GA-ANFIS铜闪速熔炼冰铜品位模型的研究①.DOC

基于自适应模糊神经网络的铜闪速熔炼渣含Fe/SiO2模型研究 曾青云1,2，汪金良1,2，张传福2 1. 江西理工大学，赣州，341000 2. 中南大学，长沙，410005 摘要：基于Sugeno型自适应模糊神经网络系统（ANFIS）及利用某闪速炼铜厂生产实践的稳定数据，建立了网络结构为3输入、单输出、隶属度函数个数为[5 3 5]的闪速炼铜过程的渣含Fe/SiO2模型。结果显示其训练数据平均绝对误差为0.0055，相对误差为1.4％；仿真检验数据平均绝对误差为0.028，相对误差为2.9％ANFIS(Adaptive Network-Fuzzy Inference System) 具有模糊逻辑易于表达人类知识和神经过敏网络的分布式信息存储以及学习能力的优点，对于复杂系统的建模和控制而言是非常有效的工具，同时采用神经网络的学习机制来补偿模糊控制系统原有的缺点[8－10]。图1为与一阶Sugeno型模糊推理系统功能相同的基于自适应神经网络的ANFIS结构图，其同一层的每个节点具有相似的功能（这里用表示第1层的第i个节点的输出）。 第一层：该层每个节点i是以节点函数表示的方形节点（该层参数是可变的）： ，i＝1，2 ，i＝3，4 其中，x1（或x2）的节点i的输入，Ai（或Bi-2）是与该节点函数值相关的语言变量，如“大”或“小”等。或者说是模糊集A(A=A1,A2,B1,B2)的隶属度函数，通常可以选用钟型函数。 基金项目：国家自然科学基金 及江西省自然科学基金（0250026） 图1 Sugeno模糊系统等效的ANFIS结构 Fig.1 The architecture of ANFIS equal to Sugeno type Fuzzy system 第二层：该层的节点在图1中用表示，将输入信号相乘，而将其乘积输出为 ，i＝1，2 第三层：该层的节点在图1中用N表示，第i个节点计算第i条规则的wi与全部规则w值之和的比值为： ，i＝1，2 第四层：该层每个节点i为自适应节点，其输出为： ，i＝1，2 第五层：该层的单节点是一个固定节点，计算所有输入信号的总输出为： 2 铜闪速熔炼渣含Fe/SiO2 ANFIS模型的建立 2.1 铜闪速熔炼过程 铜闪速熔炼过程是将经过深度干燥的粉状铜硫化精矿和预热空气、富氧空气、熔剂、重油、返回烟尘等物质的混和物在反应塔中悬浮熔炼成液态冰铜的火法冶金过程。 渣含Fe/SiO2是铜闪速熔炼三大控制目标参数之一，主要是根据入炉物料成分通过控制氧富化率(总氧量/氧和风的总体积)、吨矿氧量(总氧量/吨精矿)、熔剂率(熔剂量/精矿量)来实现的[3]。 2.2 原始数据处理 本文采用国内某闪速炼铜厂的稳态生产数据112组（限于篇幅，仅给出10组），并采用文献[3]中的方法对其进行规一化处理（见表1）。 表1 某闪速炼铜厂经预处理后的稳态生产实践数据 Table 1 The steady practical data which were pretreated from one flash copper smelter 序 号 吨矿氧量 /m3.T-1 熔剂率 氧富化率 Cu /% S /% Fe /% SiO2 /% MgO /% 渣含Fe/SiO2 01 165.21632 0.10160 0.65771 25.74 35.59 31.33 12.98 1.80 1.34 02 169.20800 0.10160 0.62549 25.74 35.59 31.33 12.98 1.80 1.27 03 169.05464 0.10160 0.61532 25.74 35.59 31.33 12.98 1.80 1.27 29 160.27969 0.11094 0.69666 27.56 34.07 32.17 13.16 1.74 1.19 30 162.62773 0.11094 0.66159 26.68 32.03 31.53 16.92 1.68 1.27 31 162.19352 0.11094 0.67313 26.68 32.03 31.53 16.92 1.68 1.11 43 161.27650 0.10250 0.72327 25.57 33.49 30.14 14.05 1.44 1.15 44 163.31336 0.11182 0.73077 23.44 30.70 27.63 12.88 1.32 1.15 45 162.81927 0.11182 0.71027 23.09 29.50 27.57 12.68 1.47 1.33 53 170.29170 0.10400 0.57388 25.1