[发明专利]一种高炉铁水质量鲁棒软测量方法

权利要求书

1.一种高炉铁水质量鲁棒软测量方法，包括：

步骤1、采集当前时刻的炉腹煤气量、冷风流量、富氧流量、透气性、富氧率、理论燃烧温度；

步骤2、将采集的数据进行归一化处理；

步骤3、利用以多元随机权神经网络构建的高炉铁水质量鲁棒软测量模型，进行高炉铁水质量鲁棒软测量，得到Si含量估计值、P含量估计值、S含量估计值、铁水温度估计值；

所述步骤3中的高炉铁水质量鲁棒软测量模型，建立方法如下：

步骤3-1、高炉铁水质量鲁棒软测量模型结构及输入确定：选择非线性自回归结构的多元随机权神经网络作为高炉铁水质量鲁棒软测量模型结构，利用典型相关性分析法从高炉炼铁过程的可控变量中，选取与高炉铁水质量参数相关性最大的六个可控变量，包括：炉腹煤气量、冷风流量、富氧流量、透气性、富氧率、理论燃烧温度；根据高炉炼铁过程动态特性和铁水质量参数的时滞关系，确定非线性自回归结构的阶次为1，即高炉铁水质量鲁棒软测量模型的输入为：当前时刻六个可控变量的测量值、上一时刻六个可控变量的测量值及上一时刻铁水质量参数的测量值，输出为当前时刻铁水质量参数的估计值；

步骤3-2、高炉铁水质量鲁棒软测量模型的训练；

其特征在于，所述步骤3-2，包括：

步骤3-2-1、确定模型训练需要的相关参数：激活函数类型g，隐含层节点数目L，最大迭代次数F，偏最小二乘主元个数B，输出权值的收敛条件E；

步骤3-2-2、选取历史某一时间段内数据作为鲁棒训练数据集，并将训练数据集中所有变量数据进行归一化处理；随机产生输入层与隐层之间的输入权值及阈值；计算隐含层输出矩阵H₀、初始输出权重β₀、模型的初始估计值和初始残差r₀：

其中，Y₀为鲁棒训练数据集中的输出数据；

步骤3-2-3、根据残差的分布由柯西分布加权函数计算出对应每个训练样本参与建模的权重

步骤3-2-4、根据输入数据在高维空间的得分矩阵，由改进的Huber权函数计算出训练样本参与建模的权重

改进的Huber权函数

其中，为第h个输出变量对应的样本权重的中位数，c是标量，u是变量；

步骤3-2-5、计算训练样本综合权重由偏最小二乘回归求得输出权值矩阵及得分矩阵T_h，计算残差；若输出权值满足收敛条件或超过最大迭代次数，则停止训练，得到最终的高炉铁水质量鲁棒软测量模型；否则，重复执行步骤3-2-3～3-2-4。