资源预览内容
第1页 / 共36页
第2页 / 共36页
第3页 / 共36页
第4页 / 共36页
第5页 / 共36页
第6页 / 共36页
第7页 / 共36页
第8页 / 共36页
第9页 / 共36页
第10页 / 共36页
亲,该文档总共36页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
,指导老师: 学 生: 专 业:控制理论与控制工程,基于炉热指数和ST-PLS的高炉炉温预测方法及高炉炉温模糊推理系统的研究,主要内容,研究背景及意义,研究内容,研究成果,课题展望,研究方法,课题研究背景及意义,预测 炉温,高炉炉温预测模型,提前调节 炉温,通过人工或 计算机调节,高炉优质 低耗、高产 长寿,高炉炼铁目标,课题研究内容,包钢6号高炉数据,ST-PLS回归模型,炉热指数模型,Si,S,V(Fe),T(Fe),Wu,Tf,模糊推理系统,高炉炉温,ST-PLS回归模型,炉热指数模型,研究方法,及 炉热指数,一、,炉热指数模型是由法国钢铁研究院提出的。该模型按热平衡和物料平衡计算出代表高炉高温区的炉热指数。 炉热指数又称理论燃烧温度,它表示某种成分燃料在一定燃烧条件下,燃烧产物所能达到的最高温度。,炉热指数 的算式为:,1000 干风所能冶炼的生铁量,t/km3;,每立方米干风所带有的水蒸气量,g/m3;,热风温度,每吨生铁因 直接还原消耗的碳量,kg/t。,研究方法,由风口区燃烧1kg碳的热平衡导出的理论燃烧温度 计算公式是:,每千克焦炭进入风口区带入的物理热,风口前燃烧碳量中焦炭碳所占的比例,每千克碳在风口区燃烧所需风量,热风温度时鼓风比热容,热风温度,鼓风湿度,时炉缸煤气比热容,每千克碳的煤粉的分解耗热,风口前燃烧碳量中煤粉碳所占的比例,每千克碳在风口区燃烧所需风量,研究方法,二、ST-PLS回归方法,(一)样条函数具有的优点,(1)样条函数采用了分段拟合的思想,这一方面使它具有按需要裁剪以适应任意曲线连续变化的优点,另一方面,样条函数不采用过高次的多项式,能够有效地避免产生龙格现象。,(2)由于样条函数(尤其是B样条)具有光滑性、连续性,所以,拟合曲线对原始数据中的特异点并不敏感,这就使得模型在排除原始数据中的噪声方面显得特别有意义。,研究方法,(二)ST-PLS建模步骤,研究方法,第一步: 样条变换,第二步: 标准化处理,第三步: PLS建模,第四步: 将标准化公 式代入拟线 性模型,第五步: 将回归系数及样条函数代入拟线性模型得非线性模型,对自变量空间 的每一维 进行 三次 样条变换 。,(1)对 ,确定 ,求得分点,(2)对 做如下三次 样条变换:,研究方法,(1),第一步,对因变量及新的自变量进行标准化处理,即,从而得到新数据表符合线性关系,(2),(3),第二步,研究方法,对上式进行偏最小二乘回归建模,提出最多的PLS成分数,求得回归系数 。,将(2)式代入(3)式,其中,整理得,第三步,第四步,研究方法,将回归系数及样条函数变换式(1)代入式(4),得到y关于X的非线性回归模型,第五步,研究方法,三、模糊C均值聚类及模糊推理系统,研究方法,聚类分析是按照一定的标准来鉴别事物之间的接近程度,并把彼此接近的事物归为一类。而高炉炉温的高低是一个模糊的概念。,模糊推理系统包括五个方面:,研究方法,三、模糊C均值聚类及模糊推理系统,研究成果,本课题使用包钢6号高炉铁次No.20335No.20594数据,计算 与 炉热指数随时间变化的波动图,如图1,图2所示.,一、炉热指数,图1 炉热指数,图2 炉热指数,二、ST-PLS方法在高炉炉温预测中的应用,本课题使用MATLAB编程软件建立ST-PLS模型,具体的建模步骤如下:, load ysj load yzsj X=ysj(:,1:11); Y=ysj(:,12:15);, Z=ytbh(X);/进行样条变换 E0=stand(Z);/进行标准化 F0=stand(Y); A=rank(E0);/矩阵求秩,研究成果, W,C,T,U,P,R=bykpcr(E0,F0);, h=70;, SCOEFF=pls(h,88,W,P,R);, COEFF,INTERCEP= plsiscoeff(Z,Y,SCOEFF);, B=COEFF;, C=INTERCEP;, X1=yzsj(:,1:11);, Y1=ypls(X1,B,C,4);,/计算PLS中的w、c轴,t、u 主成分,p、 r回归系数,/取主成分个数,/计算标准化因变量关于自变量的经验回归系数,/计算原始因变量关于自变量 的经验回归系数,/取验证的数据,/计算模型预测数据,研究成果,二、ST-PLS方法在高炉炉温预测中的应用,图3 铁次No.20666No.20714的49炉数据的预测值和实际值的折线图,研究成果,49炉预测值与实际值的折线图,图4 铁次No.20666No.20934的268炉数据的预测值和实际值的折线图,研究成果,268炉预测值与实际值的折线图,三、利用模糊C均值聚类求各参数的隶属度函数,对ST-PLS模型和炉热指数模型的计算结果数据应用模糊C均值聚类方法,将结果数据划分为3个区间,分别为偏低、正常、偏高,求的所需的隶属度矩阵。首先,以Si为例,相关程序如下:,center,U,obj_fcn=fcm(x,3);, load sisvfetfewutf, x=sisvfetfewutf (:,1);,研究成果,表 1 铁水硅含量值与隶属度矩阵 U的转置矩阵,截取15炉数据,建立预测的铁水硅含量值与隶属度矩阵U的转置矩阵构成的表格,如表1所示。,分别作出铁水硅含量与三个区域的隶属度值的散点图,如图5所示。