[发明专利]一种高炉铁水质量在线鲁棒软测量方法

摘要

本发明提供一种高炉铁水质量在线鲁棒软测量方法，包括：在高炉冶炼过程可控变量中选取对高炉铁水质量参数相关性最高的六个可控变量，作为输入变量；同时选取输出变量；确定随机权神经网络模型的阶次；初始化随机权神经网络相关参数与变量；鲁棒初始阶段；利用随机权神经网络模型和获取的高炉炼铁过程数据，在线估计当前时刻的铁水质量参数；鲁棒在线序贯学习阶段。本发明中引入利用基于柯西分布加权M估计在线序贯随机权神经网络，根据残差的大小决定样本数据对建立模型的贡献，解决了建模过程中大量离群点对建模的不良影响，同时能不断根据新测量的包含有离群点的高炉炼铁过程数据不断修正模型参数，自适应当前工况，消除离群点影响而准确预测。

主权项

一种高炉铁水质量在线鲁棒软测量方法，其特征在于，包括：步骤1、在高炉冶炼过程可控变量中选取对高炉铁水质量参数相关性最高的六个可控变量，作为输入变量；同时选取输出变量；基于高炉炼铁过程的时滞关系，确定随机权神经网络模型的阶次；该模型以上一时刻的输入变量、当前时刻的输入变量、上一时刻的输出变量为模型输入数据，以当前时刻的输出变量为模型输出数据；所述输入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，所述输出变量包括Si含量、P含量、S含量、铁水温度；步骤2、初始化随机权神经网络相关参数与变量、遗忘因子、正则化系数、激活函数，隐含层节点数目、鲁棒在线序贯学习时采集的数据块大小、输出权值的收敛条件、随机权神经网络的初始残差；步骤3、鲁棒初始阶段：根据标准化残差的分布由柯西加权函数计算出初始训练数据集中每个样本参与随机权神经网络建模的权重大小，并计算出输出权值，直至输出权值满足收敛条件，否则重复操作，继续迭代；步骤4、利用随机权神经网络模型和获取的高炉炼铁过程数据，在线估计当前时刻的铁水质量参数；步骤5、鲁棒在线序贯学习阶段：若获取的高炉炼铁过程数据达到设定的数据块大小，则对随机权神经网络进行鲁棒在线序贯学习，引入遗忘因子法，自适应更新随机权神经网络模型参数，返回步骤4。