[发明专利]基于多聚类原型的T-S模型对炉腹煤气量的预测方法及程序

说明书

本发明公开了一种基于多聚类原型的T‑S模型对炉腹煤气量的预测方法及程序，其内容包括：对高炉数据进行数据预处理，剔除异常值；利用斯皮尔曼等级相关系数进行变量的筛选；选取基于超球形聚类原型的FCM模糊聚类算法和基于超平面形聚类原型的NFCRMA模糊聚类算法分别对高炉数据进行模糊聚类，再分别使用与这两个模糊聚类算法相适应的隶属度函数计算得到两种不同的T‑S模型前件规则适应度，然后对这两种规则适应度分别从大到小排序，最后计算它们的加权和得到加权规则适应度；使用最小二乘法计算T‑S模型的后件参数，最后通过调整加权系数可以提高模型的预测精度。本发明方法能够精确的预测下一时刻高炉炉腹煤气量指标的值。

技术领域

本发明涉及高炉炼铁领域，尤其涉及一种基于多聚类原型的T-S模型对炉腹煤气量的预测方法及程序。

背景技术

钢铁工业是国民经济的支柱产业，是一个国家科技水平发达程度的标志。高炉炼铁是钢铁生产流程的上游工序，是高耗能高污染的大户。如何保持高炉稳顺运行，达到节能降耗的目的，是对钢铁企业提高经济效益，对国民经济的可持续发展具有重要的意义。高炉煤气流参与炉内的还原反应和热传递，是对高炉能量利用和温度场分布最直接的体现。因此高炉煤气流的分布是高炉操作者判断高炉炉况的重要依据，当炉内发生异常炉况时，如管道行程、悬料、塌料等都会在高炉煤气流分布上表现出明显的特征。

炉腹煤气量是高炉炼铁过程中炉缸燃烧带形成的煤气与其上升到炉腹途中直接还原矿石和脱硫产生的CO的总和，是表征高炉煤气流分布的重要指标。根据一些文献对各大钢厂的技术统计，在高炉稳顺运行的条件下，炉腹煤气量在一个合理的区间变动。由于高炉煤气流主要有三种分布形态，中心过吹型，边缘过吹型和均匀分布型，所以可以根据高炉机理和专家经验分析炉腹煤气量指标的变化区间与高炉煤气流分布状态的关系，通过建立精确的炉腹煤气量的预测模型，根据指标预测值分析高炉煤气流分布趋势，进而为高炉操作人员提供及时准确的高炉炉况信息，从而选择合理操作制度维持高炉的稳顺运行，可以有效避免异常炉况的发生。

近年来T-S模型在非线性系统建模、预测和基于模型的控制方面起到了重要的作用，并成功应用于各种工业过程。T-S模型分为前件和后件两部分，前件部分辨识的方法是选择模糊聚类算法划分原始空间得到若干模糊子空间。模糊聚类算法是分析样本点在原始数据空间的相似性，是提取样本特征的方法，通过隶属度函数可以把样本数据的特征体现在T-S模型前件规则适应度中。规则适应度的值代表子模型输出对总体模型输出的贡献程度，直接影响到整体模型的质量和预测精度。而高维数据的超几何形状是不确定的，无法找到一种适用于各类高维数据的聚类原型。以往的研究中，T-S模型的前件辨识过程中只基于一种聚类原型对数据进行模糊聚类，无法全面地提取蕴含在数据中的特征信息。因此选取多种不同的聚类原型对数据进行模糊聚类，可以更为全面的提取样本数据的特征信息，进而可以提高T-S模型的预测精度。

发明内容

本发明的目的在于提供一种基于多聚类原型的T-S模型对炉腹煤气量的预测方法及程序，该方法及程序利用高炉可测数据，对数据进行分析处理，同时基于超球形聚类原型和超平面形聚类原型，更全面地提取数据中的特征信息，使用加权和的思想改进T-S模型前件规则适应度，提高了T-S模型的预测精度。然后利用该模型对高炉炉腹煤气量指标进行精确预测，为高炉操作人员提供及时准确的高炉炉况信息，从而选择合理的操作制度维持高炉的稳顺运行，有效避免高炉异常炉况的发生。