn)生的新染色體與原種 群中的染色體進(jìn)行混合重組,并選擇非支配排序前N個(gè)染色體組成新的種群。num = num+l, 返回步驟(c)。
[0152] 為驗(yàn)證本發(fā)明的有效性,以煉鐵廠容積為2600m3的煉鐵高爐為實(shí)施對(duì)象。該高爐 對(duì)象安裝了如下的測(cè)量系統(tǒng),包括:
[0153] 橫河DPharp EJA系列壓力變送器用于測(cè)量高爐熱風(fēng)系統(tǒng)的熱風(fēng)壓力;
[0154] HH-WLB差壓流量計(jì)用于測(cè)量冷風(fēng)流量;
[0155] A+K平衡流量計(jì)用于測(cè)量富氧流量;
[0156] JWSK-6CWDA空氣濕度傳感器用于測(cè)量鼓風(fēng)濕度;
[0157] YHIT紅外測(cè)溫儀用于測(cè)量熱風(fēng)溫度;
[0158] HDLWG-06煤粉流量計(jì)用于測(cè)量煤粉噴吹量.
[0159] 另外,測(cè)量系統(tǒng)還包括如下兩個(gè)測(cè)量分析儀:
[0160] -個(gè)測(cè)量分析儀通過(guò)流量計(jì)測(cè)量得到的冷風(fēng)流量、富氧流量以及煤粉噴吹量,以 及濕度計(jì)測(cè)量得到的鼓風(fēng)濕度,分析計(jì)算出爐腹煤氣量參數(shù);
[0161]爐腹煤氣量測(cè)量分析儀設(shè)置如下:
[0163]富氧率測(cè)量分析儀設(shè)置如下:
[0165] 實(shí)驗(yàn)中共采集了270爐次的樣本數(shù)據(jù),其中前200爐次生產(chǎn)數(shù)據(jù)作為建模時(shí)的訓(xùn)練 樣本,后70爐次的數(shù)據(jù)作為測(cè)試樣本。在模型訓(xùn)練和模型預(yù)測(cè)過(guò)程中使用的所有變量的采 樣數(shù)據(jù),均采用以鐵水出爐爐次為單位的測(cè)量平均值作為采樣和預(yù)報(bào)周期。經(jīng)PCA進(jìn)行相關(guān) 性分析,確定爐腹煤氣量m、熱風(fēng)溫度11 2、熱風(fēng)壓力U3、富氧率U4、鼓風(fēng)濕度U5、噴煤量U6六個(gè) 輔助變量;采用輸出自反饋的動(dòng)態(tài)ARMA模型,確定13個(gè)輸入變量分別為:本爐次爐腹煤氣量 111(〇、本爐次熱風(fēng)溫度112(〇、本爐次水熱風(fēng)壓力11 3(〇、本爐次富氧率114(〖)、本爐次鼓風(fēng)濕 度1!5(〇、本爐次設(shè)定噴煤量U6(t)、上爐次爐腹煤氣量m(t-l)、上爐次熱風(fēng)溫度1! 2(卜1)、上 爐次水熱風(fēng)壓力U3(t-1)、上爐次富氧率U4(t-1)、上爐次鼓風(fēng)濕度115(〖-1)、上爐次設(shè)定噴煤 量 U6(t-1)、上爐次Si含量估計(jì)值Κ?-ι);對(duì)上述數(shù)據(jù)進(jìn)行一致的平滑處理和歸一化處理。然 后通過(guò)輸入樣本數(shù)據(jù)在其映射集的極大無(wú)關(guān)組實(shí)現(xiàn)輸入數(shù)據(jù)集的稀疏化,降低軟測(cè)量模型 的復(fù)雜度,并將IGGIII加權(quán)函數(shù)引入建模過(guò)程構(gòu)造具有稀疏魯棒的軟測(cè)量模型,最終利用 對(duì)訓(xùn)練樣本進(jìn)行回歸建模。同時(shí)在使用帶有精英策略的多目標(biāo)遺傳算法優(yōu)化正則項(xiàng)參數(shù)C 和徑向基核函數(shù)的伸縮量σ時(shí),采用的種群大小為30,最大進(jìn)化代數(shù)為50,交叉率為0.9,變 異率為〇 . 1,初始化范圍分別為λ e (〇 . 1,20 ),σ e (〇 . 1,1 〇 )。優(yōu)化結(jié)果為:λ = 9.8,σ = 0.8631〇
[0166] 圖5為鐵水硅含量預(yù)報(bào)值跟蹤真實(shí)檢驗(yàn)值的效果,可以看出鐵水硅含量動(dòng)態(tài)軟測(cè) 量預(yù)測(cè)值與實(shí)際值基本一致,誤差較小,且變化趨勢(shì)基本一致。此外,本方法有較強(qiáng)的魯棒 性和泛化能力,相比其他方法有較高的優(yōu)越性與先進(jìn)性。因此是一種具有較高實(shí)用價(jià)值的、 低成本的、可連續(xù)測(cè)量的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量方法。
[0167] 可以理解的是,以上關(guān)于本發(fā)明的具體描述,僅用于說(shuō)明本發(fā)明而并非受限于本 發(fā)明實(shí)施例所描述的技術(shù)方案,本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解,仍然可以對(duì)本發(fā)明進(jìn)行 修改或等同替換,以達(dá)到相同的技術(shù)效果;只要滿足使用需要,都在本發(fā)明的保護(hù)范圍之 內(nèi)。
【主權(quán)項(xiàng)】
