一种基于BP神经网络的干熄焦烧损率实时计算方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113515043A(43)申请公布日2021.10.19(21)申请号202110681548.7(22)申请日2021.06.18(71)申请人上海源矩技术有限公司地址200000上海市浦东新区中国（上海）自由贸易试验区临港新片区宏祥北路83弄1-42号20幢118室(72)发明人袁本雄胡中平邵胜平徐浩展曾阳徐正(74)专利代理机构鞍山嘉讯科技专利事务所(普通合伙)21224代理人张群(51)Int.Cl.G05B13/04(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于BP神经网络的干熄焦烧损率实时计算方法(57)摘要本发明提供一种基于BP神经网络的干熄焦烧损率实时计算方法，包括：步骤一、确定输入层和输出层的参数：输入层输入的参数是干熄焦系统的基本操作数据，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风CO含量、循环风CO2含量、循环风H2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；输出层的输出参数只有一个——焦炭烧损率；步骤二、构造神经网络，根据前述内容构造干熄炉焦炭实时计算神经网络系统；步骤三、确定训练样本；步骤四、BP神经网络的学习训练。对于属于非线性模糊系统的干熄焦系统的焦炭烧损率的计算采用基于BP神经网络的计算方案，计算迅速、结果精确、影响因素少、针对性强。CN113515043ACN113515043A权利要求书1/2页1.一种基于BP神经网络的干熄焦烧损率实时计算方法，其特征在于，包括如下步骤：步骤一、确定输入层和输出层的参数输入层输入的参数是干熄焦系统的基本操作数据，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风CO含量、循环风CO2含量、循环风H2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；输出层的输出参数只有一个——焦炭烧损率；步骤二、构造神经网络根据前述内容构造干熄炉焦炭实时计算神经网络系统，其中输入层有11个参数，包括：焦炭温度、干熄炉料位、空导阀门开度、预存段负压、循环风机转速、循环风CO含量、循环风CO2含量、循环风H2含量、锅炉入口风温、锅炉给水量、干熄炉排焦温度；对应11个神经元，中间层有n个神经元，输出层一个参数：焦炭烧损率，对应1个神经元；步骤三、确定训练样本选定一个月做为训练样本数据采集期，在进行样本数据采集之前，对相应的仪表进行校准，然后对11个输入层参数和1个输出层参数进行数据采集；编号代号内容数据来源输入层参数1a1出焦炉号生产记录2a2干熄炉料位山控室PLC记录3a3空导阀门开度中控室PLC记录4a4预存段负压中控室PLC记录5a5循环风机转速中控室PLC记录6a6循环风CO含量中控室PLC记录7a7循环风CO2含量中控室PLC记录8a8循环风H2含量中控室PLC记录9a9锅炉入口风温中控室PLC记录10a10锅炉给水量中控室PLC记录11a11干熄炉排焦温度中控室PLC记录输出层参数1y焦炭烧损率轨道秤和皮带秤生产记录输入层样本用向量A表示，Ak＝(a1，a2，……a11)；输出层样本用向量Y表示，Yk＝(y)；其中k＝1，2，……30，为采集的样本对数量；步骤四、BP神经网络的学习训练。2.根据权利要求l所述的一种基于BP神经网络的干熄焦烧损率实时计算方法，其特征在于，所述的步骤四中，BP神经网络的学习训练由以下过程组成：1)模式顺传播过程；该过程就是将已知模式即已知网络的输入和输出的输入值提供给网络的输入层神经元，网络按照神经的数学模型向输出层进行传播计算；输入层的11个神经元不做计算直接输出给中间层神经元，输入层神经元用i来表示，i＝1，2，……11中间层2CN113515043A权利要求书2/2页的神经元用j表示，其输入值为其中wij是神经元i到j的突触连接系数或称权重值；Tj是神经元j的阈值；中间层神经元的输出转换函数为线性函数、斜面函数、阈值函数、单极S函数、双极S函数、TanH函数、ReLU函数或Swish函数其中的一种，这样中间层神经元的输出中间层神经元的输出作为输出层神经元的输入信号，输出层神经元的输出转换函数采用单极S函数，这样输出层神经元的输入信号为σ＝νjoj‑γ，输出层神经元的输出信号其中νj是是中间层j神经元到输出层神经元的连接权，γ是输出层神经元的阈值；至此一个输入模式完成了一遍顺传播过程；2)误差逆传播过程；误差的逆传播过程就是将网络顺向计算所得的输出值也就是网络响应值与我们希望输出之间的误差，再乘上一个修正因子之后，按反向网络传播，得到各神经元的校正误差；输出层的校正误差为Δk＝(Yk‑Φk)f′(σk)＝(Yk‑Φk)Φk(1‑Φk)，中间层各神经元的校正误差为3)训练过程