一种数据与知识融合的烧结矿FeO预测方法及系统技术方案

本发明专利技术公开了一种数据与知识融合的烧结矿FeO预测方法及系统，通过获取与烧结矿FeO含量关联的样本参数和样本参数的数据密度中心，基于烧结料层最高温度利用机理知识库在线推理烧结FeO含量等级以及根据样本参数的数据密度中心和烧结FeO含量等级，构建烧结过程FeO含量在线估计模型，实现预测烧结矿FeO含量，解决了现有烧结矿FeO含量预测精度低的技术问题，且通过利用基于核函数高维映射数据密度中心提取解决由于采样频率不一造成的数据不统一的问题，有利于提高烧结矿FeO含量预测精度。此外，基于LSTM网络实现烧结过程FeO含量全时空在线准确预估，确保烧结过程异常情况及时反馈，提升烧结矿整体质量。提升烧结矿整体质量。提升烧结矿整体质量。

【技术实现步骤摘要】
一种数据与知识融合的烧结矿FeO预测方法及系统


[0001]本专利技术主要涉及高炉炼铁检测领域，特指一种数据与知识融合的烧结矿FeO预测方法及系统。

技术介绍

[0002]烧结过程是钢铁流程种的关键工序，提供了高炉炼铁生产所需的绝大多数优质人造富矿。烧结矿FeO含量是评价烧结生产的一项综合性指标，它反映了烧结过程的动态控制状况，与烧结矿的还原性、转股强度、低温还原粉化率、高温软化与熔滴性能密切相关，是评价烧结矿质量的重要参数。烧结矿中FeO含量过高会降低烧结矿的还原性，高炉焦比上升，过低会导致高炉炉内透气性变差，影响高炉平稳顺行。因此，实现在线预测烧结过程FeO含量，对提升烧结矿质量具有重要意义。
[0003]由于烧结密闭，高温的生产过程，无法直接检测烧结过程内部的FeO含量，在传送带上采样的烧结矿化验得到的FeO含量值具有较大的滞后性，无法实时指导烧结过程生产控制。目前国内大多数烧结厂，烧结矿FeO含量在线检测主要依靠人工经验与机尾断面图像相结合进行FeO含量范围预估，利用烧结机尾图像提取气孔面积、红层分布以及断面温度等特征，与智能模型相结合预测烧结矿FeO含量，模型的预测精度依赖于机尾断面图像的清晰度和关键帧获取，因而无法实现在线连续快速准确的预估烧结矿FeO含量。
[0004]公开专利号CN105276988A专利技术专利提出了一种烧结矿机尾断面FeO含量的控制方法，采用红外、可见光双CCD图像监测系统，获取断面特征数据包，通过模糊聚类系统和神经网络系统分析烧结矿FeO含量等级。
[0005]该方法的技术方案需要多套专用设备，红外、可见光双CCD图像检测系统，均需要高精密的镜头，以保证图像获取的清晰度，但烧结机尾属于多粉尘环境，镜头易损坏、设备整体成本高且无法长时间现场作业，不具有普用性。
[0006]公开专利号CN104977316A专利技术专利提出了一种判别烧结矿FeO含量趋势的方法，利用大烟道温度和环冷废气温度差值与烧结矿FeO含量间关系，建立温差区间与FeO含量的映射关系，从而预判烧结矿FeO含量。
[0007]烧结矿中FeO含量的生成是复杂的化学物理变化过程，而该专利仅仅考虑了大烟道温度和环冷废气温度对烧结矿FeO含量的影响，忽略了烧结原料参数和其他过程参数的影响，因此模型的准确性得不到保证。
[0008]公开专利号CN111128313A专利技术提出了一种烧结矿FeO含量检测方法及系统，该方法通过获取机尾红外热图像，并结合尾部粉尘变化规律提取关键帧图像的深浅层次特征，基于吉布斯自由能定理的烧结过程多相热力学模型获取烧结矿最高温度的FeO含量分类特征，从而实时在线预测烧结矿FeO含量。
[0009]该方法建立烧结过程多相热力学模型仅考虑了燃料燃烧放热，忽略了烧结过程中的碳酸盐分解放热、水分蒸发吸热等情况，烧结过程多相热力学模型的精度有待提高，且FeO含量预测模型采用的是BP神经网络，在长时间的现场作业情况下，易出现过拟合情况，
从而导致检测系统瘫痪。

