[发明专利]一种高炉多元铁水质量预测控制方法及系统

摘要

本发明提供一种高炉多元铁水质量预测控制方法及系统。该方法包括：设定高炉多元铁水质量指标期望值；获取高炉生产历史数据，建立高炉多元铁水质量预测模型；利用序列二次规划算法和高炉多元铁水质量预测模型，计算得到最优的高炉多元铁水质量预测模型输入即最优控制量；将最优控制量反馈给相应执行机构，使高炉多元铁水质量指标跟踪设定的高炉多元铁水质量指标期望值。该系统包括：指标设定单元、模型训练单元、跟踪计算单元、反馈控制单元。本发明可以使多元铁水质量指标准确快速的达到给定要求，具有跟踪性能好、抗干扰性强的优点，使得生产过程中能耗和成本得到降低，铁水质量进一步提高。

主权项

1.一种高炉多元铁水质量预测控制方法，包括：步骤1、设定高炉多元铁水质量指标期望值，所述多元铁水质量指标包括硅含量、铁水温度；步骤2、获取高炉生产历史数据，建立高炉多元铁水质量预测模型，该模型是以热风温度、热风压力、富氧率、设定喷煤量为输入，以高炉多元铁水质量指标为输出的多输出最小二乘支持向量回归模型；步骤3、利用序列二次规划算法和高炉多元铁水质量预测模型，计算得到最优的高炉多元铁水质量预测模型输入即最优控制量；所述步骤2包括：步骤2‑1、获取高炉生产历史数据，包括控制量和被控量；控制量，包括热风温度、热风压力、富氧率、设定喷煤量；被控量即高炉多元铁水质量指标，包括硅含量、铁水温度；步骤2‑2、对获取的高炉生产历史数据进行预处理；步骤2‑3、利用预处理后的高炉生产历史数据建立多输出最小二乘支持向量回归模型作为高炉多元铁水质量预测模型，将预处理后的控制量作为该模型输入，预处理后的被控量作为该模型输出；所述步骤2‑3包括：步骤2‑3‑1、从预处理后的数据中选取训练样本和测试样本；步骤2‑3‑2、利用训练样本建立多输出最小二乘支持向量回归模型，该多输出最小二乘支持向量回归模型以硅含量、铁水温度为输出变量，以热风温度、热风压力、富氧率、设定喷煤量为输入变量；步骤2‑3‑3、将训练样本映射到一个高维的特征空间进行线性拟合；步骤2‑3‑4、以最小化各输出变量的回归权值向量范数、单个输出变量的拟合误差以及训练样本整体拟合误差作为构建多输出最小二乘支持向量回归模型的目标函数，通过求解此目标函数，得到多输出最小二乘支持向量回归模型；步骤2‑3‑5、利用测试样本验证最优的高炉多元铁水质量预测模型的准确性：如果模型精度不满足要求，则返回步骤2‑3‑1，否则执行步骤3；其特征在于，所述方法还包括：步骤4、将最优控制量反馈给相应执行机构，使高炉多元铁水质量指标跟踪设定的高炉多元铁水质量指标期望值；所述步骤2‑3‑3中用Wj表示训练样本在高维特征空间的映射：其中，W_j表示第j个输出的回归权值向量，j＝1,2，r_i,j表示第i个样本的第j个输出的待求系数，表示映射函数：R_j＝[r_1,j,r_2,j,…,r_l,j]^T；所述步骤2‑3‑4中的目标函数如下：其中，Yi＝[y1,y2]T,W＝[W1,W2]T，Bi＝[b1,b2]T分别为输出的权重和偏置项系数，C为单一拟合误差的惩罚系数，Φ＝[Φ1,Φ2]T为输入映射函数，ei,j为第i个训练样本的第j个输出的输出误差，C0为训练样本整体误差的惩罚系数，Ei为第i个训练样本整体拟合误差；引入Lagrange乘子α＝[α1，α2，…,αl]T和β＝[β1，β2，…,βl]T，其Lagrange函数为：对式(6)中的Wj,bj,Ei,ei,j,αi,βi,j分别求偏导，由KKT条件得：其中，Dα＝diag{α1，α2，…,α200}为对角矩阵，I＝[1,1,…,1]；引入核函数并综合式(1)和式(4)得到关于多输出支持最小二乘向量回归模型参数R_j和b_j相关的线性方程组：解上述线性方程组，得到未知参数Rj和bj的值；最终求得的多输出最小二乘支持向量回归模型的表达形式为：其中，核函数所述步骤3包括：步骤3‑1、建立参考轨迹方程，使当前时刻的硅含量和铁水温度值平滑的过渡到期望设定值；所述参考轨迹方程；其中，Y(k)为k时刻高炉多元铁水质量即硅含量和铁水温度实际值，Ysp为硅含量期望值和铁水温度期望值，Yr(k+j)为k+j时刻的参考轨迹值，γ为柔化系数；P为预测时域；步骤3‑2、设置反馈校正环节，使多元铁水质量预测模型的输出值更加接近于实际输出值；步骤3‑3、以最小化参考轨迹和反馈校正后输出的误差平方和为高炉多元铁水质量性能指标函数，使高炉系统实际输出的硅含量和铁水温度值达到期望的给定值；步骤3‑4、利用序列二次规划算法对高炉多元铁水质量性能指标函数进行优化求解，得到最优控制量。