一种中小型转炉的终点碳含量和终点温度预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115456264A(43)申请公布日2022.12.09(21)申请号202211062538.6(22)申请日2022.09.01(71)申请人北京科技大学地址100083北京市海淀区学院路30号(72)发明人贺东风黄涵锐冯凯郭园征(74)专利代理机构北京市广友专利事务所有限责任公司11237专利代理师张仲波(51)Int.Cl.G06Q10/04(2012.01)G06K9/62(2022.01)G06Q50/04(2012.01)权利要求书2页说明书14页附图3页(54)发明名称一种中小型转炉的终点碳含量和终点温度预测方法(57)摘要本发明提供了一种中小型转炉的终点碳含量和终点温度预测方法，属于智能冶炼工艺领域。所述预测方法获取中小型转炉的历史生产数据并进行维度筛选，再基于共享最近邻传播SNN‑AP算法构建聚类模型，将筛选后的数据集输入聚类模型，得到基于模型训练数据集的聚类中心点集及对应的聚类数据集，为每类数据集建立终点碳含量预测模型和终点温度预测模型；将每个类别的数据集输入对应的预测模型进行训练，得到成熟的预测模型；采集中小型转炉与比较数列对应的数据项，输入对应类别的成熟的预测模型，得到预测的当前碳含量及温度。本发明利用SNN‑AP聚类算法将相似炉况的冶炼数据归纳区分，提高了终点碳含量和终点温度预测的准确度和精度。CN115456264ACN115456264A权利要求书1/2页1.一种中小型转炉的终点碳含量和终点温度预测方法，其特征在于，包括如下步骤：步骤S1，获取中小型转炉的历史生产数据，并对历史生产数据进行维度筛选，得到用于模型训练的数据集；步骤S2，基于共享最近邻传播SNN‑AP算法构建聚类模型，将所述用于模型训练的数据集输入所述聚类模型，得到基于模型训练数据集的聚类中心点集及对应的聚类数据集；步骤S3，为每类数据集建立终点碳含量预测模型和终点温度预测模型；步骤S4，将每个类别的数据集输入对应的所述终点碳含量预测模型及终点温度预测模型进行训练，得到成熟的终点碳含量预测模型及终点温度预测模型；步骤S5，采集所述中小型转炉与所述比较数列对应的数据项，输入对应类别的成熟的终点碳含量预测模型及终点温度预测模型，得到预测的当前碳含量及温度。2.根据权利要求1所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，步骤S1所述对历史生产数据进行维度筛选，首先筛除异常数据后，再选用灰色关联度算法进行数据分析和选取。3.根据权利要求2所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，所述灰色关联度算法包括：步骤S11，选定参考数列和比较数列；其中，选定终点碳含量与终点温度为参考数列；选定除终点碳含量与终点温度以外的数据项数列为比较数列；步骤S12，对所述参考数列和比较数列进行无量纲化处理；步骤S13，计算处理后的参考数列和比较数列间的灰色关联系数与灰色关联度。4.根据权利要求3所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，采用邓氏关联度计算灰色关联系数与灰色关联度。5.根据权利要求1所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，所述共享最近邻传播SNN‑AP算法，设置数据量为n的m维数据集Dn×m，以数据集内两数据i、k间相似度s(i,k)为基础，计算描述点k适合作为数据点i的聚类中心程度的吸引度r(i,k)，由此组成的吸引度矩阵R如式(1)所示：R＝[r(i,k)]n×n(1)计算描述点i选择点k适合作为其聚类中心程度的归属度a(i,k)，由此组成的归属度矩阵A如式(2)所示：A＝[a(i,k)]n×n(2)式(1)和(2)中，r(i,k)表示点k作为中心点对点i的吸引度，a(i,k)表示点k作为中心点时，点i归属于点k的归属度。6.根据权利要求5所述的中小型转炉的终点碳含量和终点温度预测方法，其特征在于，所述共享最近邻传播SNN‑AP算法的运行过程包括：步骤S21，对R、A两个矩阵及中心未变次数进行初始化，计算数据集的相似度矩阵S＝[s(i,k)]n×n；步骤S22，以相似度矩阵S＝[s(i,k)]n×n为基础，对吸引度矩阵R＝[r(i,k)]n×n、归属度矩阵A＝[a(i,k)]n×n两个信息量矩阵进行交替更新；步骤S23，以r(i,i)+a(i,i)＞0作为预设规则，当点i对自身的吸引度和自身的归属度之和大于0时，选择该点作为聚类中心点；2CN115456264A权利要求书2/2页步骤S24，当多次迭代得到的聚类中心点集均未变化时，或迭代次数达到预设最大值时，结束迭代，并得到最终的聚类中心点集；步骤S25，以max(a(i,j)+r(i,j))作为规则，将聚类中心点外的其余点分配至合适的聚类中心点下，从而得到最终