[發(fā)明專利]基于懶惰學(xué)習(xí)的高爐鐵水質(zhì)量自適應(yīng)魯棒預(yù)測(cè)控制方法有效
| 申請(qǐng)?zhí)枺?/td> | 201810971718.3 | 申請(qǐng)日: | 2018-08-24 |
| 公開(公告)號(hào): | CN109001979B | 公開(公告)日: | 2021-05-18 |
| 發(fā)明(設(shè)計(jì))人: | 周平;易誠(chéng)明;姜樂 | 申請(qǐng)(專利權(quán))人: | 東北大學(xué) |
| 主分類號(hào): | G05B13/04 | 分類號(hào): | G05B13/04;G05B13/02 |
| 代理公司: | 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109 | 代理人: | 梁焱 |
| 地址: | 110819 遼寧*** | 國(guó)省代碼: | 遼寧;21 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 懶惰 學(xué)習(xí) 高爐 鐵水 質(zhì)量 自適應(yīng) 預(yù)測(cè) 控制 方法 | ||
本發(fā)明提供一種基于懶惰學(xué)習(xí)的高爐鐵水質(zhì)量自適應(yīng)魯棒預(yù)測(cè)控制方法,涉及高爐冶煉自動(dòng)化控制技術(shù)領(lǐng)域。包括確定被控量與控制量;采集高爐生產(chǎn)歷史輸入輸出測(cè)量數(shù)據(jù)構(gòu)造初始數(shù)據(jù)庫;構(gòu)造查詢回歸向量,確定異常數(shù)據(jù);從數(shù)據(jù)庫中查詢相似學(xué)習(xí)子集,選出最優(yōu)學(xué)習(xí)子集,對(duì)異常數(shù)據(jù)進(jìn)行處理;將最優(yōu)學(xué)習(xí)子集作為訓(xùn)練集,建立預(yù)測(cè)模型;計(jì)算鐵水質(zhì)量指標(biāo)參考軌跡,構(gòu)造預(yù)測(cè)控制性能指標(biāo),得到最優(yōu)控制向量;將最優(yōu)控制向量發(fā)給底層PLC系統(tǒng)并調(diào)節(jié)執(zhí)行機(jī)構(gòu),采集新一組高爐測(cè)量數(shù)據(jù),數(shù)據(jù)預(yù)處理并更新數(shù)據(jù)庫。本發(fā)明提供的方法可以有效的抑制輸入輸出干擾的影響并且克服異常數(shù)據(jù)的影響,將高爐鐵水質(zhì)量穩(wěn)定在期望值附近,有利于高爐穩(wěn)定順行和優(yōu)質(zhì)高產(chǎn)。
技術(shù)領(lǐng)域
本發(fā)明涉及高爐冶煉自動(dòng)化控制技術(shù)領(lǐng)域,尤其涉及一種基于懶惰學(xué)習(xí)的高爐鐵水質(zhì)量自適應(yīng)魯棒預(yù)測(cè)控制方法。
背景技術(shù)
高爐煉鐵作為最重要的煉鐵方式,正在向大規(guī)模、高效益、低能耗、自動(dòng)化的方向發(fā)展,其中高爐煉鐵閉環(huán)自動(dòng)控制一直是冶金工程和自動(dòng)化領(lǐng)域的難題。由于高爐煉鐵系統(tǒng)是一個(gè)物理化學(xué)反應(yīng)復(fù)雜、多相、多場(chǎng)耦合的非線性、大滯后、動(dòng)態(tài)時(shí)變系統(tǒng),因此很難為其建立精確的數(shù)學(xué)模型,從而很難實(shí)現(xiàn)穩(wěn)定控制。目前,被廣泛用來間接反映高爐內(nèi)部狀態(tài)的指標(biāo)為鐵水質(zhì)量參數(shù),其中鐵水Si含量和鐵水溫度是衡量高爐內(nèi)熱狀態(tài)和穩(wěn)定順行的主要參數(shù)。采用鐵水質(zhì)量參數(shù)作為高爐內(nèi)部狀態(tài)的評(píng)判指標(biāo),可以較全面地了解高爐內(nèi)部的運(yùn)行狀態(tài),為高爐的控制運(yùn)行提供指導(dǎo)。因此,要實(shí)現(xiàn)高爐煉鐵過程的穩(wěn)定順行,并且生產(chǎn)出質(zhì)量合格的鐵水,為后續(xù)的轉(zhuǎn)爐煉鋼提供優(yōu)質(zhì)的原材料,有必要對(duì)鐵水質(zhì)量參數(shù)加以有效的監(jiān)測(cè)和控制。
預(yù)測(cè)控制被廣泛應(yīng)用于高爐煉鐵過程,由于高爐煉鐵過程是一個(gè)非線性過程,因此傳統(tǒng)基于線性模型預(yù)測(cè)控制方法無法實(shí)現(xiàn)有效控制。已有研究將支持向量回歸和雙線性子空間辨識(shí)等非線性建模方法與模型預(yù)測(cè)控制相結(jié)合,從而實(shí)現(xiàn)非線性高爐煉鐵過程鐵水質(zhì)量的優(yōu)化控制。
