一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法
【專利摘要】一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于它包括確定高爐生產(chǎn)目標(biāo)；獲取歷史數(shù)據(jù)；建立向量機(jī)預(yù)測(cè)模型、綜合優(yōu)化控制模型；指導(dǎo)高爐實(shí)際生產(chǎn)過程；指導(dǎo)高爐實(shí)際生產(chǎn)的輸入變量設(shè)定；其優(yōu)越性在于：提高鐵水的產(chǎn)量并降低高爐能耗，在高爐節(jié)能優(yōu)化領(lǐng)域應(yīng)用前景廣闊，有重大的生產(chǎn)實(shí)踐意義。
【專利說明】一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法 (一）

【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明屬于高爐鐵水生產(chǎn)過程節(jié)能優(yōu)化領(lǐng)域，特別是涉及一種基于統(tǒng)計(jì)學(xué)習(xí)理論 和多目標(biāo)多約束優(yōu)化的高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法。 (二）

【背景技術(shù)】：
[0002] 鋼鐵企業(yè)年耗能約占全國(guó)能源消費(fèi)總量的10 %以上，鋼鐵生產(chǎn)中的能耗主要 集中在煉鐵系統(tǒng)，包括煉焦、燒結(jié)和煉鐵，其能耗占整個(gè)鋼鐵工業(yè)總能耗的67 %，煉鐵約 占46%，能源高是當(dāng)前鋼鐵企業(yè)普遍存在的問題，與先進(jìn)國(guó)家相比，單位能耗高出20%到 30%以上，高能耗不僅浪費(fèi)了能源和資源，而且產(chǎn)生了大量廢物，已嚴(yán)重威脅人類的生存環(huán) 境，引起世界各國(guó)的高度重視，所以節(jié)能減排已刻不容緩，節(jié)能降耗對(duì)鋼鐵企業(yè)意義重大。 目前，高爐仍是煉鐵的主要設(shè)備，對(duì)高爐系統(tǒng)進(jìn)行節(jié)能及優(yōu)化具有重要意義。
[0003] 高爐節(jié)能減排的前提是建立高爐的能耗模型，分析影響能耗的因素；然而僅從能 耗單方面考慮能源節(jié)約并不能使能耗得到減少，限制了能源節(jié)約的潛力，從整體上考慮高 爐鐵水生產(chǎn)過程各生產(chǎn)目標(biāo)進(jìn)行分析，對(duì)高爐能源節(jié)約具有很大指導(dǎo)作用。由于高爐鐵水 生產(chǎn)過程中涉及的原燃料種類多而復(fù)雜，各變量間耦合性強(qiáng)，非線性程度高，依據(jù)傳統(tǒng)的建 模方法難以建立準(zhǔn)確有效的多目標(biāo)優(yōu)化控制模型，然而高爐鐵水生產(chǎn)的歷史數(shù)據(jù)隱含了鐵 水生產(chǎn)的過程，從高爐的歷史數(shù)據(jù)出發(fā)進(jìn)行綜合優(yōu)化控制有利于高爐的節(jié)能減排。
[0004] 因此，準(zhǔn)確地建立高爐鐵水生產(chǎn)過程綜合優(yōu)化控制模型對(duì)鋼鐵企業(yè)的節(jié)能降耗、 提高經(jīng)濟(jì)效益和社會(huì)效益都有很重要的意義。
[0005] 當(dāng)前，迫切需要研究出一種準(zhǔn)確度較高的高爐鐵水生產(chǎn)過程綜合優(yōu)化控制模型， 實(shí)現(xiàn)對(duì)高爐生產(chǎn)中各輸入變量的優(yōu)化，使高爐煉鐵達(dá)到高質(zhì)高產(chǎn)低耗。 (三）


【發(fā)明內(nèi)容】
：
[0006] 本發(fā)明的目的在于提供一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，它可以解決目 前高爐煉鐵生產(chǎn)優(yōu)化控制過程中通常以局部單目標(biāo)最優(yōu)而非多目標(biāo)最優(yōu)的問題，是一種基 于統(tǒng)計(jì)學(xué)習(xí)理論和多目標(biāo)多約束優(yōu)化的高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，且方法簡(jiǎn)單 易操作。
[0007] 本發(fā)明的技術(shù)方案：一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于它包 括以下步驟：
[0008] ①分析高爐鐵水生產(chǎn)過程，確定高爐生產(chǎn)目標(biāo)；對(duì)高爐鐵水生產(chǎn)過程進(jìn)行分析后， 可明確各生產(chǎn)目標(biāo)的影響因素集，當(dāng)目標(biāo)變量的影響因素較多時(shí)，可通過灰色關(guān)聯(lián)度分析 得出主要影響因素或通過主成分分析進(jìn)行；
