一种高炉炼铁专家系统决策合成方法技术方案

本发明专利技术公开了一种高炉炼铁专家系统决策合成方法。以多种类型高炉专家系统的单独决策为输入，构造了四种决策合成算子模型，采用线性和非线性回归技术对决策合成算子模型进行参数辨识，以高炉炉况特征向量及各类型高炉专家系统的历史表现为选择依据，把最优化决策合成算子选择问题转化为一个分类器构造问题，采用非线性多分类支持向量机模型进行分类器建模，通过快速分类器训练算法得到最优分类器，进而利用该分类器对决策合成算子模型参数进行递推式的二次校正，由最优分类器动态选择出适合于当前炉况的最优决策合成算子形成高炉操作优化决策。对高炉冶炼过程的智能控制与决策的合成具有普遍的通用性，能提高高炉专家系统决策准确度与系统鲁棒性。

【技术实现步骤摘要】

本专利技术涉及高炉炼铁专家系统领域的知识融合及决策合成方法，尤其涉及 高炉炼铁专家系统连续型决策的合成方法。技术背景高炉炼铁过程是一个高度复杂的过程，其运动机制往往具有非线性、大时 滞、大噪声、分布参数等特征。同时，高炉本身是一个集传热与化学反应耦合 的开放体。以高炉专家系统的方式实现高炉冶炼过程的智能控制与决策，是冶 金科技发展的前沿课题[1]。按专家系统以何种机制形成决策的不同，传统高炉专 家系统可以划分为以两种1)基于知识推理的专家系统(例如文献[2]):以高 炉炼铁过程的实际生产经验为主要知识来源，形成知识库进而通过(模糊)逻 辑推理等方法来产生目标决策；2)基于理论模型的高炉专家系统(例如文献[3]): 从理论角度分析高炉炼铁过程中的物理化学过程，建立相应的数学模型并以理 论优化计算方式产生目标决策。大量实践证明，上述两种专家系统各具优势， 例如，基于知识推理的专家系统在炉况异常的情况下，其决策的准确度要优于 基于理论模型的专家系统，而在炉况正常的时候，基于理论模型的专家系统往 往能给出更准确的结果。因此，利用知识融合及决策合成技术巧妙地把各种类 型高炉专家系统的知识本文档来自技高网...

【技术保护点】
一种高炉炼铁专家系统决策合成方法，其特征在于包括如下步骤：１）以多种类型高炉专家系统的单独决策为输入，构造四种应用于决策值为连续实数的决策合成算子模型，即朴素选择决策合成算子、简单平均决策合成算子、加权平均决策合成算子和非线性回归决 策合成算子；２）采用线性回归和非线性回归技术分别辨识出上述四种决策合成算子的模型参数；３）将最优决策合成算子选择问题转化为多分类器问题；４）以多分类支持向量机为分类器模型，采用快速ＳＭＯ算法为训练方法求解出最优分类器 ；５）利用最优分类器对决策合成算子的模型参数进行递推式的二次校正，得到最终的决策合成算子...

【技术特征摘要】
1.一种高炉炼铁专家系统决策合成方法，其特征在于包括如下步骤1)以多种类型高炉专家系统的单独决策为输入，构造四种应用于决策值为连续实数的决策合成算子模型，即朴素选择决策合成算子、简单平均决策合成算子、加权平均决策合成算子和非线性回归决策合成算子；2)采用线性回归和非线性回归技术分别辨识出上述四种决策合成算子的模型参数；3)将最优决策合成算子选择问题转化为多分类器问题；4)以多分类支持向量机为分类器模型，采用快速SMO算法为训练方法求解出最优分类器；5)利用最优分类器对决策合成算子的模型参数进行递推式的二次校正，得到最终的决策合成算子模型；6)依次利用最优分类器和最终决策合成算子进行决策合成，获得高炉操作优化决策。2. 根据权利要求1所述的一种高炉炼铁专家系统决策合成方法，其特征在于 所述的朴素选择决策合成算子选择其中一个专家系统决策为合成后的决策， 假设有M个高炉专家系统参与决策合成，它们单独给出的决策值分别为 《,《，K，c/M，合成后的决策记为A，那么共有M种具体的决策合成算子，记为 WJ,，2hK,W/2^J，其中，,、1，2,KM，表示决策合成算子^按/2 =《的方式产生合成后的决策。3. 根据权利要求1所述的一种高炉炼铁专家系统决策合成方法，其特征在于所述的简单平均决策合成算子以多种类型高炉专家系统决策的平均值为合成 后的决策，假设有M个高炉专家系统参与决策合成，它们单独给出的决策值分 别为^,《,K,t^，合成后的决策记为/2，记该决策合算子为<formula>formula see original document page 2</formula>4.根据权利要求1所述的一种高炉炼铁专家系统决策合成方法，其特征在于 所述的加权平均决策合成算子以多种类型高炉专家系统决策的加权平均值为表示决策合成算子5^+j按/z:^Z《的方式产生合成后的决策。合成后的决策，假设有M个高炉专家系统参与决策合成，M个高炉专家系统单 独给出的决策值分别为4,《,K,c4,合成后的决策记为A，记该决策合成算子为表示决策合成算子^+2按/7=;^;^,的方式产生合成后的决策，其中& >(U = 1，2,K M是各专家系统决策的权重分配，且满足|>, =1。5.根据权利要求1所述的一种高炉炼铁专家系统决策合成方法，其特征在于 所述的非线性回归决策合成算子以多种类型高炉专家系统决策为回归项构造 非线性回归模型，并以回归模型输出值作为合成后的决策，假设有M个高炉专 家系统参与决策合成，它们单独给出的决策值分别为《,《，K,^^，合成后的决 策记为/2，记该决策合成算子为&/+3^ = /(《^2^，^/)}，其中/是非线性函数， 采用非线性回归支持向量机模型来表示/，记该决策合成算子为<formula>formula see original document page 3</formula>表示决策合成算子^+3按/^2^J^《,《,K ,《J的方式产生合成后的决策，其中r是支持向量的个数，A.是核函数系数，《是与第z'个支持向量对应的非线性 核函数。6.根据权利要求1所述的一种高炉炼铁专家系统决策合成方法，其特征在于所述的采用线性回归和非线性回归技术辨识决策合成算子模型参数以多种类 型高炉专家系统单独决策值的历史数据和真实决策值构造训练样本集Z-K，Z2,K Z，其中iV>0是历史数据的总数，即样本总数， Z, = {《,《2,K 乂,;^是第z'组样本，《，A: = 1,2,K M,表示专家A:在z'时的单独决 策，^是真实的决策。以Z为训练样本集，采用最小二乘算法辨识加权平均决策合成算子的模型参数，即式/2二Z;i,4中的A,v、l,2,KM，采用快速SMO支持向量机训练算法辨识非线性回归决策合成算子...

【专利技术属性】
技术研发人员：吴铁军，李艳君，于玲，朱学其，曾建明，杜方，崔承刚，孙丽丽，周微，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]