[发明专利]一种炼钢烧结生产中综合焦比预测的方法

说明书

本发明公开了一种炼钢烧结生产中综合焦比预测的方法，采用综合焦比(单位：Kg/t)作为烧结生产中碳效衡量指标，在建立烧结综合焦比预测输出模型的基础上，针对标记样本少的问题，采用基于流型假设的半监督的学习训练算法对有标签样本和无标签样本数据进行训练，并针对数据间线性与非线性关系共存的数据特点，提出了改进型极限学习机模型对训练数据进行拟合，改进型极限学习机的输入层神经元不仅与隐含层神经元相连，而且直接与输出层神经元相连，这种特殊的网络结构使该模型能够很好的同时拟合线性和非线性数据。

技术领域

本发明涉及一种钢铁生产中烧结生产低碳运行的方法，尤其是涉及一种炼钢烧结生产中综合焦比预测的方法。

背景技术

钢铁行业是国家发展重要的支柱产业之一，伴随着钢铁行业的发展，其所带来的资源消耗以及引起的环境问题也日益突显，烧结生产为钢铁高炉冶炼提供原料，是钢铁生产中关键环节之一，同时也是炼钢生产中除高炉工序外最大的耗能工序，烧结过程中焦粉燃烧产生的温室气体是钢铁行业温室气体主要来源之一。提高其能源利用率，即提高烧结碳效，以降低烧结过程的能耗是实现钢铁生产中节能降耗的重要途径之一。也是提升企业竞争力的重要举措。

综合焦比(单位：Kg/t)作为烧结生产中碳效衡量指标，其指的是生产一吨成品烧结矿所消耗的碳量。综合焦比越小表明生产吨成品烧结矿所消耗的碳越少，其碳能源利用率就越高。而通过建立烧结综合焦比预测模型，并基于该模型对输入变量进行优化设定，则是保证实现烧结生产低碳运行一个有效的方法。

但是目前在烧结过中的数据有两种特点：

1.综合焦比有标签样本少；所谓的标签样本是指将返矿配比、焦粉配比、MgO含量、铁品位、SiO₂含量、CaO含量、上升点位置、上升点温度、烧结终点位置和烧结终点温度这一组输入样本，具有相应的综合焦比输出，此时这一组输入输出样本对就定义为有标签样本，而只有输入样本没有对应综合焦比输出样本则定义为无标签样本。

2.数据之间线性和非线性关系共存。

而上述的这两个特点对采用标准的极限学习机进行综合焦比预测会产生较大的误差，无法满足实际生产需求。

发明内容

本发明所要解决的技术问题是提供一种炼钢烧结生产中综合焦比预测的方法，在建立烧结综合焦比预测输出模型的基础上，采用面向综合焦比指标的优化设定方法，根据烧结当前状态最优化综合焦比指标，确定烧结最优运行的优化设定值，从而保证烧结生产低碳运行，满足实际生产需求。

本发明解决上述技术问题所采用的技术方案为：一种炼钢烧结生产中综合焦比预测的方法，包括以下步骤：

a、定义综合焦比预测输出模型为其中，为第i组样本的焦比预测输出，i＝1,2,...,l+u，l和u分别为有标签样本组和无标签样本组的个数，a为输出神经元的阈值，w^io为连接输入神经元和输出神经元的权值，w^ho为连接隐含层神经元和输出神经元的权值，X为样本输入矩阵，G为隐含层输出矩阵，I为单位矩阵；

b、从实际运行的烧结机上采集多组样本，包括有标签样本组和无标签样本组，每一组样本的输入包括返矿配比、焦粉配比、MgO含量、铁品位、SiO₂含量、CaO含量、上升点位置、上升点温度、烧结终点位置和烧结终点温度；

c、将所有采集的样本输入综合焦比预测输出模型中进行训练，最终得到训练后的综合焦比预测输出模型；

d、将实时采集的样本输入训练后的综合焦比预测输出模型中，得到预测的综合焦比值。