1. 一種高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng),其特征在于,包括: 實(shí)際數(shù)據(jù)采集單元:獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù),包括:當(dāng)前爐次的工況 參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量; 歸一化預(yù)處理單元:對(duì)獲取的高爐鐵水娃含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù)處 理; 動(dòng)態(tài)軟測(cè)量單元:采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量動(dòng)態(tài) 軟測(cè)量:高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型采用輸出自反饋,以高爐鐵水硅含量動(dòng) 態(tài)軟測(cè)量所需參數(shù)為輸入,以當(dāng)前爐次硅含量為輸出值,動(dòng)態(tài)預(yù)測(cè)鐵水硅含量。2. 根據(jù)權(quán)利要求1所述的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng),其特征在于,所述 實(shí)際數(shù)據(jù)采集單元,包括: 輔助變量確定模塊:利用主成分分析法對(duì)若干爐次的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān)性分 析,確定對(duì)于高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量貢獻(xiàn)率最大的工況參數(shù)作為輔助變量,具體包括: 爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、噴煤量; 輸入變量確定模塊:基于輔助變量、結(jié)合不同時(shí)刻輸入?yún)?shù)時(shí)滯、當(dāng)前爐次輔助變量的 測(cè)量值、上一爐次輔助變量的測(cè)量值及上一爐次鐵水硅含量的測(cè)量值,確定高爐鐵水硅含 量動(dòng)態(tài)軟測(cè)量所需參數(shù)即高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,包括:當(dāng) 前爐次的工況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;高爐鐵水硅含量動(dòng)態(tài) 軟測(cè)量所需的工況參數(shù)包括爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、設(shè)定噴煤 量; 輸入變量采集模塊:采集高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量。3. 根據(jù)權(quán)利要求1所述的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng),其特征在于,所述 動(dòng)態(tài)軟測(cè)量單元,包括: 樣本處理模塊:采集歷史若干爐次的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)及相應(yīng)爐次 鐵水硅含量,并進(jìn)行歸一化預(yù)處理后作為訓(xùn)練數(shù)據(jù)集; ARMA模型構(gòu)建模塊:將訓(xùn)練數(shù)據(jù)集中的當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)、上 一爐次的鐵水硅含量作為輸入,相應(yīng)當(dāng)前爐次鐵水硅含量作為輸出,建立具有輸出自反饋 的動(dòng)態(tài)ARM模型; 稀疏化模塊:通過(guò)提取訓(xùn)練數(shù)據(jù)集的映射集的極大無(wú)關(guān)組實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏化, 構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型; 魯棒化模塊:在稀疏最小二乘支持向量回歸機(jī)模型中引入IGGIII加權(quán)函數(shù),基于稀疏 化的訓(xùn)練數(shù)據(jù)集構(gòu)造具有稀疏魯棒性的最小二乘支持向量機(jī)模型,對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行回歸 建模,得到高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型; 多目標(biāo)遺傳優(yōu)化模塊:以評(píng)價(jià)指標(biāo)為適應(yīng)度函數(shù)優(yōu)化高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟 測(cè)量模型; 模型預(yù)測(cè)模塊:利用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型預(yù)測(cè)當(dāng)前爐次鐵水硅含 量。4. 利用權(quán)利要求1所述高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量系統(tǒng)進(jìn)行高爐煉鐵過(guò)程鐵 水硅含量動(dòng)態(tài)軟測(cè)量的方法,其特征在于,包括: 步驟1、獲取高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù),包括:當(dāng)前爐次的工況參數(shù)、上一爐 次的工況參數(shù)和上一爐次的鐵水硅含量; 步驟2、對(duì)獲取的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)進(jìn)行歸一化預(yù)處理; 步驟3、采用高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型進(jìn)行鐵水硅含量動(dòng)態(tài)軟測(cè)量:高 爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型采用輸出自反饋,以高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所 需參數(shù)為輸入,以當(dāng)前爐次硅含量為輸出值,動(dòng)態(tài)預(yù)測(cè)鐵水硅含量。