[发明专利]一种由炼焦煤非线性优化配煤预测焦炭质量的方法

权利要求书

1.一种由炼焦煤非线性优化配煤预测焦炭质量的方法，其特征是该方法包括以下内容：

一.建立单种炼焦用煤性质、焦炭质量指标及炼焦加热工艺条件信息数据库

将单种炼焦煤粘结性指标，包括胶质层最大厚度Y值、黏结指数G值，炼焦煤镜质组平均最大反射率炼焦工艺参数中的结焦时间τ、炼焦炉标准火道温度T，包括机侧Tm、焦侧Tk，以及焦炭机械强度M₄₀、M₁₀和热态性能CRI、CSR数据，采用SQL Server大型数据库应用技术，并采用3NF数据库设计方法建立起单种炼焦用煤性质、炼焦工艺条件及焦炭质量指标信息数据库；

二.建立焦炭质量预测模型

根据单种炼焦煤的黏结指数G值、胶质层最大厚度Y值，煤镜质组平均最大反射率数值，以及配煤比和炼焦工艺参数中的结焦时间τ和炼焦炉标准火道温度T，包括机侧Tm、焦侧Tk，通过将采用模糊数学方法将煤质进行聚类分析，并结合支持向量机技术来预测配合煤的质量指标，再由配合煤质量指标并结合炼焦工艺条件来预测焦炭质量；

（1）由单种煤预测配合煤质量指标

将实验焦炉或焦化厂生产焦炉实际使用的单种炼焦煤煤质黏结指数G值、胶质层最大厚度Y值结合模糊数学方法进行聚类分析，从而获得配合煤的相应煤质质标，而配合煤的镜质组平均最大反射率数值是根据加和性计算获得，上述各项的计算方法如下：

①由单种炼焦煤黏结性指标Y值预测配合煤Y值模型

Y‾mix=SvmY(K1,K2,K3,K4,K5,K6)]]>

K1=Σi=1m1(Ysinglei×P1i)K2=Σi=1m2(Ysinglei×P2i)K3=Σi=1m3(Ysinglei×P3i)]]>

K4=Σi=1m4(Ysinglei×P4i)K5=Σi=1m4(Ysinglei×P5i)K6=Σi=1m4(Ysinglei×P6i)]]>

Σi=16mi=n]]>

其中，利用模糊聚类聚六类，n为此配比中单种煤的总数，m_i(i=1,2,3,4,5,6)为第i类别中单种煤的数量，为单种煤的Y值，P_ki为第k类中的第i种煤在配合煤中所占的比例，K_i（i=1，2，3，4，5，6）为指定分类中的煤种在此类中的Y值的加权平均值，SvmY为自定义支持向量机函数，为预测的配合煤的Y值；

②由单种炼焦煤黏结性指标G值预测配合煤G值模型

G‾mix=SvmG(K1,K2,K3,K4,K5,K6)]]>

K1=Σi=1m1(Gsinglei×P1i)K2=Σi=1m2(Gsinglei×P2i)K3=Σi=1m3(Gsinglei×P3i)]]>

K4=Σi=1m4(Gsinglei×P4i)K5=Σi=1m3(Gsinglei×P5i)K6=Σi=1m3(Gsinglei×P6i)]]>

Σi=16mi=n]]>

利用模糊聚类聚六类，其中，n为配比中单种煤的总数，m_i(i=1,2,3,4,5,6)为第i类别中单种煤的数量，为单种煤的G值，P_ki为第k类中的第i种煤在配合煤中所占的比例，K_i（i=1，2，3，4，5，6）为指定分类中的煤种在此类中G值的加权平均值，SvmG为自定义支持向量机函数，为预测的配合煤的G值，

③由单种炼焦煤镜质组平均最大反射率预测配合煤镜质组平均最大反射率模型

R‾max0=Σi=1n(Ri×Pi)]]>

其中，R_i是模型中第i种单种煤的镜质组平均最大反射率，P_i为第i种单种煤的配比；

（2）由配合煤质量指标和炼焦工艺条件预测焦炭质量指标

通过上述得到的由单种煤获得的配合煤质量指标与炼焦煤的生产实际检测分析数据进行比较，可以获得接近真值的配合煤煤质分析检测值，由配合煤质量指标并结合炼焦工艺条件，采用支持向量机技术，建立符合非线性过程的由炼焦煤质量预测焦炭质量模型；

①支持向量机的应用

支持向量机是基于统计学习理论的结构风险最小化原则，利用最大分界面分类器思想和基于核的方法结合在一起，能较好地解决小样本、非线性、高维数和局部极小点等实际问题，有效地避免“过拟和”，对未来样本有较好的泛化能力；

利用支持向量机解决非线性问题，首先利用一个非线性映射将训练数据集非线性映射到一个高维特征空间，将非线性函数回归问题转化为高维特征空间中的线性函数回归问题，转换的方法是引入核函数；

②建立焦炭抗碎强度M₄₀和耐磨强度M₁₀预测模型

对焦炭质量的预测模型结构形式构成如下：

M₄₀=SvmM40(G_mix,Y_mix,R_max,τ,T_m,T_k)

M₁₀=SvmM10(G_mix,Y_mix,R_max,τ,T_m,T_k)

其中，SvmM40和SvmM10为自定义的支持向量机的预测函数；

③建立焦炭反应性CRI和反应后强度CSR预测模型

预测模型结构形式如下：

CRI=SvmCRI(G_mix,Y_mix,R_max,τ,T_m,T_k)

CSR=SvmCSR(G_mix,Y_mix,R_max,τ,T_m,T_k)

其中，SvmCRI和SvmCSR为自定义的支持向量机的预测函数。