[发明专利]一种面向波动炉况的高炉铁水硅含量预测与补偿方法

摘要

本发明公开了一种面向波动炉况的高炉铁水硅含量预测与补偿方法，属于工业过程监控领域，包括以下步骤：(1)获取历史高炉冶炼数据，并将获取的历史高炉冶炼数据作为样本集；(2)选取输入集，基于BP神经网络在线预测模型预测高炉铁水硅含量Sipre；(3)构建波动知识库；(4)波动炉况识别：对于待测样本，遍历知识库寻找匹配样本，对高炉波动炉况类型进行识别；(5)波动炉况下铁水硅含量预测补偿：根据步骤(4)中判断出的炉况类型，对预测结果进行补偿。本发明利用粗糙集计算了与波动炉况相匹配的特征集，构建波动知识库与BP神经网络进行波动炉况，并对BP神经网络的预测结果作出补偿，有效优化了铁水硅含量的预测效果。

主权项

1.一种面向高炉波动炉况的铁水硅含量预测与补偿方法，其特征在于，包括以下步骤：(1)获取历史高炉冶炼数据，并将获取的历史高炉冶炼数据作为样本集；其中，高炉冶炼数据包括多项特征属性A＝{a₁,a₂,...,a_n}，以及一项决策属性，决策属性为硅含量Si；(2)选取输入集，基于BP神经网络在线预测模型预测高炉铁水硅含量Si_pre；(3)构建波动知识库；3.1)建立波动炉况的离散决策表：将特征属性数据等距离散成k份，将决策值硅含量分为低硅、中硅、高硅三种，用于辨识硅含量偏低的波动炉况、平稳炉况和硅含量偏高的波动炉况；3.2)基于粗糙集进行属性约简，通过比较属性重要度变化，得到波动炉况的特征集；3.3)保留波动炉况离散决策表中波动特征属性对应的列数据，删除其他属性列，同时，将离散化的硅含量值替换为硅含量真实值，构建波动知识库；(4)波动炉况识别：对于待测样本，遍历知识库寻找匹配样本，对高炉波动炉况类型进行识别；其中，待测样本为波动炉况高硅样本，设置flag＝2；待测样本为波动炉况低硅样本，设置flag＝1；待测样本为平稳炉况样本，设置flag＝0；(5)波动炉况下铁水硅含量预测补偿：根据步骤(4)中判断出的炉况类型，对预测结果进行补偿，补偿公式如下：其中，Si_com为最终的高炉铁水硅含量预测结果，Si_rule为知识库匹配样本的硅含量结果；a为补偿系数，β_h为高硅波动样本对应的阈值；β_l为低硅波动样本对应的阈值。