[发明专利]一种基于双模型协同预测的烧结混合加水控制方法

权利要求书

1.一种基于双模型协同预测的烧结混合加水控制方法，其特征在于，包括下述步骤：

步骤1：采集烧结混合加水过程的历史数据，构成历史数据集；所述历史数据包括下料过程的各原料下料量、混料过程的加水量、混合完成后的混合料水分含量；

步骤2：对历史数据集进行预处理；

步骤3：构建并训练加水量回归预测模型：

步骤3.1：将各原料下料量作为输入、加水量作为输出，构建基于卷积神经网络的加水量回归预测模型；

步骤3.2：选取历史数据集中各原料下料量、加水量的历史数据构成第一训练集，对加水量回归预测模型进行训练；

步骤4：构建并训练水分含量分类预测模型：

步骤4.1：构建混合料水分含量的历史数据集A到水分含量类别集B的映射f:A→B，得到混合料水分含量x∈A对应的水分含量类别为y＝f(x)；

步骤4.2：将各原料下料量及加水量作为输入、混合料水分含量对应的水分含量类别作为输出，构建基于卷积神经网络的水分含量分类预测模型；

步骤4.3：选取历史数据集中各原料下料量、加水量、混合料水分含量的历史数据并计算混合料水分含量对应的水分含量类别，构成第二训练集，对水分含量分类预测模型进行训练；

步骤5：基于双模型协同预测进行加水量控制：

步骤5.1：实时采集烧结混合加水过程的各原料下料量数据；

步骤5.2：将实时采集的各原料下料量输入到训练后的加水量回归预测模型中，输出本次加水量预测值；

步骤5.3：将实时采集的各原料下料量和本次加水量预测值输入训练后的水分含量分类预测模型，输出本次水分含量类别预测值

步骤5.4：根据本次水分含量类别预测值对将要加水的加水量a进行调节。

2.根据权利要求1所述的基于双模型协同预测的烧结混合加水控制方法，其特征在于，所述预处理包括数据清洗、消除数据延迟、数据规范化。

3.根据权利要求2所述的基于双模型协同预测的烧结混合加水控制方法，其特征在于，所述加水量回归预测模型包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、第一全连接层、第二全连接层、输出层，所述第一卷积层、第二卷积层、第三卷积层的卷积核大小均为3×3。

4.根据权利要求3所述的基于双模型协同预测的烧结混合加水控制方法，其特征在于，所述水分含量分类预测模型包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、第一全连接层、第二全连接层、输出层，所述第一卷积层、第二卷积层、第三卷积层的卷积核大小均为3×3。

5.根据权利要求4所述的基于双模型协同预测的烧结混合加水控制方法，其特征在于，所述步骤4.1中，混合料水分含量x∈A对应的水分含量类别y＝f(x)为

6.根据权利要求5所述的基于双模型协同预测的烧结混合加水控制方法，其特征在于，所述步骤5.4中，根据本次水分含量类别预测值对将要加水的加水量a进行调节包括：

采集烧结混合加水过程中各原料下料量数据，将各原料下料量输入到训练后的加水量回归预测模型中，输出本次加水量预测值对将要加水的加水量a进行调节：若则若则若则若则若则