数据挖掘在炼铁系统中的应用现状及展望（下）.pdfVIP

第36卷 第6期 冶 金 自动 化 Vo1．36 No．6 2012年 l1月 MetallurgicalIndustryAutomation NOV．2012 · 综述与评论 · doi：10．3969／j．issn．1000-7059．2012．06．001 数据挖掘在炼铁系统中的应用现状及展望 (下) 张建良，曹维超，国宏伟，苏步新，张 涛 (北京科技大学 钢铁冶金新技术国家重点实验室 ，北京 100083) 中图分类号：TF325；TP391 文献标志码：A 文章编号：1000—7059(2012)06-0001-04 Applicationandperspectiveofdatamininginironmakingsystem(B) ZHANGJian—liang，CAO Wei—chao，GUO Hong—wei，SU Bu—xin，ZHANG Tao (StateKeyLaboratoryofAdvancedMetallurgy，UniversityofScienceandTechnologyBeijing。Beijing100083，China) 1．3 神经网络 必要的询问，而且当数据不充分时神经网络就无 数据挖掘过程 中，往往遇到十分复杂的非线 法工作 。 性问题，难以弄清问题的机理和本质，无法通过主 印度 Tata钢铁公司以膨润土量、生块水分、 成分分析简化 问题或通过决策树等方法提取规 FeO质量分数和碱度为输入 ，通过人工神经网络 则。神经网络是数据挖掘具体实现的方法之一， 预测生产球 团矿 的冷态抗压强度 ，预测结果与实 对于此类问题具有 良好的适用性。 际相差不到3％，能准确地指导球团矿生产。 “神经网络”或 “人工神经网络 ”是指用大量 湖南华菱涟源钢铁公司在 2006年把神经网 简单计算单元 (即神经元)构成非线性系统，它在 络智能优化控制技术引入 280m烧结机烧结终点 一 定程度上模仿了人脑神经系统的信息处理 、存 智能优化控制中，动态稳定烧结终点在最佳位置， 储及检索功能，因而具有学习、记忆和计算等处理 实现了烧结终点的自动控制。采用 自动控制时， 功能。常用的神经网络模型和相应的学习算法有 90％以上的烧结终点位置控制在 ±0．4个风箱的 3种，第 1种是采用前馈神经网络结构和Sigmoidal 偏差之 内，波动率降低 了6％～8％。 激励函数的多层感知器模型，相应算法是反向传 高炉铁水 si质量分数的预测广泛采用神经网 播BP算法，是 目前应用的主流；第2种是径向基 络模型，张军红等 结合遗传算法 (GA)和 BP神 函数神经网络和算法，与第 1种相比学习速度快 经网络，建立了优化的GA—BP预测分析模型；肖伸 但是相对局部 (即仅当输入落在输入空问中一个 平 ¨采用结合小波包分析的特征提取及神经网络 很小的指定区域 内，隐单元才做 出有意义的非零 的非线性映射等特性的小波神经网络系统，实现 响应)；第 3种是 自组织特征 (SOFM)网络及算法。 高炉铁水中si质量分数的预报和控制。但应用 中 目前，在冶金行业 ，主要应用的是第 1种 BP网络 普遍遇到的问题是 由于影响Si质量分数的因素很 以及其改进型。 多，则神经网络的输入量过多，因此会使网络训练 神经网络在炼铁系统中应用广泛深入 ，可 以 的时间变长，控制的实时性就差 。针对这个问题， 说，目前绝大数数据挖掘应