一种球团原料最佳配比的自动推荐方法技术

本发明专利技术公开一种球团原料最佳配比的自动推荐方法及系统。所述推荐方法包括获取配比变量；将所述配比变量x

【技术实现步骤摘要】
一种球团原料最佳配比的自动推荐方法
本专利技术涉及球团矿领域，特别是涉及一种球团原料最佳配比的自动推荐方法。
技术介绍
基础建设规模逐年扩大，钢材需求量节节攀升，有限的天然富块矿资源，无法满足更大规模的炼铁原料需求。球团矿是作为人造富块矿之一，具有高温还原软化性好、机械强度高、渣量低、铁品量高的优良特性。基于球团矿的优良特性，成为高炉炉料中不可或缺的组成部分。但是，球团矿在进入高炉之前和之后，均需要经过多次装卸、转运、堆积和运动，要经受碰撞、冲击、挤压和摩擦各种严酷的机械作用。在机械作用下，熟球产生了破碎、小块或粉末，将间接消极影响炉矿顺行和生产指标。现有技术中，球团矿生产过程中的配料方案、焙烧制度、参数设定的操作多采用线性比例调控的手段，存在成球率低、抗压程度差的问题。
技术实现思路
本专利技术的目的是提供一种能够提高球团的抗压强度的球团原料最佳配比的自动推荐方法及系统。为实现上述目的，本专利技术提供了如下方案：一种球团原料最佳配比的自动推荐方法，所述推荐方法包括：获取配比变量xt＝[x1,x2,x3,x4,x5,x6]T，x1表示SiO2的质量占比，x2表示CaO的质量占比，x3表示MgO的质量占比，x4表示Al2O3的质量占比，x5表示焙烧时间，x6表示焙烧温度；其中t的取值为0,1,2，......，tmax；将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量；将所述广义神经网络输入变量输入到基于广义神经网络的球团矿抗压强度预报值f中，获得球团矿抗压强度预报值；根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst；根据所述球团矿抗压强度预报值f采用天牛须搜索算法确定球团矿抗压强度最大值fbst所对应的自变量的值xbst。可选的，所述将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量具体包括：所述广义回归神经网络包括输入层、模式层、求和层、输出层；获取所述配比变量xt中的i组j维数据，并按照传递函数传递至所述模式层；所述模式层的第i个神经元遵从传递函数其中，xt表示所述广义回归神经网络预处理的输入变量，而xit表示第i个神经元对应的学习样本数据，σ为平滑因子参数；所述求合层包括两类神经元，第一类对所述模式层的所有神经元的输出进行求和，所述模式层中的每个神经元对应的权重均为1，求和层的传递函数为：第二类对所述模式层的第i个神经元与所述求和层中的第j个神经元之间的连接权重为第i个输出样本yi中的第j个元素yij，所述求合层中的第j个神经元的传递函数所述输出层的神经元数目与学习样本中输出向量的维数l相等，输出层的指标yj＝Sj/SD,J＝1,2,3,...,l。可选的，在所述获取配比变量xt＝[x1,x2,x3,x4,x5,x6]T之前还包括：提取球团自动配料数据库中的行为数据，将所述特征向量通过特征-物品相关矩阵转化为推荐物品列表；根据所述行为数据获得当前用户的特征向量；根据所述特征向量和所述推荐物品列表获得初始推荐列表。可选的，所述根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst具体包括：判断t是否小于tmax，如果是，根据公式获得一组单位向量其中，k表示维数，rnd()表示随机函数；根据公式确定所述配比变量xt的范围为其中，xr表示搜索区域的右侧位置，xl表示搜索区域的左侧位置，dt表示天牛须的探测距离；所述配比变量其中，δt表示搜索的步长，sign()表示符号函数；如果f(xt)＞fbst，fbst′＝f(xt)，xbst′＝xt；其中，天牛须的长度dt和搜索参数步长δt分别为否则，停止迭代，获得所述球团矿抗压强度预报值f的最大值fbst。一种球团原料最佳配比的自动推荐系统，所述系统包括：配比变量获取模块，用于获取配比变量xt＝[x1,x2,x3,x4,x5,x6]T；配比变量处理模块，用于将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量；目标函数建立模块，用于将所述广义神经网络输入变量输入到基于广义神经网络的球团矿抗压强度预报值f中，获得球团矿抗压强度预报值；计算模块，用于根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst；配比变量最优值确定模块，用于根据所述球团矿抗压强度预报值f采用天牛须搜索算法确定球团矿抗压强度最大值fbst所对应的自变量的值xbst。可选的，所述目标函数建立模块具体包括：数据获取单元，用于获取所述配比变量xt中的i组j维数据，并按照传递函数传递至所述模式层；模式单元，用于所述模式层的第i个神经元遵从传递函数其中，xt表示所述广义回归神经网络的输入变量，而xit表示第i个神经元对应的学习样本数据，σ为平滑因子参数；求和单元，用于所述求合层包括两类神经元，第一类对所述模式层的所有神经元的输出进行求和，所述模式层中的每个神经元对应的权重均为1，求和层的传递函数为：第二类对所述模式层的第i个神经元与所述求和层中的第j个神经元之间的连接权重为第i个输出样本yi中的第j个元素yij，所述求合层中的第j个神经元的传递函数输出单元，用于所述输出层的神经元数目与学习样本中输出向量的维数l相等，输出层的指标yj＝Sj/SD,J＝1,2,3,...,l。可选的，所述推荐系统还包括：推荐物品列表获取模块，用于提取球团自动配料数据库中的行为数据，将所述特征向量通过特征-物品相关矩阵转化为推荐物品列表；特征向量获取模块，用于根据所述行为数据获得当前用户的特征向量；初始推荐列表获取模块，用于根据所述特征向量和所述推荐物品列表获得初始推荐列表。可选的，计算模块具体包括：判断单元，用于判断t是否小于tmax；配比变量获取单元，用于根据公式获得一组单位向量其中，k表示维数，rnd()表示随机函数；根据公式确定所述配比变量xt的范围为其中，xr表示搜索区域的右侧位置，xl表示搜索区域的左侧位置，dt表示天牛须的探测距离；所述配比变量其中，δt表示搜索的步长，sign()表示符号函数；如果f(xt)＞fbst，fbst′＝f(xt)，xbst′＝xt；其中，天牛须的长度dt和搜索参数步长δt分别为目标函数最大值获取单元，用于获得所述球团矿抗压强度预报值f的最大值fbst。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术公开了一种球团原料最佳配比的自动推荐方法及系统，所述推荐方法包括获取配比变量；将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量；将所述输入变量输入到基于广义神经网络的球团矿抗压强度预报模型f中获得球团矿抗压强度预报值；根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst及与其对应的原料配比变量值xbst，构建了最佳配比智能推荐模型。智能推荐的最佳配料方案提升了熟球的抗压强度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本本文档来自技高网...

