【技术实现步骤摘要】
本专利技术涉及数据处理，具体是指基于机器学习的高炉炼铁控制系统。
技术介绍
1、基于机器学习的高炉炼铁控制系统是针对炼铁过程中的自动化控制系统进行优化的一种技术方向。炼铁是将铁矿石还原制成铁的过程，在这个复杂的过程中，控制系统需要监测和调整多个参数和变量，以确保炼铁过程的稳定性、效率和产品质量。但是一般高炉炼铁控制系统存在模型对数据特征的表征能力差，模型无法理解数据的内在结构从而导致模型的适应性差，预测精度低的问题；一般高炉炼铁控制系统存在模型超参数设置不当及超参数搜索存在局部优化和收敛速度低的问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于机器学习的高炉炼铁控制系统，针对一般高炉炼铁控制系统存在模型对数据特征的表征能力差，模型无法理解数据的内在结构从而导致模型的适应性差，预测精度低的问题，本方案结合聚类和模糊理论，更好地识别数据聚类特征和模糊规律，基于聚类分析和模糊划分矩阵计算，为模型提供更灵活和全面的数据特征，充分考虑时间序列数据的特性，提高了模型对数...
【技术保护点】
1.基于机器学习的高炉炼铁控制系统，其特征在于：系统包括数据采集模块、数据预处理模块、高炉炼铁预测模型建立模块、模型超参数设置模块和高炉炼铁控制模块；
2.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：所述高炉炼铁预测模型建立模块具体包括以下内容：
3.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：所述高炉炼铁预测模型建立模块还包括：
4.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：所述模型超参数设置模块具体包括以下内容：
5.根据权利要求1所述的基于机器学习的高炉...
【技术特征摘要】
1.基于机器学习的高炉炼铁控制系统，其特征在于：系统包括数据采集模块、数据预处理模块、高炉炼铁预测模型建立模块、模型超参数设置模块和高炉炼铁控制模块；
2.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：所述高炉炼铁预测模型建立模块具体包括以下内容：
3.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：所述高炉炼铁预测模型建立模块还包括：
4.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：所述模型超参数设置模块具体包括以下内容：
5.根据权利要求1所述的基于机器学习的高炉炼铁控制系统，其特征在于：在数据采集模块中，所述高炉操作数据包括炉内温度、压力、气体流速和物料投入速度；所述原料数据包括铁矿石的成...
【专利技术属性】
技术研发人员：杜学强，王跃林，宋占贤，钱俊磊，安江伟，徐晓亮，
申请(专利权)人：唐山阿诺达自动化有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。