[发明专利]一种基于多工况烧结过程的CO/CO2比值预测方法

摘要

本发明公开了一种基于多工况烧结过程的CO/CO2比值预测方法，包括以下步骤：确定影响CO/CO2比值的烧结过程参数；建立所述烧结过程参数、烧结过程中测得的CO量和CO2量的样本数据库，并计算已烧结矿的CO/CO2比值；确定影响CO/CO2比值的主要烧结过程参数；对所述主要烧结过程参数进行工况分类；基于同一工况分类里的已烧结矿的主要烧结过程参数和所述已烧结矿的CO/CO2比值，建立CO/CO2比值预测子模型；计算所述CO/CO2比值预测子模型的权值；基于所述CO/CO2比值预测子模型的权值，建立CO/CO2比值预测模型。本发明能够准确预测CO/CO2比值，为烧结过程实时调节烧结过程参数以实现碳效优化和节能减耗提供重要依据。

主权项

1.一种基于多工况烧结过程的CO/CO2比值预测方法，其特征在于：包括以下步骤：根据烧结矿的烧结过程确定影响CO/CO2比值的烧结过程参数；对所述烧结过程参数、烧结过程中测得的CO量和CO2量的历史生产数据进行零相位滤波和时序配准，并对所述历史生产数据进行采样处理，建立样本数据库，并利用所述样本数据库计算已烧结矿的CO/CO2比值；利用相关分析法对所述样本数据库中的烧结过程参数进行分析，计算所述烧结过程参数与CO/CO2比值之间的关联度，根据所述关联度确定影响CO/CO2比值的主要烧结过程参数；利用模糊C均值聚类算法对所述主要烧结过程参数进行工况分类；所述模糊C均值聚类算法包括以下步骤：(4.1)根据试错的方法确定聚类类数C，建立初始隶属度矩阵：U＝[uij]，i＝1,2,…,C,j＝1,2,…,R式中：uij是隶属度，uij∈(0,1]；R是样本数；(4.2)设主要烧结过程参数的样本数据集为{xj,j＝1,2,…R}，xj表示一个样本数据，根据试错的方法确定加权指数m,对模糊C均值聚类中心进行求解，模糊C均值聚类中心的计算公式为:式中：ci是模糊C均值聚类中心；(4.3)根据模糊C均值聚类中心更新步骤(4.1)中的隶属度，新的隶属度组成新隶属度矩阵，新的隶属度计算公式为：(4.4)将步骤(4.3)中的新的隶属度代入步骤(4.2)中，计算新的模糊C均值聚类中心，然后将新的模糊C均值聚类中心代入步骤(4.3)中，对模糊C均值聚类中心和隶属度执行反复计算至前后两个隶属度矩阵的差异低于阈值或迭代次数达到指定次数时算法收敛，当算法收敛时，可以得到不同类别的模糊C均值聚类中心和每个样本对于不同类别的隶属度值，根据不同类别的模糊C均值聚类中心和每个样本对于不同类别的隶属度值对烧结过程的烧结工况进行工况分类；基于同一工况分类里的已烧结矿的主要烧结过程参数和所述已烧结矿的CO/CO2比值，利用BP神经网络模型建立CO/CO2比值预测子模型；所述CO/CO2比值预测子模型为：式中：{X_i,i＝1,2,…N}是主要烧结过程参数,其中N是输入神经元个数，即输入的主要烧结过程参数个数；M是隐含层节点；w_ij是第i个输入神经元与第j个隐含层神经元之间的权值；w_jo是第j个隐含层神经元与输出神经元之间的权值；b_s和b_o分别是隐含层和输出层的阈值；是第l个CO/CO₂比值预测子模型中的第k个样本的CO/CO₂比值的初始预测值；根据所述CO/CO2比值预测子模型和已烧结矿的CO/CO2比值，计算CO/CO2比值预测子模型的相对预测误差，利用所述相对预测误差计算CO/CO2比值预测子模型的相对预测误差的信息熵，然后根据所述信息熵计算CO/CO2比值预测子模型的权值；所述计算CO/CO2比值预测子模型的权值的具体步骤为：(6.1)将第l个工况分类里的主要烧结过程参数输入到第l个CO/CO2比值预测子模型中，得到CO/CO2比值的初始预测值；(6.2)利用步骤(6.1)中的CO/CO2比值的初始预测值，对第l个CO/CO2比值预测子模型的相对预测误差进行求解：式中：P_lk是第l个CO/CO₂比值预测子模型的相对预测误差；n是第l个工况里的样本数；y_lk是第l个CO/CO₂比值预测子模型中的第k个样本的CO/CO₂比值的实际值；(6.3)利用步骤(6.2)中的相对预测误差，对第l个CO/CO2比值预测子模型的相对预测误差的信息熵进行求解：式中：El是信息熵；(6.4)利用步骤(6.3)中的信息熵，对第l个CO/CO2比值预测子模型的权值进行求解：式中：f是子模型个数；wl是第l个CO/CO2比值预测子模型的权值；根据所述CO/CO2比值预测子模型的权值，利用信息熵的融合方法建立CO/CO2比值预测模型；所述利用信息熵的融合方法建立CO/CO2比值预测模型的具体步骤为：对f个CO/CO2比值预测子模型的CO/CO2比值的初始预测值计算加权和，得到CO/CO2比值预测模型为：式中，是CO/CO₂比值的预测值。