高炉炉况智能诊断与预报方法研究

《高炉炉况智能诊断与预报方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士学位论文摘要高炉炉况诊断与预报对于高炉操作具有重要的意义。由于高炉冶炼过程是一个多变量、强耦合、非线性、不确定、时变的复杂工业过程，高炉炉况诊断一般采取基于案例学习的方法。由于高炉异常炉况的案例征兆数据集常常是小样本数据集，因此，需要在小样本学习集下具有很好泛化能力的诊断方法。针对高炉炉况小样本数据下的诊断问题，本文提出了一种基于支持向量机和神经网络的分层结构诊断模型。首先，采用支持向量机方法构建多个炉况分类器进行初始分类，获得分类向量在各支持向量机分类器相对最优分类面的距离，获得很好的泛化能力。其次，以支持向量机输出为输入，建立炉况神经网络分类器进行二次分类

2、，输出为属于各炉况的可信度值(即隶属度值)，减少了支持向量机方法误分、错分的发生，提高诊断的准确率。最后，根据各炉况诊断神经网络的输出，通过比较可信度值大小做出最终的炉况诊断。炉况诊断系统给出历史数据下的各炉况的分类距离，据此采用神经网络方法预报下一周期各炉况的分类距离，通过比较当前诊断值和预报值给出炉况向某种炉况的变化趋势，做出炉况趋势预报。通过对高炉实际运行数据的仿真，采用上述方法建立的诊断与预报系统具有较好的效果，证明这种新的炉况诊断与预报方法是有效的。关键词高炉炉况诊断与预报，支持向量机，BP神经网络，分层诊断系统中南大学硕士学位论文ABSTRACTTheBF(b

3、lastfurnace)statusdiagnosisandpredictionisimportantfortheblastfurnaceoperation．AlthoughexpertsystemhasbeenappliedtoBFstatusdiagnosisandpredictionverywell，disadvantagesofdifficultexpertacknowledgeacquiringandbadtransportabilitylimititsapplicationanddissemination．ANNs(artificialneuralnetwor

4、ks)constructsdiagnosismodelbylearningBFstatusevidentialsamples，andsolvestheproblemofacknowledgeaquidng，SOithasgoodbehaviourofapplicationanddissemination．Butartificialneuralnetwoks’SlearningalgorithmisbasedonEmpiricalRiskMinimizationprinciple，whichisintendedfordealingwithlargesamplesizes．I

5、nreality,thesampleofBFstatusislimited，SOANNsdiagnosismodeldoesnotworkwell．InthispaperwepresentanovelmethodtosolveBFstatusdiagnosisandpreditionunderasmallsampleoftraininginstances．TomakethediagnosismodelperformbeRerundersmallexamples，wepresentflhierarchydiagnosismodel：first，weconstructSVM(

6、supportvectormachines)classifiersfortheinitialBFstatusdiagnosis，itsoutputisthedistancetotheoptimalseparatinghyperplanes．Second，weconstructBPartificialneuralnetworkstomakefurtherdiagnosis．AccordingtotheANNs’output，wemakethefinaldiagnosis．TheSVMapproachisaimedatsolvingtheclassificationprobl

7、emsundertheconditionofasmallsampleoftraininginstances，andhasbettergeneralizationability．Tosolvetheproblemofmulti-classificationforSVM，weriseANNstomakefurtherdiagnosis，itcarlimprovediagnosisaccuracy．BFstatuscannotberepresentedbyaspecificdetectableparameterexceptfumac