[0009] ②獲取生產(chǎn)目標(biāo)和影響因素的歷史數(shù)據(jù)；對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到高爐生產(chǎn)過程 中正常穩(wěn)定的爐況值，用于高爐生產(chǎn)中目標(biāo)預(yù)測(cè)模型的訓(xùn)練；
[0010] ③建立高爐鐵水生產(chǎn)過程中生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型；依據(jù)已有的預(yù)處理 后的數(shù)據(jù)，利用支持向量機(jī)算法進(jìn)行目標(biāo)預(yù)測(cè)模型的訓(xùn)練，訓(xùn)練后即得到生產(chǎn)目標(biāo)的支持 向量機(jī)預(yù)測(cè)模型；為了驗(yàn)證模型的有效性，可利用測(cè)試樣本進(jìn)行模型驗(yàn)證，否則應(yīng)重新訓(xùn)練 模型；
[0011] ④建立高爐生產(chǎn)過程綜合優(yōu)化控制模型；依據(jù)已得到的各生產(chǎn)目標(biāo)的支持向量機(jī) 預(yù)測(cè)模型，構(gòu)造各目標(biāo)預(yù)測(cè)模型綜合的優(yōu)化目標(biāo)函數(shù)，依據(jù)改進(jìn)的多目標(biāo)粒子群優(yōu)化算法 對(duì)建立的綜合優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到優(yōu)化目標(biāo)函數(shù)中各輸入變量的最優(yōu)值，送回企 業(yè)生產(chǎn)信息系統(tǒng)；通過優(yōu)化控制結(jié)構(gòu)，將求得的的最優(yōu)值按照優(yōu)化控制結(jié)構(gòu)反饋回各對(duì)應(yīng) 輸入變量；
[0012] ⑤指導(dǎo)高爐鐵水生產(chǎn)；用步驟④中獲得目標(biāo)函數(shù)最優(yōu)值指導(dǎo)高爐實(shí)際生產(chǎn)的輸入 變量設(shè)定，從企業(yè)生產(chǎn)信息系統(tǒng)中獲取各輸入變量的最優(yōu)值，通過優(yōu)化控制結(jié)構(gòu)，將求得的 的最優(yōu)值按照優(yōu)化控制結(jié)構(gòu)反饋回各對(duì)應(yīng)輸入變量，進(jìn)一步指導(dǎo)高爐實(shí)際生產(chǎn)的輸入變量 設(shè)定。
[0013] 所述步驟③中高爐鐵水生產(chǎn)過程中高爐生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的建立 由以下步驟構(gòu)成：
[0014] (1)首先對(duì)高爐鐵水生產(chǎn)過程進(jìn)行分析，確定高爐的生產(chǎn)目標(biāo)，即高爐鐵水產(chǎn)量、 鐵水質(zhì)量、高爐能耗，能耗以焦炭、噴煤量和高爐煤氣消耗量；
[0015] (2)依據(jù)高爐鐵水生產(chǎn)流程確定步驟（1)中各個(gè)目標(biāo)的影響因素集，當(dāng)目標(biāo)變量 的影響因素較多時(shí)，采用使用灰色關(guān)聯(lián)分析法得到主要影響因素集；
[0016] (3)獲取步驟（1)中各生產(chǎn)目標(biāo)變量和其影響因素的歷史數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù) 處理；根據(jù)高爐穩(wěn)定生產(chǎn)過程中的幅值，采用限幅函數(shù)對(duì)超過閾值數(shù)據(jù)進(jìn)行剔除，并將缺失 的數(shù)據(jù)值采用插值方法進(jìn)行補(bǔ)缺；最后對(duì)所有數(shù)據(jù)進(jìn)行歸一化處理以消除各數(shù)據(jù)量綱不同 造成的影響；
[0017] ⑷選定訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本用來訓(xùn)練生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模 型，測(cè)試樣本用于驗(yàn)證所訓(xùn)練出來的預(yù)測(cè)模型的準(zhǔn)確性；
[0018] (5)模型訓(xùn)練過程中涉及到所選支持向量機(jī)算法的參數(shù)，參數(shù)的選擇選用遺傳算 法進(jìn)行最優(yōu)參數(shù)值的尋找。
