一种基于混合线性规划算法的炉渣粘度预测方法技术

本发明专利技术公开了一种基于混合线性规划算法的炉渣粘度预测方法，包括以下步骤：定义粘度样本库中数据的拟合公式，并采用最小二乘法获取距离系数的初始值和截距值；使用粘度样本库中每个样本点的数据按梯度下降的方向迭代优化距离系数，根据均方根误差值选择最优的距离系数；从粘度样本库中挑选若干个距离当前输入点最近的样本点，从中挑出4个样本点，使用行列式计算每种组合的权重因子；定义权重因子的成本函数，挑选成本函数最小的组合并用来计算炉渣粘度的预测值。本发明专利技术解决了测定炉渣粘度存在大滞后性的问题，在获取到炉渣的成分数据后即可立刻预测出当前的炉渣粘度，从而可及时采取调节措施将粘度始终控制在合适的区间内。取调节措施将粘度始终控制在合适的区间内。取调节措施将粘度始终控制在合适的区间内。

【技术实现步骤摘要】
一种基于混合线性规划算法的炉渣粘度预测方法


[0001]本专利技术涉及高炉自动控制
，尤其涉及一种基于混合线性规划算法的炉渣粘度预测方法。

技术介绍

[0002]高炉的炉渣粘度是指速度不同的两层液体之间的内摩擦系数，是流动性的倒数，直接关系到炉渣流动性的好坏，而炉渣流动性又直接影响高炉顺行和生铁质量，因此它是高炉工作者最关心的一个炉渣性质指标。
[0003]炉渣粘度对高炉冶炼有较大的影响，首先是粘度大小影响成渣带以下料柱的透气性，炉渣粘度过高，则在滴落带不能顺利流动，降低了焦炭骨架的空隙度，增加了煤气的阻力，影响高炉顺行。其次，粘度影响炉渣的脱硫能力。粘度低流动性好的炉渣有利于脱硫，粘度大流动性差的炉渣不利于脱硫。第三，炉渣粘度影响放渣操作，粘度过高的炉渣容易发生粘沟、渣口凝渣等现象，会造成放渣困难。最后，炉渣粘度还影响高炉的寿命。粘度高的炉渣在炉内容易形成渣皮，起保护炉衬的作用，而粘度过低，流动性好的炉渣会冲刷炉衬，缩短高炉寿命。
[0004]现场一般采用内柱体旋转法粘度计测定炉渣的粘度，首先需要采样并制造炉渣的样本，然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合线性规划算法的炉渣粘度预测方法，其特征在于，该方法包括以下步骤：步骤S10，收集炉渣的粘度样本数据，组成粘度样本库，定义粘度样本库中数据的拟合公式，并采用最小二乘法获取距离系数的初始值和截距值；步骤S20，使用粘度样本库中每个样本点的数据按梯度下降的方向迭代优化距离系数，根据均方根误差值选择最优的距离系数；步骤S30，从粘度样本库中挑选若干个距离当前输入点最近的样本点，从中挑出4个样本点，使用行列式计算每种组合的权重因子；步骤S40，定义权重因子的成本函数，挑选成本函数最小的组合并用来计算炉渣粘度的预测值。2.根据权利要求1所述的基于混合线性规划算法的炉渣粘度预测方法，其特征在于，所述步骤S10中的定义粘度样本库中数据的拟合公式的方法为：收集使用粘度计测量的粘度样本数据组成样本库，每个样本点中包含有炉渣4种成分的摩尔分数值，还有化验得到的粘度值，将粘度值取自然对数以后这两者之间具有更好的线性关系；定义粘度样本库中数据的拟合公式为：lnN＝σ
Ca
×
C
Ca
+σ
Mg
×
C
Mg
+σ
Si
×
C
Si
+σ
Al
×
C
Al
+β0式中，N为化验的粘度值，σ
Ca
和C
Ca
分别为CaO成分的距离系数和摩尔分数，σ
Mg
和C
Mg
分别为MgO成分的距离系数和摩尔分数，σ
Si
和C
S
i分别为SiO2成分的距离系数和摩尔分数，σ
Al
和C
Al
分别为Al2O3成分的距离系数和摩尔分数，β0为线性拟合公式中的截距值。其中，σ
Ca
、σ
Mg
、σ
Si
、σ
Al
、β0为待辨识的参数。3.根据权利要求2所述的基于混合线性规划算法的炉渣粘度预测方法，其特征在于，所述步骤S10中的采用最小二乘法获取距离系数的初始值的方法为：使用线性回归模型的最小二乘参数估计方法，计算距离系数的初始值，计算公式如下：式中，表示第k个距离系数的初始值，1≤k≤4，N
i
表示样本库中第i个样本的粘度值，S
N
为样本库中样本的个数，C
k，i
表示第i个样本的第k个摩尔分数，为S
N
个第k个摩尔分数的平均值；所述步骤S10中的根据距离系数初始值获取截距值的方法为：根据距离系数的初始值，按下式计算截距值：4.根据权利要求1所述的基于混合线性规划算法的炉渣粘度预测方法，其特征在于，所述步骤S20中的顺序使用每个样本点的数据按梯度下降的方向迭代优化距离系数的方法为：从样本库中的第一个样本开始顺序计算每一个样本的估计误差，设当前为第m个样本，则该样本的估计误差为：
式中，为使用样本库中第m
‑
1个样本更新后的第k个距离系数，1≤k≤4，C
k，m
为第m个样本的第k个摩尔分数，N
m
为第m个样本的粘度值；根据误差按照梯度下降的方向更新估计的距离系数：式中，为m次更新后的第k个系数，R
S
为梯度下降法的学习率参数。5.根据权利要求4所述的基于混合线性规划算法的炉渣粘度预测方法，其特征在于，所述步骤S20中的按照更新后的距离系数计算均方根误差，并判断是否小于误差阀值的方法为：采用了MSE均方根误差作为优化的目标函数，那么第m次更新后的目标函数为：设置误差阀值，若本次系数更新后的MSE指标低于该误差阀值，则优化算法结束，取当前的估计系数作为距离系数的最终值即：即：为m次更新后的第k个系数；若本次系数更新后的MSE指标高于误差阀值，则继续使用下一个样本数据循环执行。6.根据权利要求5所述的基于混合线性规划算法的炉渣粘度预测方法，其特征在于，所述步骤S20中的排序所有样本点的MSE指标，挑选最优的距离系数值的方法为：若使用完所有的样本点数据，所有计算的MSE指标都高于误差...

【专利技术属性】
技术研发人员：陈跃华，李鹏，
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：