[發明專利]一種金濕法冶金全流程運行狀態在線評價方法及系統

有效

• 申請號: 201910257924.2
• 申請日: 2019-04-01
• 公開（公告）號: CN109840722B
• 公開（公告）日: 2023-05-19
• 發明（設計）人: 常玉清;孫雪婷;鐘林生;王福利;劉亞東
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q50/04;G06F18/2431;G06F18/25
• 代理公司: 北京易捷勝知識產權代理有限公司 11613
• 代理人: 韓國勝

1.一種金濕法冶金全流程運行狀態在線評價方法，包括浸出、洗滌和置換工業，其特征在于，包括以下步驟：

S1、基于評價變量和過程變量，獲取包括所有運行狀態的離線生產數據；

S2、針對所述離線生成數據利用改進的隨機森林算法建立運行狀態評價模型；

建立運行狀態評價模型包括：

S21、從歷史數據中提取兩組樣本數據D＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}和T＝{(x₁,y₁),(x₂,y₂),...,(x_L,y_L)}作為建模數據：其中D為訓練集，T為驗證集，y_i為綜合經濟指標等級；基于訓練集D應用傳統的隨機森林算法建立評價模型R＝{h₁,h₂,...,h_K}，其中h_i表示決策樹，K為決策樹數量，x_i為過程變量；

S22、將驗證集T依次輸入模型R中的每棵決策樹中，得到評價結果Y_i(i＝1,2,...,K)；分別基于互信息計算每棵決策樹的精度I(h_i,y)，再依次計算任意每棵決策樹與其余決策樹的相關性，即I(h_i,h_k)(k≠i)；

若h_i與其余所有決策樹相關性均小于閾值ε即I(h_i,h_k)＜ε，獲取決策樹h_i；否則將所有I(h_i,h_k)(k≠i)值大于閾值ε的決策樹合為一組決策樹組，根據精度I(h_i,y)獲取該組精度最高的決策樹，獲取一組決策樹組成新的隨機森林評價模型R′＝{h′₁,h′₂,...,h′_P}；

S23、將評價精度轉化為決策樹的投票權值，在決策樹精簡后，被選擇的決策樹的評價精度矩陣為ACC：

其中，acc_qp表示第P棵決策樹對于第q種運行狀態的評價精度，其中，p＝1,2,...,P,q＝1,2,...,Q，Q為評價結果的等級數目，P為改進后決策樹數量；ACC通過將驗證集T代入新的隨機森林，并計算每棵決策樹對于每一類的輸出結果的正確率獲得；

根據精度矩陣，定義權重矩陣W為：

其中w_qp表示第p棵樹對于第q種運行狀態的權重，其計算方式如下式所示：w_qp＝acc_qp；

S24、利用所述權重矩陣W更新隨機森林評價模型，獲取基于互信息的加權隨機森林評價模型R'_c，用于過程運行狀態的在線評價；

S3、采集作為在線數據的實時生產數據，并輸入到所述運行狀態評價模型，獲得所述在線數據處于各等級的概率，獲取實時評價過程運行狀態；

在線評價方法如下：

假設建模數據充分，評價結果分為Q個等級，將t時刻在線數據x_t輸入評價模型R′_c，得到每棵決策樹的評價結果y_i(i＝1,2,...,P)∈{1,2,...,Q}，x_t處于第q個狀態等級的概率為：

其中表示當括號內的表達式成立時，其值為1，否則為0；

數據xt的最大后驗概率對應的等級是：

假設運行狀態等級只能在相鄰等級之間轉換，運行狀態等級在線評價遵循第一條規則和第二規則；

S4、根據所述實時評價過程運行狀態，獲取各個過程變量的相對的劣化度，將劣化度較大的變量作為非優原因追溯的結果；

S5、根據所述非優原因追溯的結果，并結合生產經驗選擇操作調整策略以改善過程運行狀態。