[发明专利]焦炉火道温度集成建模与软测量方法

摘要

一种焦炉火道温度集成建模与软测量方法，本发明建立了基于线性回归和神经网络的集成测量模型。针对人工测量焦炉火道温度的迟滞性问题，本发明在分析焦炉生产工艺和火道温度相关因素后，选取有代表性的蓄热室作为测温点，间接实时测量焦炉火道温度。本发明针对两者的线性关系和非线性关系，分别构建了线性回归模型和神经网络模型。在此基础上，采用专家规则，建立了焦炉火道温度的集成测量模型。并在模型中融入了自适应算法。利用该模型，有效的解决了火道人工测温迟滞性问题，并实现了实时间接测量焦炉火道温度，达到了指导焦炭生产的目标。

主权项

1.一种焦炉火道温度集成建模与软测量方法，其特征在于包括以下步骤：先建立焦炉火道温度与蓄顶温度之间的线性回归模型，分别构建反映焦炉全炉平均温度的一元线性回归模型，反映焦炉奇数号和偶数号火道平均温度特性的二元线性回归模型以及反映各个典型火道温度特性的六元线性回归模型；将实时数据滤波和筛选后，得到样本值x，与相应的观测值y，二者构成样本对(x，y)，采用最小二乘法和极大似然法求取回归模型中未知参数的估计量，得到因变量Y的方差σ²的估计量，将此估计量带入选定的回归函数中便得到经验回归方程，线性回归Y(x)＝a+bx中得到的a，b的估计值后代入，得一元线性回归中的经验回归方程：Y^1(x)=a^+b^x;]]>同样方法得到多元线性回归经验回归方程：Y^(x)=β0+β1x1+β2x2+···+βpxp,]]>当p＝2和p＝6时，分别对应二元和六元线性回归中的经验回归方程，以此为基础可得六元、二元、一元线性回归模型的输出将三者按下式进行加权组合：T^reg=αY^6+βY^2+γY^1]]>式中，α+β+γ＝1，且0≤α，β，γ≤1，α，β和γ的初始值相同，通过规则改变，其中一元回归模型输出的预测误差系数变化规则是：Rule1：IFTHEN γ＝1，α，β暂时屏蔽；Rule2：IFTHEN γ(k)＝1.5γ(k-1)；Rule3：IFTHEN γ(k)＝0.5γ(k-1)；系数和预测值有效性检查规则包括：Rule4：IFY^1<YminorY^1>Ymax]]>THEN γ＝0；Rule5：IF α，β，γ值改变  THEN α，β，γ之和归一化。其中Y_min和Y_max通过统计数据得到，正常生产时Y_min＝1204，Y_max＝1373，得到线性回归模型的预测值；焦炉火道温度与蓄顶温度之间的非线性关系同时用神经网络模型进行描述，根据蓄顶温度，由神经网络模型得到实时的焦炉火道温度的预测值；采用专家协调器对回归模型的输出和神经网络模型的输出进行集成，得到焦炉火道温度。