一种高炉炉墙内型的判断方法、终端设备及存储介质技术

本发明专利技术涉及一种高炉炉墙内型的判断方法、终端设备及存储介质，该方法中包括：S1：采集一段时间内的表征炉墙内型变化的参数值和经济技术指标参数值，提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值并作为一个样本；S2：采用聚类算法对所有样本进行聚类，根据聚类结果确定不同类别的分类标准，并根据每一类别的所有样本对应的所有经济技术指标参数值确定该类别对应的炉墙内型的状态；S3：实时获取当前的表征炉墙内型变化的参数值，通过将其与分类标准进行比较，确定其所属的类别，根据类别确定其所属的炉墙内型的状态。本发明专利技术通过聚类算法，得到一种快速、直观地判断当前高炉炉墙内型状态的方法。高炉炉墙内型状态的方法。高炉炉墙内型状态的方法。

【技术实现步骤摘要】
一种高炉炉墙内型的判断方法、终端设备及存储介质


[0001]本专利技术涉及高炉炼铁领域，尤其涉及一种高炉炉墙内型的判断方法、终端设备及存储介质。

技术介绍

[0002]高炉的炉墙内型是由高炉的设计内型随着炉衬侵蚀和渣皮变化而演变形成的，是影响高炉稳定顺行和低耗长寿的重要因素。
[0003]在实际生产中，由于冷却条件和高炉操作的共同作用，渣皮不断生成和脱落，使得高炉的炉墙内型处于动态变化之中。当高炉的炉墙内型变化频繁时，会影响冷却壁的寿命，不利于高炉长寿；在炉墙变化剧烈的情况下，甚至造成炉凉等操作问题，影响高炉的正常生产。因此，在高炉操作中，需要对炉墙的内型进行实时的监控和分析。
[0004]但是，由于高炉的密闭性，很难对高炉的炉墙内型进行直接的检测，因此大部分高炉都是采用间接的检测方法，比如根据冷却壁温度或是冷却水水温差的变化进行判断，但这种方式主要受限于操作人员的水平，也无法直观的体现炉墙内型的状态。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种高炉炉墙内型的判断方法、终端设备及存储介质。
[0006]具体方案如下：
[0007]一种高炉炉墙内型的判断方法，包括以下步骤：
[0008]S1：采集一段时间内的表征炉墙内型变化的参数值和经济技术指标参数值，提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值并作为一个样本；
[0009]S2：采用聚类算法对所有样本进行聚类，根据聚类结果确定不同类别的分类标准，并根据每一类别的所有样本对应的所有经济技术指标参数值确定该类别对应的炉墙内型的状态；
[0010]S3：实时获取当前的表征炉墙内型变化的参数值，通过将其与分类标准进行比较，确定其所属的类别，根据类别确定其所属的炉墙内型的状态。
[0011]进一步的，提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值的方法为：根据经济技术指标参数的采样周期，将采样周期对应的表征炉墙内型变化的每个参数的值设定为其在采样周期内的平均值。
[0012]进一步的，提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值之前还包括对采集的所有表征炉墙内型变化的参数值进行滤波处理。
[0013]进一步的，将表征炉墙内型变化的参数值作为样本的属性，通过聚类算法对样本的属性进行聚类。
[0014]进一步的，聚类前还包括对每个样本的属性进行归一化处理，具体计算公式为：
[0015][0016][0017][0018]其中，下标l表示样本的序号，下标p表示样本的第p个属性，N
l,p
表示第l个样本的第p个属性的归一化处理结果，x
l,p
表示第l个样本的第p个属性的值，表示所有样本中第p个属性的平均值，n表示样本的总数，σ
p
表示所有样本中第p个属性的标准差。
[0019]进一步的，聚类处理采用AP聚类算法，具体包括以下步骤：
[0020]S21：将归属度矩阵和吸引度矩阵的信息初始化设定为0；
[0021]S22：更新吸引度矩阵：
[0022][0023]其中，i、k均表示样本的序号，k
’
表示参与竞争的类的代表样本的序号，t表示迭代次数，r
t
(i,k)表示第t次迭代对应的样本k适合作为样本i的类代表的程度，s(i,k)表示样本i和k的相似度，a
t
(i,k')表示第t次迭代对应的样本i选择样本k
’
作为其类代表点的程度，r
t
(i,k')表示第t次迭代对应的样本k
’
适合作为样本i的类代表的程度，s(i,k')表示样本i和k
’
的相似度；
[0024]S23：更新归属度矩阵：
[0025][0026]其中，i
’
表示选择k为代表样本的其它样本，a
t+1
(i,k)表示第t+1次迭代对应的样本i选择样本k作为其类代表点的程度，r
t+1
(k,k)表示第t+1次迭代对应的样本k适合作为样本k的类代表的程度，r
t+1
(i',k)表示第t+1次迭代对应的样本i
