[發(fā)明專利]一種氧氣底吹銅熔煉過程熔體溫度軟測量方法

有效

• 申請?zhí)枺?/td>: 201410618264.3
• 申請日: 2014-11-05
• 公開（公告）號: CN105574317B
• 公開（公告）日: 2020-09-08
• 發(fā)明（設(shè)計）人: 王斌;王卓;于海斌;賈洋;陳宜濱
• 申請（專利權(quán)）人: 中國科學院沈陽自動化研究所
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 徐麗;周秀梅

1.一種氧氣底吹銅熔煉過程熔體溫度軟測量方法，其特征在于，包括以下步驟：

輔助變量選取：選取上一時刻熔體溫度的測量值、入爐物料流量、入爐物料含銅率、含鐵率、含硫率、含水率、含SiO₂率、入爐氧氣流量、氮氣流量為輔助變量；

數(shù)據(jù)預處理：對采集到的各個輔助變量在生產(chǎn)過程中獲得的采樣數(shù)據(jù)進行離群值去除，并對入爐物料流量、入爐氧氣流量、氮氣流量這三個輔助變量的數(shù)據(jù)進行濾波，并按照時間順序排列，形成原始建模樣本集合；對原始建模樣本集合中的樣本數(shù)據(jù)進行標準化，形成標準化原始建模樣本集合；

建立基于Boosting PLS方法的軟測量模型：為標準化原始建模樣本集合中的每個樣本分配采樣概率，按照采樣概率對標準化原始建模樣本集合中的樣本進行采樣，形成建模樣本集合，利用建模樣本集合建立PLS子模型，再用得到的PLS子模型對標準化原始建模樣本集合中的每個樣本進行預測，根據(jù)預測結(jié)果與實測結(jié)果的誤差對標準化原始建模樣本集合當中每個樣本的采樣概率進行調(diào)整，增大預測結(jié)果與實測結(jié)果之間誤差較大樣本的采樣概率，從而得到新的采樣概率；重復以上過程T_max次，從而得到T_max個子模型，將這T_max個子模型的預測結(jié)果按照升序排列，選取排序后預測結(jié)果的加權(quán)中位數(shù)作為最終的軟測量結(jié)果；；

所述基于Boosting PLS方法的軟測量模型的形式為：

輸入數(shù)據(jù)為新數(shù)據(jù)X_new＝[x_1new，x_2new，...，x_9new]時，將新數(shù)據(jù)輸入到T_max個子模型中得到T_max個子模型的預測結(jié)果其中t＝1，2，，...，T_max；再將這T_max個子模型的預測結(jié)果安照升序排列得到升序預測結(jié)果序列該序列中的項滿足接著求出滿足的最小值r_min；本時刻的熔體溫度預測值就是升序預測結(jié)果序列中排在第r_min個位置的預測結(jié)果即升序預測結(jié)果序列中序號為r_min的項；

其中，T_max表示子模型的數(shù)量，是預設(shè)值；表示升序預測結(jié)果序列中排在第A個位置的預測結(jié)果，即升序預測結(jié)果序列中序號為A的項，其中A＝1，2，...，T_max；正整數(shù)k^A表示升序預測結(jié)果序列中排在第A個位置的預測結(jié)果對應的子模型序號，因此k^A＝A，其中A＝1，2，...，T_max，t＝1，2，...，T_max，表示第t個子模型的性能可信度指數(shù)，與此相似，表示序號為k^A的子模型的性能可信度指數(shù)；

表示第t個子模型的樣本平均損失；其中定示第t個子模型對原始建模樣本集合中第i個樣本的預測值，y_i表示原始建模樣本集合中第i個樣本的輸出值，良示第t個子模型對原始建模樣本集合中第ss個樣本的預測值，y_ss表示原始建模樣本集合中第ss個樣本的輸出值；表示為構(gòu)建第t個子模型的建模樣本集合時標準化原始建模樣本集合中第a個樣本的采樣概率；a＝1，2，...，N；表示第i個樣本權(quán)重的初始值，表示構(gòu)建第t個子模型時，第i個樣本的采樣權(quán)重，其中表示第t個子模型對第i個樣本的樣本損失；表示當輸入是標準化新輸入數(shù)據(jù)時第t個子模型的預測結(jié)果；其中為第b個輸入變量的樣本均值，σ_b為第b個輸入變量的樣本標準差，表示當輸入是標準化原始樣本集合中第i個樣本的輸入數(shù)據(jù)X′_i＝[x′_i1，x′_i2，...，x′_i9]時第t個子模型的預測結(jié)果；其中為輸出變量的樣本均值，σ_y為輸出變量的樣本標準差；h^(t)表示第t個子模型提取出的成分數(shù)量，I為9階單位矩陣，T表示矩陣轉(zhuǎn)置符號，j＝1，2，...，h^(t)，E₀＝C^(t)，F(xiàn)₀＝V^(t)，C^(t)為對標準化原始建模樣本集合中的每個樣本分配采樣概率后，按照該概率從標準化原始建模樣本集合中隨機采樣N次得到的建模樣本集合中的輸入數(shù)據(jù)所組成的矩陣，V^(t)為與C^(t)對應的輸出數(shù)據(jù)組成的矩陣；

軟測量模型校正：采用滑動窗口方法對軟測量模型進行校正；所述軟測量模型校正是將熔體溫度測量值與預測值相比較，如果誤差的絕對值小于預先定義好的閾值，閾值的取值范圍在[30℃，40℃]之間，則保持原來的軟測量模型不變；否則，重新進行數(shù)據(jù)預處理以獲得新的樣本數(shù)據(jù)，形成新的原始建模樣本集合和標準化原始建模樣本集合，再重新采用Boosting PLS方法建立軟測量模型。