,研究成果,图5 铁水硅含量和1、2、3区的隶属度值的散点图,研究成果,研究成果,由下图可知,铁水硅含量处于正常区域的点满足高斯分布,且此分布的最高点的坐标约是(0.56,0.99573),两最低点的坐标约是(0.46,0)(0.7,0)。,取“Si-2区隶属度值得散点图”为例,分析如下,因此,利用试探法可以分别得出铁水硅含量处于该区域的隶属度函数为:高斯函数且函数的两个参数为0.05、0.56。,同理,得出铁水硅含量其他两个区域的隶属度函数为:,研究成果,由于高斯函数为:,其中,参数 和 分别确定隶属度函数的中心位置和胖 瘦程度。,偏低区域的隶属度函数为:高斯函数(0.18、0.4) 偏低区域的隶属度函数为:高斯函数(0.18、0.8),依上述方法处理其他5个计算结果,得相应的隶属度函数。作出各计算结果隶属度函数的图,如图所示:,研究成果,四、建立模糊推理系统,研究成果, lw=addvar(lw,input,铁水硅含量,0.3 0.9); lw=addvar(lw,input,铁水硫含量,0.02 0.07); lw=addvar(lw,input,铁还原速率,100 310); lw=addvar(lw,input,铁水温度,1450 1550); lw=addvar(lw,input,Wu炉热指数,25 70); lw=addvar(lw,input,Tf炉热指数,2500 4000); lw=addvar(lw,output,高炉炉温,600 2200);,(1)建立模糊系统, clear lw=newfis(lw);,(2)添加输入输出变量,给出变量范围, lw=addmf(lw,input,1,偏低,gaussmf,0.05 0.45); lw=addmf(lw,input,1,正常,gaussmf,0.05 0.56); lw=addmf(lw,input,1,偏高,gaussmf,0.05 0.71); lw=addmf(lw,input,2,偏低,gaussmf,0.0045 0.03); lw=addmf(lw,input,2,正常,gaussmf,0.0045 0.044); lw=addmf(lw,input,2,偏高,gaussmf,0.0045 0.055);,(3)给变量指定模糊变量和隶属度函数, lw=addmf(lw,input,3,偏低,gaussmf,18 162.32); lw=addmf(lw,input,3,正常,gaussmf,18 209.2); lw=addmf(lw,input,3,偏高,gaussmf,18 254.76); lw=addmf(lw,input,4,偏低,gaussmf,7 1488); lw=addmf(lw,input,4,正常,gaussmf,7 1501); lw=addmf(lw,input,4,偏高,gaussmf,7 1517);,研究成果, lw=addmf(lw,input,5,偏低,gaussmf,3 38.288); lw=addmf(lw,input,5,正常,gaussmf,3 47.519); lw=addmf(lw,input,5,偏高,gaussmf,3 59.644); lw=addmf(lw,input,6,偏低,gaussmf,80 3034); lw=addmf(lw,input,6,正常,gaussmf,80 3256); lw=addmf(lw,input,6,偏高,gaussmf,80 3479); lw=addmf(lw,output,1,偏低,gaussmf,70 600); lw=addmf(lw,output,1,正常,gaussmf,70 1000); lw=addmf(lw,output,1,偏高,gaussmf,70 1400);,(3)给变量指定模糊变量和隶属度函数,研究成果, figure subplot(3,2,1) plotmf(lw,input,1) subplot(3,2,2) plotmf(lw,input,2) subplot(3,2,3) plotmf(lw,input,3) subplot(3,2,4) plotmf(lw,input,4) subplot(3,2,5) plotmf(lw,input,5) subplot(3,2,6) plotmf(lw,input,6) figure plotmf(lw,output,1),(4)显示隶属度函数曲线,研究成果, rulelist=1 3 1 1 1 1 1 1 1;2 2 2 2 2 2 2 1 1; 3 1 3 3 3 3 3 1 1; lw=addrule(lw,rulelist);,(5)设计模糊规则,lw = name: lw type: mamdani andMethod: min orMethod: max defuzzMethod: centroid impMethod: min aggMethod: max input: 1x6 struct output: 1x1 struct rule: 1x3 struct,(6)已建立的模糊推理系统的内部信息, lw,研究成果, figure plotfis(lw),(7)绘制出所建立的FIS系统,研究成果, load sisvfetfewutf X=sisvfetfewutf(:,1:6);,表3 高炉炉温模糊推理 系统的输出数据, Y=evalfis(X,lw); / Y是所求得高炉炉温,表2 高炉炉温模糊推理系统的输入数据,(8)给模糊推理系统输入数据得到输出数据,研究成果,工作总结,工作总结,工作总结,课题展望,可以考虑将6个反应参数和高炉炉温划分成5个区间,分
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号