公開號(hào)為CN107390524A的專利“一種基于雙線性子空間辨識(shí)的優(yōu)化控制方法”,該專利基于雙線性子空間辨識(shí)技術(shù)與模型預(yù)測(cè)控制,提出一種高爐鐵水質(zhì)量指標(biāo)優(yōu)化控制方法,利用雙線性子空間辨識(shí)方法構(gòu)造一個(gè)結(jié)構(gòu)簡(jiǎn)單的高爐鐵水質(zhì)量指標(biāo)預(yù)測(cè)模型,實(shí)現(xiàn)同時(shí)對(duì)綜合性的鐵水質(zhì)量指標(biāo),即鐵水Si含量和鐵水溫度進(jìn)行預(yù)測(cè),然后進(jìn)一步將此模型作為預(yù)測(cè)模型應(yīng)用于模型預(yù)測(cè)控制中,實(shí)現(xiàn)了高爐鐵水質(zhì)量對(duì)設(shè)定期望值的快速跟蹤。但是高爐煉鐵系統(tǒng)具有復(fù)雜的非線性,雙線性子空間模型對(duì)復(fù)雜非線性系統(tǒng)的逼近能力不強(qiáng),因此利用雙線性子空間辨識(shí)方法獲得的預(yù)測(cè)模型,不能充分地表達(dá)非線性系統(tǒng)的動(dòng)態(tài)特性。
公開號(hào)為CN106249724A的專利“一種高爐多元鐵水質(zhì)量預(yù)測(cè)控制方法及系統(tǒng)”,該專利依據(jù)高爐冶鐵過程生產(chǎn)線上傳感器測(cè)量的高爐多元鐵水相關(guān)數(shù)據(jù),結(jié)合多輸出最小二乘支持向量回歸理論,建立了高爐多元鐵水質(zhì)量與控制量之間的M-LS-SVR預(yù)測(cè)模型,然后用非線性預(yù)測(cè)控制理論設(shè)計(jì)了非線性預(yù)測(cè)控制器,實(shí)現(xiàn)對(duì)多元鐵水質(zhì)量的有效控制。但該專利中的非線性建模方法基于離線全局建模,缺乏在線參數(shù)調(diào)整機(jī)制,當(dāng)預(yù)測(cè)模型不匹配或者設(shè)定工作范圍改變時(shí),全局模型很難在線更新,從而導(dǎo)致控制系統(tǒng)不穩(wěn)定。
此外,在實(shí)際高爐煉鐵生產(chǎn)過程中,會(huì)產(chǎn)生大量離線和在線測(cè)量數(shù)據(jù),如何充分利用這些數(shù)據(jù)信息對(duì)控制器參數(shù)進(jìn)行實(shí)時(shí)調(diào)整,也是高爐煉鐵自動(dòng)控制過程中的關(guān)鍵問題。而且受檢測(cè)儀表和變送器等裝置的故障以及其他異常干擾對(duì)測(cè)量數(shù)據(jù)的影響,采集數(shù)據(jù)經(jīng)常出現(xiàn)數(shù)據(jù)異常情況,如:數(shù)據(jù)值大于實(shí)際情況或者出現(xiàn)數(shù)據(jù)缺失現(xiàn)象。在上述專利提供的方法以及其他相關(guān)文獻(xiàn)相關(guān)類似方法,均沒有對(duì)此類異常數(shù)據(jù)干擾情況設(shè)計(jì)合理的魯棒機(jī)制。
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是針對(duì)上述現(xiàn)有技術(shù)的不足,提供一種基于懶惰學(xué)習(xí)的高爐鐵水質(zhì)量自適應(yīng)魯棒預(yù)測(cè)控制方法,有效解決了非線性預(yù)測(cè)控制中預(yù)測(cè)模型的在線更新問題,并且該方法可以重復(fù)利用有用數(shù)據(jù)樣本,大大提高了離線和在線輸入輸出測(cè)量數(shù)據(jù)的利用率,能有效抑制異常數(shù)據(jù)對(duì)控制器的影響,增強(qiáng)控制器的魯棒性能,從而提高高爐煉鐵系統(tǒng)的穩(wěn)定性。
為解決上述技術(shù)問題,本發(fā)明所采取的技術(shù)方案是:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東北大學(xué),未經(jīng)東北大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810971718.3/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 基于條件互信息的雙層半懶惰貝葉斯的網(wǎng)絡(luò)入侵分類方法
- 實(shí)時(shí)身體分割系統(tǒng)
- 用于靜態(tài)鍵入的基于類的面向?qū)ο蟮能浖姆亲钃鮿?dòng)態(tài)更新的方法、計(jì)算機(jī)程序產(chǎn)品和系統(tǒng)
- 用于在支持共享虛擬存儲(chǔ)器的異構(gòu)計(jì)算系統(tǒng)中的TLB關(guān)閉的方法和裝置
- 用于共享虛擬存儲(chǔ)器的系統(tǒng)
- 基于變量節(jié)點(diǎn)懶惰串行分層調(diào)度的LDPC譯碼算法
- 基于校驗(yàn)節(jié)點(diǎn)懶惰串行分層調(diào)度的LDPC譯碼算法
- 靠墊(懶惰熊)
- 模板的懶惰生成
- 基于區(qū)塊鏈的公共云存儲(chǔ)數(shù)據(jù)完整性檢驗(yàn)方法
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