[0019] 所述步驟（4)和（5)中所述建立各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的具體方法由以下 步驟構(gòu)成：首先選定訓(xùn)練樣本作為各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的樣本，其次引入決策函 數(shù)，將訓(xùn)練樣本變換到一個(gè)高維特征空間，然后這個(gè)空間內(nèi)進(jìn)行線性擬合；最后引入遺傳算 法對(duì)支持向量機(jī)模型中的參數(shù)進(jìn)行尋優(yōu)，得到最優(yōu)值后進(jìn)行各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型 訓(xùn)練，并根據(jù)測(cè)試樣本驗(yàn)證模型的精度，否則應(yīng)重新選定樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練。
[0020] 所述步驟④中高爐生產(chǎn)過程綜合優(yōu)化控制模型的具體過程由以下步驟構(gòu)成：
[0021] (1)利用步驟③中建立好的各生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型，建立高爐各生產(chǎn) 目標(biāo)綜合的優(yōu)化目標(biāo)函數(shù)，將產(chǎn)量和能耗作為目標(biāo)函數(shù)，質(zhì)量預(yù)測(cè)模型作為約束條件，得到 多目標(biāo)多約束的優(yōu)化函數(shù)；
[0022] (2)利用改進(jìn)的多目標(biāo)粒子群優(yōu)化算法對(duì)優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到各輸入變 量的最優(yōu)值；
[0023] (3)將得到的各輸入變量的最優(yōu)值送回企業(yè)生產(chǎn)信息系統(tǒng)中，各級(jí)控制系統(tǒng)從企 業(yè)生產(chǎn)信息系統(tǒng)中獲取各輸入變量的最優(yōu)值，按照既定的最優(yōu)值進(jìn)行輸入變量的設(shè)定。
[0024] 本發(fā)明的優(yōu)越性在于：該模型綜合考慮高爐鐵水生產(chǎn)過程中各目標(biāo)的實(shí)現(xiàn)情況， 在高爐生產(chǎn)過程中鐵水質(zhì)量滿足要求的前提下，綜合降低高爐焦比能耗及增加高爐鐵水產(chǎn) 量；提高鐵水的產(chǎn)量并降低高爐能耗，在高爐節(jié)能優(yōu)化領(lǐng)域應(yīng)用前景廣闊，有重大的生產(chǎn)實(shí) 踐意義。 (四）

【專利附圖】

【附圖說明】：
[0025] 圖1為本發(fā)明所涉一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法的整體控制模型建 立過程結(jié)構(gòu)示意圖。
[0026] 圖2為本發(fā)明所涉一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法的高爐鐵水生產(chǎn)過 程中各結(jié)構(gòu)流程圖的結(jié)構(gòu)示意圖。
[0027] 圖3為本發(fā)明所涉一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法的基于遺傳算法的 支持向量機(jī)目標(biāo)預(yù)測(cè)模型的結(jié)構(gòu)示意圖。
[0028] 圖4為本發(fā)明所涉一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法的改進(jìn)的多目標(biāo)粒 子群優(yōu)化算法對(duì)優(yōu)化目標(biāo)函數(shù)尋優(yōu)的結(jié)構(gòu)示意圖。 (五）

【具體實(shí)施方式】：
[0029] 實(shí)施例：一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于它包括以下步驟 (見圖1):
[0030] ①分析高爐鐵水生產(chǎn)過程（見圖2)，確定高爐生產(chǎn)目標(biāo)；對(duì)高爐鐵水生產(chǎn)過程進(jìn) 行分析后，可明確各生產(chǎn)目標(biāo)的影響因素集，當(dāng)目標(biāo)變量的影響因素較多時(shí)，可通過灰色關(guān) 聯(lián)度分析得出主要影響因素或通過主成分分析進(jìn)行；
[0031] ②獲取生產(chǎn)目標(biāo)和影響因素的歷史數(shù)據(jù)；對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到高爐生產(chǎn)過程 中正常穩(wěn)定的爐況值，用于高爐生產(chǎn)中目標(biāo)預(yù)測(cè)模型的訓(xùn)練；
