一种加热炉生产过程中板坯温度在线测量方法.pdf

(19)中华人民共和国国家知识产权局*CN102564644A*(12)发明专利申请(10)申请公布号CN102564644A(43)申请公布日2012.07.11(21)申请号201110428492.0(22)申请日2011.12.20(71)申请人东北大学地址110819辽宁省沈阳市和平区文化路3号巷11号(72)发明人唐立新唐振浩杨阳(74)专利代理机构沈阳东大专利代理有限公司21109代理人梁焱(51)Int.Cl.G01K13/00(2006.01)G06F19/00(2011.01)权利要求书权利要求书2页2页说明书说明书77页页附图附图33页(54)发明名称一种加热炉生产过程中板坯温度在线测量方法(57)摘要一种加热炉生产过程中板坯温度在线测量方法，涉及加热炉中板坯温度在线检测技术领域，利用历史数据建立最小二乘支持向量机板坯温度软测量模型，采用粒子群优化算法优化LS-SVM板坯温度软测量模型的参数，建立好模型后，实时计算板坯温度，本发明所提方法能够实时、高精度的得到板坯温度，计算速度快，计算精度高，能够满足在线生产需要，达到提高控制稳定性的目的；可以在线运行帮助操作人员了解炉内板坯加热情况，从而指导对加热制度的调节，改善加热质量，降低能耗；适用范围广，对数据源进行适当修改后就可以其他复杂工业过程的板坯或板卷温度进行确定；能够方便的与其他环节共享信息，便于为其他环节的操作提供参考信息。CN102564ACN102564644A权利要求书1/2页1.一种加热炉生产过程中板坯温度在线测量方法，其特征在于：包括以下步骤：步骤1：采集历史数据构建建模数据库，所述的历史数据包括：各时间点所测得的炉气温度、板坯上表面温度、板坯中上部温度、板坯中心温度、板坯中下部温度、板坯下表面温度以及对应时间的煤气通入量；步骤2：利用建模数据库，建立板坯温度软测量模型，确定板坯温度与燃料通入量、历史板坯温度、炉气温度的关系；步骤3：实时计算软测量板坯温度：即根据当前时刻的在线输入信息，通过板坯温度软测量模型计算获取下一时刻的板坯温度信息，包括以下步骤：步骤3-1：读取建模样本集合S中的样本数据，读取进行当前时刻软测量所需的输入数据，包括测量前n1个单位时刻至测量时刻前1个单位时刻的板坯温度、测量时刻前n2个单位时刻至测量时刻前1个单位时刻的在线燃料通入量、当前时刻燃料在线通入量、当前时刻的在线炉气温度；步骤3-2：读取已建立的板坯温度软测量模型参数，计算板坯温度；步骤3-3：输出软测量得到的板坯温度信息；步骤4：计算当前已有模型误差Δ，如果模型误差绝对值大于15％，则需要重新建立模型，执行步骤1；否则，执行步骤3，其中，模型误差的计算公式如下：其中yr表示实际检测板坯出炉温度，表示软测量获得板坯温度。2.根据权利要求1所述的加热炉生产过程中板坯温度在线测量方法，其特征在于：步骤2所述的建立板坯温度软测量模型，具体步骤如下：步骤2-1：读取建模所需样本数据其中表示包含测量时刻前n1个单位时刻至测量时刻前1个单位时刻的的板坯温度、测量时刻前n2个单位时刻至测量时刻前1个单位时刻的燃料通入量、当前时刻燃料通入量、当前时刻的炉温的n维特征向量集合中的第i个输入特征向量，yi∈R为对应的目标值，其中n＝n1+n2+2，S表示建模样本数据的集合，包含Num_S个样本；对样本数据中的进行归一化，归一化后数据的第j维计算公式如下：式中，j＝1，2，L，n，表示第j维的值，表示第j维在样本集合中的最小值，表示第j维在样本集合中的最大值；再进行标准化处理，确定输入特征向量其中，第j维数据按下述公式进行计算：式中，2CN102564644A权利要求书2/2页步骤2-2：利用粒子群优化算法优化最小二乘支持向量机的方法建立板坯温度软测量模型；用表示要测量时刻的输入特征向量，归一化得到第j维特征向量标准化后得到第j维特征向量得到特征向量确定目标值决策函数表示为：式中，αi，b为目标值决策函数的参数，表示对应于输入的模型计算输出值，表示线性组合核函数，且有：式中，q表示多项式核函数的指数，且满足q＞0；表示Sigmoid核函数，其中，v和c分别表示Sigmoid核函数的参数，且满足v＞0，c＜0；表示22径向基函数，其中，σ表示径向基核函数的参数，且满足σ＞0；ε1、ε2和ε3分别表示三个核函数在线性组合核函数中的权重，且满足ε1＞0，ε2＞0，ε3＞0；2步骤2-3：利用粒子群算法优化公式(3)中的参数q、v、c、σ、ε1、ε2和ε3。3.根据权利要求2所述的加热炉生产过程中板坯温度在线测量方法，其特征在于：步2骤2-3所述的利用粒子群算法优化公式(3)中的参数q、v、c、σ、ε1、ε2和ε3，方法如下：步骤2-3-1：初始化PSO参数，包括大迭代次数IterMax，