基于多输出支持向量回归机的铁水质量多元动态软测量方法

摘要

基于多输出支持向量回归机的铁水质量多元动态软测量方法属于高炉冶炼自动化控制领域，特别涉及一种基于多输出支持向量回归机(M-SVR)的高炉炼铁过程铁水质量多元动态软测量方法。本发明可通过常规在线测量方法提供的模型输入数据，给出当前时刻多元铁水质量参数的在线估计值，为高炉生产过程的优化操作和优化运行提供关键质量指标。本发明包括以下步骤：(1)辅助变量选择与模型输入变量确定；(2)M-SVR软测量模型的训练和使用。

主权项

基于多输出支持向量回归机的铁水质量多元动态测量方法，其特征在于包括以下步骤：(1)辅助变量选择与模型输入变量确定需要软测量的高炉铁水质量参数为Si(硅)含量y₁(％)、P(磷)含量y₂(％)、S(硫)含量y₃(％)和铁水温度y₄(℃)。根据工艺机理以及变量的可测、可观和变量之间的相关性，选择软测量的辅助变量包括：炉腹煤气量u₁(m³)、热风温度u₂(℃)、热风压力u₃(KPa)、富氧率u₄、鼓风湿度u₅(RH)、喷煤量u₆(m³/h)。根据过程动态特性，基于上述6个辅助变量，确定如下16个变量为软测量模型的输入变量：本次炉腹煤气量u₁(t)(m³)；本次热风温度u₂(t)(℃)；本次热风压力u₃(t)(KPa)；本次富氧率u₄(t)；本次鼓风湿度u₅(t)(RH)；本次设定喷煤量u₆(t)(m³/h). 上次炉腹煤气量u₁(t‑1)(m³)；上次热风温度u₂(t‑1)(℃)；上次水热风压力u₃(t‑1)(KPa)；上次富氧率u₄(t‑1)；上次鼓风湿度u₅(t‑1)(RH)；上次设定喷煤量u₆(t‑1)(m³/h)；上次Si含量估计值上次P含量估计值上次S含量估计值上次铁水温度估计值(2)M‑SVR软测量模型的训练和使用(A)开始：所有变量初始化；(B)选择为软测量模型训练，转至(C)读取软测量模型训练的数据集；选择为铁水质量参数软测量，转至(J)调出之前训练好的高炉铁水质量参数M‑SVR软测量模型；(C)读取软测量训练的数据集：从数据库中读取或者输入软测量训练的数据集{x_i→y_i}，x_i＝{x_i|i＝1,2,L,16}为输入数据集，y_i＝{y_i|i＝1,2,3,4}为输出数据集；(D)数据预处理：首先采用噪声尖峰滤波算法用于剔除高炉生产的噪声尖峰跳变数据；然后采用移动平均滤波算法用于剔除尖峰跳变滤波后训练数据中较小的高频测量噪声波动干扰：最后，对滤波处理后的数据进行归一化处理后，作为最终的软测量模型训练数据；(E)模型相关待定参数确定：M‑SVR模型需要预先设定的待定参数包括：目标函数惩罚因子C，松弛变量ε；核函数Φ(g)以及相应的核函数参数；(F)M‑SVR模型训练及模型参数确定：基于模型训练样本集以及预先设定的模型相关待定参数，进行软测量模型训练；通过最小化式(1)所述性能指标L_p(W,B)来进行软测量模型训练，求出与最优分类超平面对应的M‑SVR软测量模型参数向量从而得到铁水质量多元在线软测量模型其中x_i为模型输入数据，为模型软测量多元输出，N为模型输出向量个数。式中，为支持向量权值，为估计误差，C为目标函数惩罚因子，为与不相关的常量，ε为松弛变量。软测量模型参数的求解采用最小二乘迭代法，具体步骤如下所示：步骤(a)：令迭代次数k＝0，以及第k次代的模型参数值W(k)＝0，B(k)＝0，以此计算与相应的模型误差u_i和支持向量权值a_i；步骤(b)：根据步骤(a)中的初始化条件，令L_p(W,B)关于W,B的偏导数为零，由式(1)即可求出对应的软测量模型参数极值点W_s,B_s，继而得到线性搜索方向步骤(c)：采用试探法确定线性搜索步长，λ初值为1，根据求出W(k+1),B(k+1)，若此时L_p(W,B)_k+1≥L_p(W,B)_k，则减小搜索步长λ，直到L_p(W,B)_k+1<L_p(W,B)_k为止，得到下一个迭代点，这其中L_p(W,B)_k+1,L_p(W,B)_k分别表示迭代k+1次和迭代k次的式(1)定义的性能指标取值；步骤(d)：根据W(k+1),B(k+1)计算出与之对应的模型误差u_i和支持向量权值a_i，令k＝k+1，跳转到步骤(b)，继续执行以上步骤，直到L_p(W,B)不再减小，跳出循环，求得模型参数W^*＝W(k),B^*＝B(k)。(G)建模效果评估：如果建模误差符合预定标准，则结束本次M‑SVR软测量模型训练，转(I)；若误差不符合预定标准，重新训练，转(E)；(I)保存M‑SVR模型：软测量模型训练结束，以得到的M‑SVR模型用于高炉铁水质量多元动态软测量；(J)读取M‑SVR模型：调出之前训练好的高炉铁水质量参数M‑SVR软测量模型(K)读取软测量模型输入的过程数据(L)判断数据是否异常或者缺失；判断模型16个输入数据是否有噪声尖峰跳变以及是否有数据缺失情况；若有则转(M)进行数据处理，否则转(N)进行软测量运算；(M)数据处理：若有噪声尖峰跳变数据，则利用数据库的历史数据进行噪声尖峰滤波处理；若有数据缺失情况，则用之前时刻的相应变量数据进行替换；(N)软测量运算：将输入变量数据归一化处理后，调用之前训练好的M‑SVR软测量模型进行铁水质量在线软测量；(O)铁水质量软测量结果显示：在软测量系统人机界面上显示本次铁水质量多元在线软 测量的结果；(P)数据保存：将本次软测量的相关输入输出数据保存到相应的历史数据库，供之后的软测量系统评估、修正以及查询所用。