技术实现思路

[0010]本专利技术提供的数据与知识融合的烧结矿FeO预测方法及系统，解决了现有烧结矿FeO含量预测精度低的技术问题。
[0011]为解决上述技术问题，本专利技术提出的数据与知识融合的烧结矿FeO预测方法包括：
[0012]获取历史现场数据，并基于历史现场数据采集与烧结矿FeO含量关联的样本参数，样本参数包括烧结过程工艺参数、烧结料原始参数以及混合料的物理化学成分信息；
[0013]获取样本参数的数据密度中心；
[0014]获取烧结料层最高温度，并基于烧结料层最高温度利用机理知识库在线推理烧结FeO含量等级，其中烧结FeO含量等级包含三个等级；
[0015]根据样本参数的数据密度中心和烧结FeO含量等级，构建烧结过程FeO含量在线估计模型，并基于烧结过程FeO含量在线估计模型，预测烧结矿FeO含量。
[0016]进一步地，基于历史现场数据采集与烧结矿FeO含量关联的样本参数包括：
[0017]基于历史现场数据，利用灰色关联分析法，结合机理分析对烧结过程工艺参数和烧结料原始参数进行相关性分析；
[0018]确定与烧结过程烧结矿FeO含量关联度大于0.5的烧结过程工艺参数和烧结料原始参数，作为与烧结矿FeO含量关联的样本参数。
[0019]进一步地，获取样本参数的数据密度中心包括：
[0020]利用拉伊达准则，剔除样本参数中的异常检测值；
[0021]对剔除异常检测值后的样本参数进行归一化处理；
[0022]基于核函数高维映射，求解归一化后的样本参数的数据密度中心。
[0023]进一步地，基于核函数高维映射，求解归一化后的样本参数的数据密度中心包括：
[0024]将归一化后的样本参数的数据集通过核函数映射到高维欧几里得空间，其映射集为其中为满足Mecers条件的高斯函数k(x,x
i
(k))，且x
i
(k)表示第i个输入参数序列中第k个数据点，N表示第i个输入参数序列的样本数，σ表示高斯函数的伸缩量。
[0025]从映射集依次选取k＝k+1，计算的γ
‑
Neighborhood大小其中γ为距离阈值，具体为且距离系数ε
i
取值为0.1
‑
0.2，X
imax
,X
imin
分别表示映射集在第d维度空间沿p方向最大值和最小值，d表示映射维度，为映射点和的欧式距离，具体为
[0026]初始化集合存在则称为核心对象若不唯一，则将数据集映射到更高维度欧几里得空间，直至核心
对象唯一，将x
i
(k)放到集合B中组成数据集r表示经过密度中心求解后第i个输入参数序列的样本数。
[0027]进一步地，获取烧结料层最高温度包括：
[0028]利用微元分析，将烧结过程当作静态不稳定传热，就气体和固体颗粒进行热平衡计算，得到烧结过程气
‑
固传热方程；
[0029]对烧结过程气
‑
固传热方程进行细化，燃烧带是烧结过程中温度分布最高区域，在预设假设的条件下，确定烧结过程燃烧带的气
‑
固传热方程；
[0030]利用烧结过程燃烧带的气
‑
固传热方程，以料层表面气体流速、初始温度、主要成分含量、烧结混合料的物理性质作为输入，在线求解烧结料层最高温度。
[0031]进一步地，烧结过程FeO含量在线估计模型具体为长短期记忆网络。
[0032]进一步地，烧结过程工艺参数和烧结料原始参数具体包括料层高度、料层原始透气性、返矿量、大烟道温度、风箱废气温度、风箱负压、点火温度、环冷机速度、烧结机速度、空支流量、煤支流量、混合料SiO2含量、混合料CaO含量，混合料的物理化学成分信息包括密度、孔隙率、颗粒直径、表面初始温度、含碳量、碳酸盐占比、导热系数。
[0033]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据与知识融合的烧结矿FeO预测方法，其特征在于，所述方法包括：获取历史现场数据，并基于所述历史现场数据采集与烧结矿FeO含量关联的样本参数，所述样本参数包括烧结过程工艺参数、烧结料原始参数以及混合料的物理化学成分信息；获取样本参数的数据密度中心；获取烧结料层最高温度，并基于所述烧结料层最高温度利用机理知识库在线推理烧结FeO含量等级，其中烧结FeO含量等级包含三个等级；根据样本参数的数据密度中心和烧结FeO含量等级，构建烧结过程FeO含量在线估计模型，并基于所述烧结过程FeO含量在线估计模型，预测烧结矿FeO含量。2.根据权利要求1所述的数据与知识融合的烧结矿FeO预测方法，其特征在于，基于所述历史现场数据采集与烧结矿FeO含量关联的样本参数包括：基于所述历史现场数据，利用灰色关联分析法，结合机理分析对烧结过程工艺参数和烧结料原始参数进行相关性分析；确定与烧结过程烧结矿FeO含量关联度大于0.5的烧结过程工艺参数和烧结料原始参数，作为与烧结矿FeO含量关联的样本参数。3.根据权利要求1或2所述的数据与知识融合的烧结矿FeO预测方法，其特征在于，获取样本参数的数据密度中心包括：利用拉伊达准则，剔除所述样本参数中的异常检测值；对剔除异常检测值后的样本参数进行归一化处理；基于核函数高维映射，求解归一化后的样本参数的数据密度中心。4.根据权利要求3所述的数据与知识融合的烧结矿FeO预测方法，其特征在于，基于核函数高维映射，求解归一化后的样本参数的数据密度中心包括：将归一化后的样本参数的数据集通过核函数映射到高维欧几里得空间，其映射集为其中为满足Mecers条件的高斯函数k(x,x
i
)，且x
i
(k)表示第i个输入参数序列中第k个数据点，N表示第i个输入参数序列的样本数，σ表示高斯函数的伸缩量；从映射集依次选取k＝k+1，计算的γ
‑
Neighborhood大小其中γ为距离阈值，具体为且ε
i
取值为0.1
‑

【专利技术属性】
技术研发人员：蒋朝辉，黄良，蒋珂，张海峰，方怡静，桂卫华，
申请(专利权)人：广西柳钢东信科技有限公司，
类型：发明
国别省市：