[0032] ③建立高爐鐵水生產(chǎn)過程中生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型；依據(jù)已有的預(yù)處理 后的數(shù)據(jù)，利用支持向量機(jī)算法進(jìn)行目標(biāo)預(yù)測(cè)模型的訓(xùn)練，訓(xùn)練后即得到生產(chǎn)目標(biāo)的支持 向量機(jī)預(yù)測(cè)模型；為了驗(yàn)證模型的有效性，可利用測(cè)試樣本進(jìn)行模型驗(yàn)證，否則應(yīng)重新訓(xùn)練 模型；
[0033] ④建立高爐生產(chǎn)過程綜合優(yōu)化控制模型；依據(jù)已得到的各生產(chǎn)目標(biāo)的支持向量機(jī) 預(yù)測(cè)模型，構(gòu)造各目標(biāo)預(yù)測(cè)模型綜合的優(yōu)化目標(biāo)函數(shù)，依據(jù)改進(jìn)的多目標(biāo)粒子群優(yōu)化算法 對(duì)建立的綜合優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到優(yōu)化目標(biāo)函數(shù)中各輸入變量的最優(yōu)值，送回企 業(yè)生產(chǎn)信息系統(tǒng)；通過優(yōu)化控制結(jié)構(gòu)，將求得的的最優(yōu)值按照優(yōu)化控制結(jié)構(gòu)反饋回各對(duì)應(yīng) 輸入變量；
[0034] ⑤指導(dǎo)高爐鐵水生產(chǎn)；用步驟④中獲得目標(biāo)函數(shù)最優(yōu)值指導(dǎo)高爐實(shí)際生產(chǎn)的輸入 變量設(shè)定，從企業(yè)生產(chǎn)信息系統(tǒng)中獲取各輸入變量的最優(yōu)值，通過優(yōu)化控制結(jié)構(gòu)，將求得的 的最優(yōu)值按照優(yōu)化控制結(jié)構(gòu)反饋回各對(duì)應(yīng)輸入變量，進(jìn)一步指導(dǎo)高爐實(shí)際生產(chǎn)的輸入變量 設(shè)定。
[0035] 所述步驟③中高爐鐵水生產(chǎn)過程中高爐生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的建立 由以下步驟構(gòu)成：
[0036] (1)首先對(duì)高爐鐵水生產(chǎn)過程進(jìn)行分析，確定高爐的生產(chǎn)目標(biāo)，即高爐鐵水產(chǎn)量、 鐵水質(zhì)量、高爐能耗，能耗以焦炭、噴煤量和高爐煤氣消耗量；
[0037] (2)依據(jù)高爐鐵水生產(chǎn)流程確定步驟（1)中各個(gè)目標(biāo)的影響因素集，當(dāng)目標(biāo)變量 的影響因素較多時(shí)，采用使用灰色關(guān)聯(lián)分析法得到主要影響因素集；
[0038] (3)獲取步驟（1)中各生產(chǎn)目標(biāo)變量和其影響因素的歷史數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù) 處理；根據(jù)高爐穩(wěn)定生產(chǎn)過程中的幅值，采用限幅函數(shù)對(duì)超過閾值數(shù)據(jù)進(jìn)行剔除，并將缺失 的數(shù)據(jù)值采用插值方法進(jìn)行補(bǔ)缺；最后對(duì)所有數(shù)據(jù)進(jìn)行歸一化處理以消除各數(shù)據(jù)量綱不同 造成的影響；
[0039] (4)選定訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本用來訓(xùn)練生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模 型，測(cè)試樣本用于驗(yàn)證所訓(xùn)練出來的預(yù)測(cè)模型的準(zhǔn)確性；
[0040] (5)模型訓(xùn)練過程中涉及到所選支持向量機(jī)算法的參數(shù)，參數(shù)的選擇選用遺傳算 法進(jìn)行最優(yōu)參數(shù)值的尋找。
[0041] 所述步驟（4)和（5)中所述建立各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的具體方法由以下 步驟構(gòu)成（見圖3):首先選定訓(xùn)練樣本作為各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的樣本，其次引 入決策函數(shù)，將訓(xùn)練樣本變換到一個(gè)高維特征空間，然后這個(gè)空間內(nèi)進(jìn)行線性擬合；最后引 入遺傳算法對(duì)支持向量機(jī)模型中的參數(shù)進(jìn)行尋優(yōu)，得到最優(yōu)值后進(jìn)行各目標(biāo)的支持向量機(jī) 預(yù)測(cè)模型訓(xùn)練，并根據(jù)測(cè)試樣本驗(yàn)證模型的精度，否則應(yīng)重新選定樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練。 [0042] 所述步驟④中高爐生產(chǎn)過程綜合優(yōu)化控制模型的具體過程由以下步驟構(gòu)成：
