《硕士研究生中期答辩》由会员分享，可在线阅读，更多相关《硕士研究生中期答辩（36页珍藏版）》请在金锄头文库上搜索。
1、,指导老师： 学 生： 专 业：控制理论与控制工程,基于炉热指数和ST-PLS的高炉炉温预测方法及高炉炉温模糊推理系统的研究,主要内容,研究背景及意义,研究内容,研究成果,课题展望,研究方法,课题研究背景及意义,预测 炉温,高炉炉温预测模型,提前调节 炉温,通过人工或 计算机调节,高炉优质 低耗、高产 长寿,高炉炼铁目标,课题研究内容,包钢6号高炉数据,ST-PLS回归模型,炉热指数模型,Si,S,V(Fe),T(Fe),Wu,Tf,模糊推理系统,高炉炉温,ST-PLS回归模型,炉热指数模型,研究方法,及 炉热指数,一、,炉热指数模型是由法国钢铁研究院提出的。该模型按热平衡和物料平衡计算出代表
2、高炉高温区的炉热指数。 炉热指数又称理论燃烧温度，它表示某种成分燃料在一定燃烧条件下，燃烧产物所能达到的最高温度。,炉热指数 的算式为：,1000 干风所能冶炼的生铁量，t/km3；,每立方米干风所带有的水蒸气量，g/m3；,热风温度,每吨生铁因 直接还原消耗的碳量，kg/t。,研究方法,由风口区燃烧1kg碳的热平衡导出的理论燃烧温度 计算公式是：,每千克焦炭进入风口区带入的物理热,风口前燃烧碳量中焦炭碳所占的比例,每千克碳在风口区燃烧所需风量,热风温度时鼓风比热容,热风温度,鼓风湿度,时炉缸煤气比热容,每千克碳的煤粉的分解耗热,风口前燃烧碳量中煤粉碳所占的比例,每千克碳在风口区燃烧所需风量,
3、研究方法,二、ST-PLS回归方法,（一）样条函数具有的优点,（1）样条函数采用了分段拟合的思想，这一方面使它具有按需要裁剪以适应任意曲线连续变化的优点，另一方面，样条函数不采用过高次的多项式，能够有效地避免产生龙格现象。,（2）由于样条函数(尤其是B样条)具有光滑性、连续性，所以，拟合曲线对原始数据中的特异点并不敏感，这就使得模型在排除原始数据中的噪声方面显得特别有意义。,研究方法,（二）ST-PLS建模步骤,研究方法,第一步： 样条变换,第二步： 标准化处理,第三步： PLS建模,第四步： 将标准化公 式代入拟线 性模型,第五步： 将回归系数及样条函数代入拟线性模型得非线性模型,对自变量空
4、间 的每一维 进行 三次 样条变换 。,（1）对 ，确定 ，求得分点,（2）对 做如下三次 样条变换:,研究方法,（1）,第一步,对因变量及新的自变量进行标准化处理，即,从而得到新数据表符合线性关系,（2）,（3）,第二步,研究方法,对上式进行偏最小二乘回归建模，提出最多的PLS成分数，求得回归系数 。,将（2）式代入（3）式,其中,整理得,第三步,第四步,研究方法,将回归系数及样条函数变换式（1）代入式（4），得到y关于X的非线性回归模型,第五步,研究方法,三、模糊C均值聚类及模糊推理系统,研究方法,聚类分析是按照一定的标准来鉴别事物之间的接近程度，并把彼此接近的事物归为一类。而高炉炉温的高
5、低是一个模糊的概念。,模糊推理系统包括五个方面：,研究方法,三、模糊C均值聚类及模糊推理系统,研究成果,本课题使用包钢6号高炉铁次No.20335No.20594数据，计算 与 炉热指数随时间变化的波动图，如图1，图2所示.,一、炉热指数,图1 炉热指数,图2 炉热指数,二、ST-PLS方法在高炉炉温预测中的应用,本课题使用MATLAB编程软件建立ST-PLS模型，具体的建模步骤如下：, load ysj load yzsj X=ysj(:,1:11); Y=ysj(:,12:15);, Z=ytbh(X);/进行样条变换 E0=stand(Z);/进行标准化 F0=stand(Y); A=r
6、ank(E0);/矩阵求秩,研究成果, W,C,T,U,P,R=bykpcr(E0,F0);, h=70;, SCOEFF=pls(h,88,W,P,R);, COEFF,INTERCEP= plsiscoeff(Z,Y,SCOEFF);, B=COEFF;, C=INTERCEP;, X1=yzsj(:,1:11);, Y1=ypls(X1,B,C,4);,/计算PLS中的w、c轴，t、u 主成分，p、 r回归系数,/取主成分个数,/计算标准化因变量关于自变量的经验回归系数,/计算原始因变量关于自变量 的经验回归系数,/取验证的数据,/计算模型预测数据,研究成果,二、ST-PLS方法在高炉炉
7、温预测中的应用,图3 铁次No.20666No.20714的49炉数据的预测值和实际值的折线图,研究成果,49炉预测值与实际值的折线图,图4 铁次No.20666No.20934的268炉数据的预测值和实际值的折线图,研究成果,268炉预测值与实际值的折线图,三、利用模糊C均值聚类求各参数的隶属度函数,对ST-PLS模型和炉热指数模型的计算结果数据应用模糊C均值聚类方法，将结果数据划分为3个区间，分别为偏低、正常、偏高，求的所需的隶属度矩阵。首先，以Si为例，相关程序如下：,center,U,obj_fcn=fcm(x,3);, load sisvfetfewutf, x=sisvfetfew
8、utf (:,1);,研究成果,表 1 铁水硅含量值与隶属度矩阵 U的转置矩阵,截取15炉数据，建立预测的铁水硅含量值与隶属度矩阵U的转置矩阵构成的表格，如表1所示。,分别作出铁水硅含量与三个区域的隶属度值的散点图，如图5所示。,研究成果,图5 铁水硅含量和1、2、3区的隶属度值的散点图,研究成果,研究成果,由下图可知，铁水硅含量处于正常区域的点满足高斯分布，且此分布的最高点的坐标约是（0.56,0.99573），两最低点的坐标约是（0.46,0）（0.7,0）。,取“Si-2区隶属度值得散点图”为例，分析如下,因此，利用试探法可以分别得出铁水硅含量处于该区域的隶属度函数为：高斯函数且函数的两
