烧结终点预报神经网络样本优选与系统建模.pdf

· 86· 《测控技术))2017年第36卷第3期 烧结终点预报神经网络样本优选与系统建模 汪春鹏 (山钢股份莱芜分公司自动化部，山东 莱芜 271104) 摘要：烧结终点预报对于提高烧结矿强度和产量、降低能耗具有重要意义，但是烧结终点状态受多种因 素影响，无法直接检测 ，只能由操作工依据经验进行判断，严重影响了烧结生产的稳定运行。本系统运 用K均值聚类分析的样本优选方法对海量数据进行处理，选择具有代表性的样本，从而有效缩小样本 空间、改善样本质量。使用风箱温度曲线计算废气温度上升点和烧结终点软测量值，以台车速度和点火 温度作为输入 ，采用 BP神经 网络模型，对烧结终点位置进行预报。在实际应用 中，该模型预报结果较 准确地反映了烧结终点位置的变化，起到了稳定生产、节约能源的作用。 关键词：烧结终点；废气温度上升点；BP神经网络；K均值聚类；样本优选 中图分类号：TP18 文献标识码 ：A 文章编号 ：1000—8829(2017)03—0086—04 OptimizedSampleSelectionandSystem ModelingofSinterBurning Through PointPredictionNeuralNetworks WANG Chun—peng (AutomationDepartmentofShandongIronandSteelCo．，Ltd．，LaiwuBranch，Laiwu271104，China) Abstract：Thepredictionofburningthroughpoint(BTP)isimportanttoimprovethestrengthandyieldofsinter andreducetheenergyconsumption，buttheBTP stateundertheinfluenceofvariousfactorscannotbedetec— teddirectly，onlybejudgedbytheoperatoronthebasisofexperience，whichhasastrongimpactonthestable operationofsinteringproduction．Thissystem usesoptimizedsampleselectionmethodbasedonK—meansclus— teranalysistoprocessthemassivedata，selecttherepresentativesamples，thusthesamplespaceiseffectively shrunk，thequalityofsamplesisimproved．Usingthebellowstemperaturecurvetocalculatetheburningrising point(BRP)andBTPsoftmeasurementvalue，takingpalletvelocityandignitiontemperatureasinput，BTPpo— sitionispredictedbyusingBPneuralnetworkmode1．Inpracticalapplication，thepredictedresultsofthemod— elmoreaccuratereflectthechangeofBTP，whichplaysaroleinstabilizingproductionandsavingeneryg ． Keywords：burningthroughpoint；burningrisingpoint；BPneuralnetwork；K—meanscluster；optimizedsample selectiOn 烧结过程作为一种典型的复杂流程工业过程 ，烧 烧结矿质量、降本增效的作用。 结终点等很多关键状态参数无法获得，产量、质量检测