[發明專利]一種基于雙模型協同預測的燒結混合加水控制方法

有效

• 申請號: 201910732165.0
• 申請日: 2019-08-09
• 公開（公告）號: CN110533082B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 王金迪;于丁文;吳朝霞
• 申請（專利權）人: 東北大學秦皇島分校
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

本發明涉及燒結混合加水控制技術領域，提供一種基于雙模型協同預測的燒結混合加水控制方法。首先采集燒結混合加水過程的歷史數據，構成歷史數據集；然后，對歷史數據集進行預處理；接著將各原料下料量作為輸入、加水量作為輸出，構建并訓練基于卷積神經網絡的加水量回歸預測模型；然后將各原料下料量及加水量作為輸入、混合料水分含量對應的水分含量類別作為輸出，構建并訓練基于卷積神經網絡的水分含量分類預測模型；最后基于雙模型協同預測進行加水量控制：實時預測本次加水量和本次水分含量類別，根據本次水分含量類別預測值調節下一次加水量。本發明能夠提高加水量預測和控制的準確性，使得混合料水分含量穩定在最佳范圍且預測控制效率高。

技術領域

本發明涉及燒結混合加水控制技術領域，特別是涉及一種基于雙模型協同預測的燒結混合加水控制方法。

背景技術

燒結工藝是鋼鐵生產的一道重要工序，對鋼鐵的生產質量有著很重要的影響。燒結工藝的最終目的是為高爐生產提供符合工藝要求的燒結礦。目前，大部分燒結廠通過采用燒結混合工藝將含鐵礦粉、各種熔劑、燃料等粉粒狀物料加水混合，然后在燒結機上點火燃燒，由一系列的物理化學反應生成具有透氣性良好的塊狀產品。

混合過程的加水量是燒結混合過程關鍵的控制參數，一般對加水量控制的目標是保持混合料中的水分穩定在一個利于燒結的值，普遍認為混合料水分含量為7％左右時是最佳值，波動范圍不能太大，通常為±0.5％以內。混合料水分含量不僅對抽風燒結過程具有重要影響，而且是燒結礦化學和物理性能的關鍵影響因素，當混合料含水量過低時，混合料的造粒指數會變差，混合料的透氣性和導熱性也會變差；當混合料的含水量過高時，混合料將非常潮濕，這將阻礙混合料的流動，透氣性會更差。在這兩種情況下，燒結礦的質量都不能滿足我們的要求。

對于加水控制而言，由于其具有較大的滯后性，所以大部分工廠還都采用人工前饋加水的方式，工人根據具體的下料量估計出加水量。為了減少其大滯后的影響，現有技術中多采用前饋預測控制對加水量進行預測控制。然而，現有的前饋預測控制加水量的方法，一方面前饋預測的準確性不高，另一方面未對前饋預測進行修正，導致使用得到的加水量預測值控制加水量后混合料水分含量不能滿足工藝要求，且預測控制的效率低下。

發明內容

針對現有技術存在的問題，本發明提供一種基于雙模型協同預測的燒結混合加水控制方法，能夠提高加水量預測和控制的準確性，使得混合料水分含量穩定在最佳范圍，且預測控制效率高。

本發明的技術方案為：

一種基于雙模型協同預測的燒結混合加水控制方法，其特征在于，包括下述步驟：

步驟1：采集燒結混合加水過程的歷史數據，構成歷史數據集；所述歷史數據包括下料過程的各原料下料量、混料過程的加水量、混合完成后的混合料水分含量；

步驟2：對歷史數據集進行預處理；

步驟3：構建并訓練加水量回歸預測模型：

步驟3.1：將各原料下料量作為輸入、加水量作為輸出，構建基于卷積神經網絡的加水量回歸預測模型；

步驟3.2：選取歷史數據集中各原料下料量、加水量的歷史數據構成第一訓練集，對加水量回歸預測模型進行訓練；

步驟4：構建并訓練水分含量分類預測模型：

步驟4.1：構建混合料水分含量的歷史數據集A到水分含量類別集B的映射f:A→B，得到混合料水分含量x∈A對應的水分含量類別為y＝f(x)；

步驟4.2：將各原料下料量及加水量作為輸入、混合料水分含量對應的水分含量類別作為輸出，構建基于卷積神經網絡的水分含量分類預測模型；

步驟4.3：選取歷史數據集中各原料下料量、加水量、混合料水分含量的歷史數據并計算混合料水分含量對應的水分含量類別，構成第二訓練集，對水分含量分類預測模型進行訓練；