9、个参数为0.05、0.56。,同理，得出铁水硅含量其他两个区域的隶属度函数为：,研究成果,由于高斯函数为：,其中，参数 和 分别确定隶属度函数的中心位置和胖 瘦程度。,偏低区域的隶属度函数为：高斯函数（0.18、0.4） 偏低区域的隶属度函数为：高斯函数（0.18、0.8）,依上述方法处理其他5个计算结果，得相应的隶属度函数。作出各计算结果隶属度函数的图，如图所示：,研究成果,四、建立模糊推理系统,研究成果, lw=addvar(lw,input,铁水硅含量,0.3 0.9); lw=addvar(lw,input,铁水硫含量,0.02 0.07); lw=addvar(lw,input,铁还
10、原速率,100 310); lw=addvar(lw,input,铁水温度,1450 1550); lw=addvar(lw,input,Wu炉热指数,25 70); lw=addvar(lw,input,Tf炉热指数,2500 4000); lw=addvar(lw,output,高炉炉温,600 2200);,（1）建立模糊系统, clear lw=newfis(lw);,（2）添加输入输出变量，给出变量范围, lw=addmf(lw,input,1,偏低,gaussmf,0.05 0.45); lw=addmf(lw,input,1,正常,gaussmf,0.05 0.56); lw=a
11、ddmf(lw,input,1,偏高,gaussmf,0.05 0.71); lw=addmf(lw,input,2,偏低,gaussmf,0.0045 0.03); lw=addmf(lw,input,2,正常,gaussmf,0.0045 0.044); lw=addmf(lw,input,2,偏高,gaussmf,0.0045 0.055);,（3）给变量指定模糊变量和隶属度函数, lw=addmf(lw,input,3,偏低,gaussmf,18 162.32); lw=addmf(lw,input,3,正常,gaussmf,18 209.2); lw=addmf(lw,input,3
12、,偏高,gaussmf,18 254.76); lw=addmf(lw,input,4,偏低,gaussmf,7 1488); lw=addmf(lw,input,4,正常,gaussmf,7 1501); lw=addmf(lw,input,4,偏高,gaussmf,7 1517);,研究成果, lw=addmf(lw,input,5,偏低,gaussmf,3 38.288); lw=addmf(lw,input,5,正常,gaussmf,3 47.519); lw=addmf(lw,input,5,偏高,gaussmf,3 59.644); lw=addmf(lw,input,6,偏低,g
13、aussmf,80 3034); lw=addmf(lw,input,6,正常,gaussmf,80 3256); lw=addmf(lw,input,6,偏高,gaussmf,80 3479); lw=addmf(lw,output,1,偏低,gaussmf,70 600); lw=addmf(lw,output,1,正常,gaussmf,70 1000); lw=addmf(lw,output,1,偏高,gaussmf,70 1400);,（3）给变量指定模糊变量和隶属度函数,研究成果, figure subplot(3,2,1) plotmf(lw,input,1) subplot(3,
14、2,2) plotmf(lw,input,2) subplot(3,2,3) plotmf(lw,input,3) subplot(3,2,4) plotmf(lw,input,4) subplot(3,2,5) plotmf(lw,input,5) subplot(3,2,6) plotmf(lw,input,6) figure plotmf(lw,output,1),（4）显示隶属度函数曲线,研究成果, rulelist=1 3 1 1 1 1 1 1 1;2 2 2 2 2 2 2 1 1; 3 1 3 3 3 3 3 1 1; lw=addrule(lw,rulelist);,（5）设
15、计模糊规则,lw = name: lw type: mamdani andMethod: min orMethod: max defuzzMethod: centroid impMethod: min aggMethod: max input: 1x6 struct output: 1x1 struct rule: 1x3 struct,（6）已建立的模糊推理系统的内部信息, lw,研究成果, figure plotfis(lw),（7）绘制出所建立的FIS系统,研究成果, load sisvfetfewutf X=sisvfetfewutf(:,1:6);,表3 高炉炉温模糊推理 系统的输出数据, Y=evalfis(X,lw); / Y是所求得高炉炉温,表2 高炉炉温模糊推理系统的输入数据,（8）给模糊推理系统输入数据得到输出数据,研究成果,工作总结,工作总结,工作总结,课题展望,可以考虑将6个反应参数和高炉炉温划分成5个区间，分