[0043] (1)利用步驟③中建立好的各生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型，建立高爐各生產(chǎn) 目標(biāo)綜合的優(yōu)化目標(biāo)函數(shù)，將產(chǎn)量和能耗作為目標(biāo)函數(shù)，質(zhì)量預(yù)測(cè)模型作為約束條件，得到 多目標(biāo)多約束的優(yōu)化函數(shù)；
[0044] (2)利用改進(jìn)的多目標(biāo)粒子群優(yōu)化算法對(duì)優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到各輸入變 量的最優(yōu)值；
[0045] (3)將得到的各輸入變量的最優(yōu)值送回企業(yè)生產(chǎn)信息系統(tǒng)中，各級(jí)控制系統(tǒng)從企 業(yè)生產(chǎn)信息系統(tǒng)中獲取各輸入變量的最優(yōu)值，按照既定的最優(yōu)值進(jìn)行輸入變量的設(shè)定。
[0046] 本發(fā)明提供的各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型實(shí)現(xiàn)預(yù)測(cè)的原理及工作過程如下 (參見圖3):
[0047] 支持向量機(jī)預(yù)測(cè)方法運(yùn)用于回歸預(yù)測(cè)問題時(shí)的算法如下，設(shè)輸入輸出樣本為

【權(quán)利要求】
1. 一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于它包括以下步驟： ① 分析高爐鐵水生產(chǎn)過程，確定高爐生產(chǎn)目標(biāo)；對(duì)高爐鐵水生產(chǎn)過程進(jìn)行分析后，可明 確各生產(chǎn)目標(biāo)的影響因素集，當(dāng)目標(biāo)變量的影響因素較多時(shí)，可通過灰色關(guān)聯(lián)度分析得出 主要影響因素或通過主成分分析進(jìn)行； ② 獲取生產(chǎn)目標(biāo)和影響因素的歷史數(shù)據(jù)；對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，得到高爐生產(chǎn)過程中正 常穩(wěn)定的爐況值，用于高爐生產(chǎn)中目標(biāo)預(yù)測(cè)模型的訓(xùn)練； ③ 建立高爐鐵水生產(chǎn)過程中生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型；依據(jù)已有的預(yù)處理后 的數(shù)據(jù)，利用支持向量機(jī)算法進(jìn)行目標(biāo)預(yù)測(cè)模型的訓(xùn)練，訓(xùn)練后即得到生產(chǎn)目標(biāo)的支持向 量機(jī)預(yù)測(cè)模型；為了驗(yàn)證模型的有效性，可利用測(cè)試樣本進(jìn)行模型驗(yàn)證，否則應(yīng)重新訓(xùn)練模 型； ④ 建立高爐生產(chǎn)過程綜合優(yōu)化控制模型；依據(jù)已得到的各生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè) 模型，構(gòu)造各目標(biāo)預(yù)測(cè)模型綜合的優(yōu)化目標(biāo)函數(shù)，依據(jù)改進(jìn)的多目標(biāo)粒子群優(yōu)化算法對(duì)建 立的綜合優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到優(yōu)化目標(biāo)函數(shù)中各輸入變量的最優(yōu)值，送回企業(yè)生 產(chǎn)信息系統(tǒng)；通過優(yōu)化控制結(jié)構(gòu)，將求得的的最優(yōu)值按照優(yōu)化控制結(jié)構(gòu)反饋回各對(duì)應(yīng)輸入 變量； ⑤ 指導(dǎo)高爐鐵水生產(chǎn)；用步驟④中獲得目標(biāo)函數(shù)最優(yōu)值指導(dǎo)高爐實(shí)際生產(chǎn)的輸入變 量設(shè)定，從企業(yè)生產(chǎn)信息系統(tǒng)中獲取各輸入變量的最優(yōu)值，通過優(yōu)化控制結(jié)構(gòu)，將求得的的 最優(yōu)值按照優(yōu)化控制結(jié)構(gòu)反饋回各對(duì)應(yīng)輸入變量，進(jìn)一步指導(dǎo)高爐實(shí)際生產(chǎn)的輸入變量設(shè) 定。
