一种基于BP网络模型的煤灰熔点预测方法.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CN110457784A(43)申请公布日2019.11.15(21)申请号201910672743.6(22)申请日2019.07.24(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)发明人王广伟宁晓钧梁旺张建良(74)专利代理机构北京金智普华知识产权代理有限公司11401代理人皋吉甫(51)Int.Cl.G06F17/50(2006.01)G06N3/04(2006.01)G06Q10/04(2012.01)权利要求书1页说明书3页附图2页(54)发明名称一种基于BP网络模型的煤灰熔点预测方法(57)摘要本发明公开了一种基于BP网络模型的煤灰熔点预测方法。基于高炉喷吹煤粉，构建以煤灰的氧化物成分为输入，煤灰变形温度为输出的3层BP网络模型。确定样本后，通过对样本的在线训练，逐步确定BP网络结构的各个参数，最终通过BP网络模型的应用得到最优解。本发明的优点：1)BP网络模型采用误差反向传播的方式，通过对误差的逐级调整，最终达到最小化误差值的目的；2)由于目前高炉喷吹煤灰熔点的测量具有一定的时效性，通过该网络模型的建立，可以实现对煤灰熔点快速、准确的预测。CN110457784ACN110457784A权利要求书1/1页1.一种基于BP网络模型的煤灰熔点预测方法，其特征在于，所述方法包括以下步骤：步骤一：将煤灰熔点作为研究对象，确定输入和输出函数；步骤二：选择并收集训练样本的相关数据，并对数据进行归一化处理，从而降低计算量并减小误差；步骤三：确定网络结构，设定训练函数、传递函数、学习率、训练步数和最大误差参数，并通过对比分析获得最优参数，以获得的最优参数，基于网络结构，建立模型；步骤四：使用训练样本对模型进行训练，然后采用测试样本对训练结果进行测试，取得结果后，得到最优的网络预测模型;步骤五：将输出所对应的输入变量，输入到步骤四中的最优的网络预测模型中，最终获得煤灰变形温度。2.根据权利要求1所述的BP网络模型预测方法，其特征在于，所述步骤二中选择并收集的样本数据包括输入和输出，其中，输入内容为煤灰化学成分中八种主要成分的质量百分比，八种主要成分分别为煤灰化学成分中的SiO2、Al2O3、CaO、Fe2O3、SO3、K2O、TiO2和MgO，输出内容为煤灰的DT值。3.根据权利要求1所述的BP网络模型预测方法，其特征在于，所述步骤二中样本的归一化处理方法具体为将数据归一化至[0，1]之间，采用的公式为：y=(x-xmin)/(xmax-xmin)，其中，y为归一化后的数值，x为原始数据值，xmin为原始数据中的最小值，xmax为原始数据中的最大值。4.根据权利要求1所述的BP网络模型预测方法，其特征在于，所述步骤三中的网络结构为三层网络结构，分别为输入层、隐藏层和输出层，所述隐藏层用于对相关数据进行处理，具体包括：确定网络结构、获取最优参数、训练测试出最优的网络预测模型以及根据网络预测模型，对煤灰熔点进行预测。5.根据权利要求1所述的BP网络模型预测方法，其特征在于，所述步骤三中获得最优参数的方法具体为：通过对比分析可用的训练函数和传递函数，寻找到最佳的函数组合，然后通过最低误差选定隐藏层所应包含的神经元个数，完成BP网络结构的基本构建。6.根据权利要求1所述的BP网络模型预测方法，其特征在于，所述步骤三中学习率、训练步数和最大误差参数的获取方法具体为：在网络的学习和训练过程中，通过不断调节学习率，确定最适合预测DT温度的学习率，并根据训练的收敛情况设定合适的训练步数和最大误差，调试完成后运行网络预测模型获得训练结果。2CN110457784A说明书1/3页一种基于BP网络模型的煤灰熔点预测方法技术领域[0001]本发明涉及煤灰变形温度预测技术领域，尤其是指一种基于BP网络模型的煤灰熔点预测方法。背景技术[0002]在高炉喷吹煤粉的过程中，热风温度一般在1100℃以上，在这个环境下，主要是煤中的矿物质进行的物理和化学变化。由于不同煤种具有不同的矿物质成分，高温下某些矿物质的存在会导致较早的出现液相，在设备表面进行粘接，这种现象被人们称为结渣。为了可以定量的表征煤灰结渣性能，提出了四个特征温度，用于表征煤灰的熔融特性，分别为：开始熔化温度(DT)、软化温度(ST)、半球温度(HT)和流动温度(FT)。当温度达到DT，说明煤灰开始熔化并产生一定的黏度，当温度达到ST，煤灰黏度进一步增大，设备表面开始出现粘结现象，当温度达到FT，粘结现象已经非常严重，煤灰中存在大量的液相，HT通常不用于表示结渣过程。高炉喷吹煤粉过程通常伴随着热风的鼓入，为了保证煤粉顺利喷入高炉内不产生结渣的现象，需要保证煤灰的DT温度高于热风温度，因此预测DT的温度