5. 根據(jù)權(quán)利要求4所述的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量的方法,其特征在于,所 述工況參數(shù)的確定方法如下: 利用主成分分析法對(duì)若干爐次的高爐過(guò)程工況參數(shù)進(jìn)行相關(guān)性分析,確定對(duì)于高爐鐵 水娃含量動(dòng)態(tài)軟測(cè)量貢獻(xiàn)率最大的6個(gè)工況參數(shù)作為輔助變量,包括:爐腹煤氣量、熱風(fēng)溫 度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、噴煤量; 基于上述6個(gè)輔助變量、結(jié)合不同時(shí)刻輸入?yún)?shù)時(shí)滯、當(dāng)前爐次輔助變量的測(cè)量值、上 一爐次輔助變量的測(cè)量值及上一爐次鐵水硅含量的測(cè)量值,確定高爐鐵水硅含量動(dòng)態(tài)軟測(cè) 量所需參數(shù)即高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的輸入變量,包括:當(dāng)前爐次的工 況參數(shù)、上一爐次的工況參數(shù)和上一爐次的鐵水硅含量;高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需 的工況參數(shù)包括爐腹煤氣量、熱風(fēng)溫度、熱風(fēng)壓力、富氧率、鼓風(fēng)濕度、設(shè)定噴煤量。6. 根據(jù)權(quán)利要求4所述的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量的方法,其特征在于,所 述高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的建立方法如下: 步驟3-1、采集歷史若干爐次的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)及相應(yīng)爐次鐵水 娃含量,并進(jìn)行歸一化預(yù)處理; 步驟3-2、將歸一化預(yù)處理后的高爐鐵水硅含量動(dòng)態(tài)軟測(cè)量所需參數(shù)作為訓(xùn)練數(shù)據(jù)集; 步驟3-3、將訓(xùn)練數(shù)據(jù)集中的當(dāng)前爐次的工況參數(shù)、上一爐次的工況參數(shù)、上一爐次的 鐵水硅含量作為輸入,相應(yīng)當(dāng)前爐次鐵水硅含量作為輸出,建立具有輸出自反饋的動(dòng)態(tài) ARMA模型: 步驟3-4、通過(guò)提取訓(xùn)練數(shù)據(jù)集的映射集的極大無(wú)關(guān)組實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的稀疏化,構(gòu)造 稀疏最小二乘支持向量回歸機(jī)模型,作為初始的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模 型; 步驟3-5、在稀疏最小二乘支持向量回歸機(jī)模型中引入IGGIII加權(quán)函數(shù),基于稀疏化的 訓(xùn)練數(shù)據(jù)集構(gòu)造具有稀疏魯棒性的最小二乘支持向量機(jī)模型; 步驟3-6、利用具有稀疏魯棒性的最小二乘支持向量機(jī)模型對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行回歸建 模,得到高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型; 步驟3-7、確定高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型的多目標(biāo)評(píng)價(jià)指標(biāo),以評(píng)價(jià)指 標(biāo)為適應(yīng)度函數(shù),優(yōu)化高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量模型。7. 根據(jù)權(quán)利要求6所述的高爐煉鐵過(guò)程鐵水硅含量動(dòng)態(tài)軟測(cè)量的方法,其特征在于,所 述構(gòu)造稀疏最小二乘支持向量回歸機(jī)模型的方法如下: 步驟3-4-1、將訓(xùn)練數(shù)據(jù)集映射到高維希爾伯特空間,得到相應(yīng)的訓(xùn)練數(shù)據(jù)集即映射 集; 步驟3-4-2、求解映射集的極大無(wú)關(guān)組,得到稀疏化的訓(xùn)練數(shù)據(jù)集: 步驟3-4-3、利用稀疏化的訓(xùn)練數(shù)據(jù)集,建立稀疏最小二乘支持向量回歸機(jī)模型。
【文檔編號(hào)】C21B7/24GK105886680SQ201610308346
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2016年5月11日
【發(fā)明人】周平, 郭東偉, 宋賀達(dá), 王宏
【申請(qǐng)人】東北大學(xué)