2. 根據(jù)權(quán)利要求1所述一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于所述步 驟③中高爐生產(chǎn)過程中高爐生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的建立由以下步驟構(gòu)成： (1) 首先對(duì)高爐鐵水生產(chǎn)過程進(jìn)行分析，確定高爐的生產(chǎn)目標(biāo)，即高爐鐵水產(chǎn)量、鐵水 質(zhì)量、高爐能耗，能耗以焦炭、噴煤量和高爐煤氣消耗量； (2) 依據(jù)高爐鐵水生產(chǎn)流程確定步驟（1)中各個(gè)目標(biāo)的影響因素集，當(dāng)目標(biāo)變量的影 響因素較多時(shí)，采用使用灰色關(guān)聯(lián)分析法得到主要影響因素集； (3) 獲取步驟（1)中各生產(chǎn)目標(biāo)變量和其影響因素的歷史數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理； 根據(jù)高爐穩(wěn)定生產(chǎn)過程中的幅值，采用限幅函數(shù)對(duì)超過閾值數(shù)據(jù)進(jìn)行剔除，并將缺失的數(shù) 據(jù)值采用插值方法進(jìn)行補(bǔ)缺；最后對(duì)所有數(shù)據(jù)進(jìn)行歸一化處理以消除各數(shù)據(jù)量綱不同造成 的影響； ⑷選定訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本用來訓(xùn)練生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型，測(cè) 試樣本用于驗(yàn)證所訓(xùn)練出來的預(yù)測(cè)模型的準(zhǔn)確性； (5)模型訓(xùn)練過程中涉及到所選支持向量機(jī)算法的參數(shù)，參數(shù)的選擇選用遺傳算法進(jìn) 行最優(yōu)參數(shù)值的尋找。
3. 根據(jù)權(quán)利要求2所述一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于所述步 驟（4)和（5)中所述建立各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的具體方法由以下步驟構(gòu)成：首先 選定訓(xùn)練樣本作為各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型的樣本，其次引入決策函數(shù)，將訓(xùn)練樣本 變換到一個(gè)高維特征空間，然后這個(gè)空間內(nèi)進(jìn)行線性擬合；最后引入遺傳算法對(duì)支持向量 機(jī)模型中的參數(shù)進(jìn)行尋優(yōu)，得到最優(yōu)值后進(jìn)行各目標(biāo)的支持向量機(jī)預(yù)測(cè)模型訓(xùn)練，并根據(jù) 測(cè)試樣本驗(yàn)證模型的精度，否則應(yīng)重新選定樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練。
4.根據(jù)權(quán)利要求1所述一種高爐鐵水生產(chǎn)過程綜合優(yōu)化控制方法，其特征在于所述步 驟④中高爐生產(chǎn)過程綜合優(yōu)化控制模型的具體過程由以下步驟構(gòu)成： (1) 利用步驟③中建立好的各生產(chǎn)目標(biāo)的支持向量機(jī)預(yù)測(cè)模型，建立高爐各生產(chǎn)目標(biāo) 綜合的優(yōu)化目標(biāo)函數(shù)，將產(chǎn)量和能耗作為目標(biāo)函數(shù)，質(zhì)量預(yù)測(cè)模型作為約束條件，得到多目 標(biāo)多約束的優(yōu)化函數(shù)； (2) 利用改進(jìn)的多目標(biāo)粒子群優(yōu)化算法對(duì)優(yōu)化目標(biāo)函數(shù)進(jìn)行求解，得到各輸入變量的 最優(yōu)值； (3) 將得到的各輸入變量的最優(yōu)值送回企業(yè)生產(chǎn)信息系統(tǒng)中，各級(jí)控制系統(tǒng)從企業(yè)生 產(chǎn)信息系統(tǒng)中獲取各輸入變量的最優(yōu)值，按照既定的最優(yōu)值進(jìn)行輸入變量的設(shè)定。
【文檔編號(hào)】G05B19/418GK104298214SQ201410608193
【公開日】2015年1月21日 申請(qǐng)日期:2014年11月3日 優(yōu)先權(quán)日:2014年11月3日
【發(fā)明者】岳有軍, 戶彥飛, 趙輝, 王紅君 申請(qǐng)人:天津理工大學(xué)