[實(shí)用新型]小樣本貧信息下的燒結(jié)礦化學(xué)成分預(yù)測與智能控制系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201120366462.7
• 申請日: 2011-09-29
• 公開（公告）號: CN202351625U
• 公開（公告）日: 2012-07-25
• 發(fā)明（設(shè)計(jì)）人: 王愛民;宋強(qiáng);李華
• 申請（專利權(quán)）人: 王愛民;宋強(qiáng);李華
• 主分類號: G05B13/04
• 分類號: G05B13/04;C22B1/00
• 代理公司: 北京同輝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11357
• 代理人: 王道川

技術(shù)領(lǐng)域

本實(shí)用新型涉及冶金領(lǐng)域的燒結(jié)過程領(lǐng)域的自動控制，特別涉及一種小樣本貧信息下的燒結(jié)礦化學(xué)成分預(yù)測與智能控制系統(tǒng)。?

背景技術(shù)

燒結(jié)礦化學(xué)成分波動較大是高爐原料存在的一個十分突出問題。目前我國燒結(jié)礦化學(xué)成分主要是通過控制原料系統(tǒng)來控制的，80年代以來，我國不少廠家建立了混勻料場，取得一定效果，但只能為燒結(jié)廠提供7～10天的穩(wěn)定成分；對配料進(jìn)行了微機(jī)定值自動控制各原料的給料量，但尚未考慮最優(yōu)控制問題，而且由于各種燒結(jié)礦原料化學(xué)成分隨機(jī)波動，燒結(jié)產(chǎn)品取樣、分析存在相當(dāng)長的時間延遲、使得燒結(jié)礦化學(xué)成分的穩(wěn)定控制相當(dāng)困難。國外在80年代提出新的控制燒結(jié)礦化學(xué)成分的方法——用自回歸和多元回歸模型預(yù)測和控制燒結(jié)礦化學(xué)成分(CaO，SiO₂，MgO，F(xiàn)eO)系統(tǒng)，日本住友金屬公司小倉廠自1982年3月以來在3號燒結(jié)機(jī)上使用了該系統(tǒng)，1985年12月起，和歌山4號燒結(jié)機(jī)也使用了此控制系統(tǒng)，都取得了較好的操作效果。80年代起，國外也將預(yù)測模型應(yīng)用到燒結(jié)生產(chǎn)其他方面的控制中，如英格蘭鋼鐵公司Redcar燒結(jié)廠預(yù)測廢氣溫度控制機(jī)速，用自適應(yīng)模型預(yù)測成品機(jī)械強(qiáng)度指數(shù)和FeO含量都取得一定效果。?

在我國，關(guān)于燒結(jié)礦化學(xué)成分超前預(yù)測也有不少報(bào)道。隨著技術(shù)的不斷成熟，人工智能技術(shù)在國內(nèi)燒結(jié)生產(chǎn)中被大量采用，主要用于工藝參數(shù)的優(yōu)化和燒結(jié)礦化學(xué)成分與產(chǎn)質(zhì)量的預(yù)報(bào)。?

北京科技大學(xué)張舒，高為民應(yīng)用誤差反向傳播方式建立了燒結(jié)礦性能指標(biāo)預(yù)測的經(jīng)網(wǎng)絡(luò)模型，并用實(shí)際燒結(jié)生產(chǎn)數(shù)據(jù)對模型進(jìn)行了訓(xùn)練，訓(xùn)練后的模型可以對燒結(jié)過程進(jìn)行分析，并可對燒結(jié)礦的FeO含量和燒結(jié)礦轉(zhuǎn)鼓指數(shù)進(jìn)行預(yù)測。?

東北大學(xué)郭文軍，何力本利用前饋神經(jīng)網(wǎng)絡(luò)，建立了燒結(jié)礦化學(xué)成分超前預(yù)報(bào)的模型；通過對現(xiàn)場實(shí)際運(yùn)行數(shù)據(jù)分析表明，預(yù)報(bào)模型具有良了的預(yù)報(bào)結(jié)果和實(shí)際應(yīng)用前景。?

邵賢強(qiáng)，邱道尹針對燒結(jié)過程生產(chǎn)實(shí)際，運(yùn)用神經(jīng)網(wǎng)絡(luò)中的BP學(xué)習(xí)算法設(shè)計(jì)了分類器，用于在線推斷燒結(jié)礦的質(zhì)量，為了加快BP學(xué)習(xí)算法的收斂速度，采用了自適應(yīng)變步長學(xué)習(xí)算法，實(shí)驗(yàn)結(jié)果表明，由此建立的燒結(jié)過程神經(jīng)網(wǎng)絡(luò)質(zhì)量預(yù)報(bào)模型，預(yù)報(bào)正確率高，具有很好的泛化能力。?