’
适合作为样本k的类代表的程度；
[0027]S24：根据衰减系数λ对归属度矩阵和吸引度矩阵进行衰减：
[0028]r
t+1
(i,k)＝λ
·
r
t
(i,k)+(1-λ)
·
r
t+1
(i,k)
[0029]a
t+1
(i,k)＝λ
·
a
t
(i,k)+(1-λ)
·
a
t+1
(i,k)
[0030]S25：重复步骤S22-S24，直到收敛或达到最大迭代次数。
[0031]进一步的，样本i和k的相似度s(i,k)的计算公式为：
[0032][0033]其中，w
j
表示样本第j个属性的权重，j表示样本属性的个数，x
i,j
、x
k,j
分别表示第i个样本的第j个属性和第k个样本的第j个属性。
[0034]进一步的，步骤S3中设定实时判断的判断周期，将实时采集的一个判断周期内的
表征炉墙内型变化的参数值进行平均处理，将平均处理后的平均值与分类标准进行比较。
[0035]一种高炉炉墙内型的判断终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例上述的方法的步骤。
[0036]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例上述的方法的步骤。
[0037]本专利技术采用如上技术方案，基于数据挖掘方式对高炉墙内型的状态进行判断，通过对表征高炉炉墙内型状态的历史数据参数值进行挖掘，得到对应各种不同类型炉墙内型状态的分类标准，然后根据当前的参数值与分类标准进行比较，进而判断当前的炉墙内型状态，帮助操作者快速、直观地获取当前炉墙内型的状态；采用自动分类的数据挖掘方法，具有较高的通用性。
附图说明
[0038]图1所示为本专利技术实施例一的流程图。
具体实施方式
[0039]为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。
[0040]现结合附图和具体实施方式对本专利技术进一步说明。
[0041]实施例一：
[0042]本专利技术实施例提供了一种高炉炉墙内型的判断方法，如图1所示，所述方法包括以下步骤：
[0043]S1：采集一段时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高炉炉墙内型的判断方法，其特征在于，包括以下步骤：S1：采集一段时间内的表征炉墙内型变化的参数值和经济技术指标参数值，提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值并作为一个样本；S2：采用聚类算法对所有样本进行聚类，根据聚类结果确定不同类别的分类标准，并根据每一类别的所有样本对应的所有经济技术指标参数值确定该类别对应的炉墙内型的状态；S3：实时获取当前的表征炉墙内型变化的参数值，通过将其与分类标准进行比较，确定其所属的类别，根据类别确定其所属的炉墙内型的状态。2.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值的方法为：根据经济技术指标参数的采样周期，将采样周期对应的表征炉墙内型变化的每个参数的值设定为其在采样周期内的平均值。3.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：提取每个经济技术指标参数值对应的表征炉墙内型变化的参数值之前还包括对采集的所有表征炉墙内型变化的参数值进行滤波处理。4.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：将表征炉墙内型变化的参数值作为样本的属性，通过聚类算法对样本的属性进行聚类。5.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：聚类前还包括对每个样本的属性进行归一化处理，具体计算公式为：样本的属性进行归一化处理，具体计算公式为：样本的属性进行归一化处理，具体计算公式为：其中，下标l表示样本的序号，下标p表示样本的第p个属性，N
l,p
表示第l个样本的第p个属性的归一化处理结果，x
l,p
表示第l个样本的第p个属性的值，表示所有样本中第p个属性的平均值，n表示样本的总数，σ
p
表示所有样本中第p个属性的标准差。6.根据权利要求1所述的高炉炉墙内型的判断方法，其特征在于：聚类处理采用AP聚类算法，具体包括以下步骤：S21：将归属度矩阵和吸引度矩阵的信息初始化设定为0；S22：更新吸引度矩阵：其中，i、k均表示样本的序号，k
’
表示参与竞争的类的代表样本的序号，t表示迭代次数，r
t
(i,k)表示第t次迭代对应的样本k适合作为样本i的类代表的程度，s(i,k)表示样本i和k的相似度，a
t
(i,k')表示第t次迭代对应的样本i选择样本k
’

【专利技术属性】
技术研发人员：李鹏，叶理德，秦涔，欧燕，崔伟，
申请(专利权)人：中冶南方工程技术有限公司，
类型：发明
国别省市：