【技术保护点】
1.一种球团原料最佳配比的自动推荐方法，其特征在于，所述推荐方法包括：获取配比变量xt＝[x1,x2,x3,x4,x5,x6]T，x1表示SiO2的质量占比，x2表示CaO的质量占比，x3表示MgO的质量占比，x4表示Al2O3的质量占比，x5表示焙烧时间，x6表示焙烧温度；其中t的取值为0,1,2，......，tmax；将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量；将所述广义神经网络输入变量输入到基于广义神经网络的球团矿抗压强度预报值f中，获得球团矿抗压强度预报值；根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst；根据所述球团矿抗压强度预报值f采用天牛须搜索算法确定球团矿抗压强度最大值fbst所对应的自变量的值xbst。

【技术特征摘要】
1.一种球团原料最佳配比的自动推荐方法，其特征在于，所述推荐方法包括：获取配比变量xt＝[x1,x2,x3,x4,x5,x6]T，x1表示SiO2的质量占比，x2表示CaO的质量占比，x3表示MgO的质量占比，x4表示Al2O3的质量占比，x5表示焙烧时间，x6表示焙烧温度；其中t的取值为0,1,2，......，tmax；将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量；将所述广义神经网络输入变量输入到基于广义神经网络的球团矿抗压强度预报值f中，获得球团矿抗压强度预报值；根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst；根据所述球团矿抗压强度预报值f采用天牛须搜索算法确定球团矿抗压强度最大值fbst所对应的自变量的值xbst。2.根据权利要求1所述的一种球团原料最佳配比的自动推荐方法，其特征在于，所述将所述配比变量xt进行广义回归神经网络预处理，获得广义神经网络输入变量具体包括：所述广义回归神经网络包括输入层、模式层、求和层、输出层；获取所述配比变量xt中的i组j维数据，并按照传递函数传递至所述模式层；所述模式层的第i个神经元遵从传递函数其中，xt表示所述广义回归神经网络预处理的输入变量，而xit表示第i个神经元对应的学习样本数据，σ为平滑因子参数；所述求合层包括两类神经元，第一类对所述模式层的所有神经元的输出进行求和，所述模式层中的每个神经元对应的权重均为1，求和层的传递函数为：第二类对所述模式层的第i个神经元与所述求和层中的第j个神经元之间的连接权重为第i个输出样本yi中的第j个元素yij，所述求合层中的第j个神经元的传递函数所述输出层的神经元数目与学习样本中输出向量的维数l相等，输出层的指标yj＝Sj/SD,J＝1,2,3,...,l。3.根据权利要求1所述的一种球团原料最佳配比的自动推荐方法，其特征在于，在所述获取配比变量xt＝[x1,x2,x3,x4,x5,x6]T之前还包括：提取球团自动配料数据库中的行为数据，将所述特征向量通过特征-物品相关矩阵转化为推荐物品列表；根据所述行为数据获得当前用户的特征向量；根据所述特征向量和所述推荐物品列表获得初始推荐列表。4.根据权利要求1所述的一种球团原料最佳配比的自动推荐方法，其特征在于，所述根据所述球团矿抗压强度预报模型f采用天牛搜索算法确定所述球团矿抗压强度预报值f的最大值fbst具体包括：判断t是否小于tmax，如果是，根据公式获得一组单位向量其中，k表示维数，rnd()表示随机函数；根据公式确定所述配比变量xt的范围为其中，xr表示搜索区域的右侧位置，xl表示搜索区域的左侧位置，dt表示天牛须的探测距离；所述配比变量其中，δt表示搜索的步长，sign()表示符号函数；如果f(xt)＞fbst，fbst′＝f(xt)，xbst′＝xt；其中，天牛须的长度d...

【专利技术属性】
技术研发人员：韩阳，杨爱民，李杰，张玉柱，张欣，刘卫星，张友志，周旭，任翠环，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：河北,13