中南工業(yè)大學(xué)王雅琳、桂衛(wèi)華等人針對工業(yè)生產(chǎn)過程的復(fù)雜性和時變性，提出一種用于工業(yè)生產(chǎn)過程模建的自適應(yīng)監(jiān)督式分布神經(jīng)網(wǎng)絡(luò)(SDNN)，將SDNN網(wǎng)絡(luò)與傳統(tǒng)建模方法相結(jié)合，應(yīng)用于鉛鋅燒結(jié)過程的燒結(jié)塊成分預(yù)測。工業(yè)應(yīng)用結(jié)果表明，SDNN模型具有較高的預(yù)測精度。與傳統(tǒng)建模方法有機(jī)結(jié)合能更好地描述工業(yè)生產(chǎn)過程。?

東北大學(xué)姜宏洲、李萬新等人開發(fā)了燒結(jié)礦FeO含量智能檢測儀。檢測儀應(yīng)用圖像處理與神經(jīng)網(wǎng)絡(luò)技術(shù)，依照燒結(jié)看火工對燒結(jié)礦FeO含量的判斷方法，用CCD攝像機(jī)采集燒結(jié)機(jī)尾斷面圖像，對所采集的圖像進(jìn)行實(shí)時處理，最后給出相應(yīng)的FeO含量等級。?

燒結(jié)礦化學(xué)成分的穩(wěn)定性已越來越成為整個鐵前系統(tǒng)能否保持良好運(yùn)行的關(guān)鍵。鋼廠對燒結(jié)礦的檢驗(yàn)以現(xiàn)有的檢驗(yàn)方式和裝備已無法滿足生產(chǎn)工藝?的需要，造成檢驗(yàn)周期長、檢驗(yàn)結(jié)果嚴(yán)重滯后。尤其是產(chǎn)品質(zhì)量異常時，既不能及時調(diào)整燒結(jié)生產(chǎn)又無法及時指導(dǎo)高爐生產(chǎn)，而且經(jīng)調(diào)研發(fā)現(xiàn)，國內(nèi)多數(shù)企業(yè)均存在類似問題。這種狀況已經(jīng)嚴(yán)重干擾了燒結(jié)生產(chǎn)，對煉鐵生產(chǎn)也造成了不可小視的損失，在燒結(jié)廠開發(fā)出燒結(jié)礦化學(xué)成分的預(yù)測模型和預(yù)測系統(tǒng)已是當(dāng)務(wù)之急。因此，迫切需要開發(fā)功能優(yōu)良的燒結(jié)過程燒結(jié)礦化學(xué)成分預(yù)測系統(tǒng)，使燒結(jié)過程控制水平進(jìn)入一個新的階段，盡快接近或達(dá)到同行業(yè)國際先進(jìn)水平，這樣才能帶來巨大的經(jīng)濟(jì)效益。?

實(shí)用新型內(nèi)容

針對現(xiàn)有技術(shù)中存在的不足，本實(shí)用新型的目的在于提供一種基于灰熵-支持向量機(jī)算法的小樣本貧信息下的燒結(jié)礦化學(xué)成分預(yù)測與智能控制系統(tǒng)。?

本實(shí)用新型的技術(shù)方案是這樣實(shí)現(xiàn)的：?

小樣本貧信息下的燒結(jié)礦化學(xué)成分預(yù)測與智能控制系統(tǒng)，數(shù)據(jù)采集模塊采集數(shù)據(jù)，所述數(shù)據(jù)采集模塊采集到的數(shù)據(jù)經(jīng)處理后傳輸?shù)街悄芸刂颇K。?

小樣本貧信息下的燒結(jié)礦化學(xué)成分預(yù)測與智能控制系統(tǒng)，包括：數(shù)據(jù)采集模塊、數(shù)據(jù)歸一化模塊、灰熵模塊、支持向量機(jī)模塊、組合模塊、推斷模塊、燒結(jié)礦化學(xué)成分預(yù)測模塊和智能控制模塊；所述數(shù)據(jù)采集模塊的輸出與所述數(shù)據(jù)歸一化模塊的輸入連接；所述數(shù)據(jù)歸一化模塊的輸出與所述灰熵模塊的輸入連接；所述灰熵模塊的輸出與所述支持向量機(jī)模塊的輸入連接；所述支持向量機(jī)模塊的輸出與所述組合模塊的輸入連接；所述組合模塊的輸出和所述推斷模塊的輸出分別與所述燒結(jié)礦化學(xué)成分預(yù)測模塊的輸入連接；所述燒結(jié)礦化學(xué)成分預(yù)測模塊的輸出與所述智能控制模塊的輸入連接。?