[發明專利]一種基于高斯過程回歸的噴煤優化控制方法

在審

• 申請號: 202011545801.8
• 申請日: 2020-12-23
• 公開（公告）號: CN112553390A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 蘇志祁;覃和轉;廖玉通;高見;朱國銘;王緒鵬;黃華鋼;王從文;李宏玉;覃熹;張恒瑞
• 申請（專利權）人: 廣西柳鋼東信科技有限公司;廣西柳州鋼鐵集團有限公司
• 主分類號: C21B5/00
• 分類號: C21B5/00
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 朱寶慶

1.一種基于高斯過程回歸的噴煤優化控制方法，其特征在于：包括，

采集噴煤過程中的調節參數進行預處理；

從預處理后的所述參數中選取與噴煤量相關性較高參數作為特征值；

利用高斯過程回歸進行參數訓練，得到預測模型；

將所述預測模型保存為可被重新載入的文件，輸入實時數據進行預測。

2.根據權利要求1所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：所述采集包括，從高爐煉鐵數據庫采集相關性較高的歷史運行數據，經過預處理后得到所述特征值數據，并將實際噴煤流量作為目標值。

3.根據權利要求1或2所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：所述特征值包括，罐重、罐壓、混合壓力、補氣流量、中部流化流量、下部流化流量。

4.根據權利要求3所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：利用所述特征值組成關于所述噴煤流量的函數關系，包括，

f(flow)＝f(W，P，P_mix，F_air，F_mid，F_btm)

其中，W是罐重，P是罐壓，P_mix混合壓力，F_air是補氣流量、F_mid是中部流化流量、F_btm是下部流化流量，flow是實際噴煤流量。

5.根據權利要求4所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：所述訓練利用高斯過程回歸將所述函數關系中的所述特征值和所述目標值進行擬合。

6.根據權利要求5所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：所述預測模型訓練的效果由影響因子約束，其包括，訓練集的大小、訓練數據本身和所選擇的高斯kernel核函數。

7.根據權利要求6所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：所述高斯kernel核函數包括，徑向基函數、指數函數核和有理二次函數核。

8.根據權利要求7所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：還包括，

比較訓練所述預測模型得到的均方根誤差，將其作為訓練效果的指標，所述均方根誤差數值越小，則擬合效果越好，訓練結束，導出相應的所述預測模型。

9.根據權利要求8所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：包括，

載入訓練好的所述預測模型，連接高爐煉鐵數據庫，獲取實時的特征值數據作為所述預測模型的輸入，目標是得到最優化的目標函數，

∑＝α₁·|Δflow|+α₂·|ΔP|+α₃·|ΔP_mix|

其中，α_i為加權系數。

10.根據權利要求8所述的基于高斯過程回歸的噴煤優化控制方法，其特征在于：還包括，

對所述特征值數據進行窮舉和加權處理，調整當前輸入參數，計算當前輸入對應的最優輸出；

選取對所述噴煤流量影響相對較大的兩個壓力參數進行±5kPa范圍的窮舉；

將所得到的數據組輸入到所述預測模型中，得到對應的所述噴煤流量的預測值組；

根據上述目標函數，將窮舉后的每組數據中的噴煤流量與設定流量作差，罐壓、混合壓力與對應的實時數據作差；

對列出的三個差值進行加權求和，獲得加權求和后最小的值，其對應的控制參數即為最優控制參數，其控制量變化小，系統波動小，流量趨近設定值。