[发明专利]一种高炉炉墙内型的判断方法、终端设备及存储介质

权利要求书

1.一种高炉炉墙内型的判断方法，其特征在于，包括以下步骤：

S1：采集一段时间内的表征炉墙内型变化的参数值和经济技术指标参数值，提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值并作为一个样本；

S2：采用聚类算法对所有样本进行聚类，根据聚类结果确定不同类别的分类标准，并根据每一类别的所有样本对应的所有经济技术指标参数值确定该类别对应的炉墙内型的状态；

S3：实时获取当前的表征炉墙内型变化的参数值，通过将其与分类标准进行比较，确定其所属的类别，根据类别确定其所属的炉墙内型的状态。

2.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值的方法为：根据经济技术指标参数的采样周期，将采样周期对应的表征炉墙内型变化的每个参数的值设定为其在采样周期内的平均值。

3.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值之前还包括对采集的所有表征炉墙内型变化的参数值进行滤波处理。

4.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：将表征炉墙内型变化的参数值作为样本的属性，通过聚类算法对样本的属性进行聚类。

5.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：聚类前还包括对每个样本的属性进行归一化处理，具体计算公式为：

其中，下标l表示样本的序号，下标p表示样本的第p个属性，N_l,p表示第l个样本的第p个属性的归一化处理结果，x_l,p表示第l个样本的第p个属性的值，表示所有样本中第p个属性的平均值，n表示样本的总数，σ_p表示所有样本中第p个属性的标准差。

6.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：聚类处理采用AP聚类算法，具体包括以下步骤：

S21：将归属度矩阵和吸引度矩阵的信息初始化设定为0；

S22：更新吸引度矩阵：

其中，i、k均表示样本的序号，k’表示参与竞争的类的代表样本的序号，t表示迭代次数，r_t(i,k)表示第t次迭代对应的样本k适合作为样本i的类代表的程度，s(i,k)表示样本i和k的相似度，a_t(i,k')表示第t次迭代对应的样本i选择样本k’作为其类代表点的程度，r_t(i,k')表示第t次迭代对应的样本k’适合作为样本i的类代表的程度，s(i,k')表示样本i和k’的相似度；

S23：更新归属度矩阵：

其中，i’表示选择k为代表样本的其它样本，a_t+1(i,k)表示第t+1次迭代对应的样本i选择样本k作为其类代表点的程度，r_t+1(k,k)表示第t+1次迭代对应的样本k适合作为样本k的类代表的程度，r_t+1(i',k)表示第t+1次迭代对应的样本i’适合作为样本k的类代表的程度；

S24：根据衰减系数λ对归属度矩阵和吸引度矩阵进行衰减：

r_t+1(i,k)＝λ·r_t(i,k)+(1-λ)·r_t+1(i,k)

a_t+1(i,k)＝λ·a_t(i,k)+(1-λ)·a_t+1(i,k)

S25：重复步骤S22-S24，直到收敛或达到最大迭代次数。

7.根据权利要求6所述的高炉炉墙内型的判断方法，其特征在于：样本i和k的相似度s(i,k)的计算公式为：

其中，w_j表示样本第j个属性的权重，j表示样本属性的个数，x_i,j、x_k,j分别表示第i个样本的第j个属性和第k个样本的第j个属性。