基于KPCA.LSSVM的硅锰合金熔炼.PDF

第 3l卷 第 3期 仪 器 仪 表 学 报 Vo1．31No．3 2010年 3月 ChineseJournalofScientificInstrument Mar．201O 基于 KPCA．LSSVM 的硅锰合金熔炼 过程炉渣碱度预测研究 唐春霞，阳春华，桂卫华，朱红求 (中南大学信息科学与工程学院 长沙 410083) 摘 要：针对硅锰合金熔炼过程中炉渣碱度在线检测困难、离线化验滞后大，难以实现实时控制的问题 ，提出了一种基于核主 元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法。该方法通过KPCA去除样本数据的噪声，提取输入数据 空间中的非线性主元，然后利用LSSVM回归算法建立硅锰合金熔炼炉炉渣碱度预测模型，工业生产过程数据仿真结果表明，与 SVM或LSSVM建模方法相比，KPCA—LSSVM预测模型的测量精度高、跟踪性能好，能满足炉渣碱度的在线测量要求。 关键词：炉渣碱度；硅锰合金；核主元分析；最小二乘支持向量机 中图分类号 ：TP273 文献标识码：A 国家标准学科分类代码：510．80 KPCA andLSSVM model-basedslagbasicityprediction forsilicomanganesesmeltingprocess TangChunxia，YangChunhua，GuiWeihua，ZhuHongqiu (SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410083，China) Abstract：Toovercomethedifficultythatslagbasicitycannotbeeffectivelycontrolledinsilicomanganesesmelting processduetolackofreal—timeon—lineinstrumentation，apredictingmethodisproposedbycombiningtheKernel PrincipalComponentAnalysis(KPCA)withtheLeastSquareSuppo~VectorMachine(LSSVM)．UsingKPCA，it ispossible to denoisethe inputdataand capture thehigh—orderednonlinearprincipalcomponentsin inputdata space，andwithLSSVM wecanestablishapredictionmodelbetweenthefeaturedprincipalcomponentsandthepri— maryvariablefortheslagbasicityinasilicomanganesefurnacesmeltingprocess．Simulationresultsshow thatthe KPCA-LSSVM modelhashigheraccuracyandbettertrackingperformancecomparedwithSVM orLSSVMmodels，SO theproposedmethodcansatisfytherequirementsofon·linemeasurementofslagbasicity． Keywords：slagbasicity；silicomanganese；kernelprincipalcomponentanalysis(KPCA)；leastsquaresuppo~vec— tormachine(LSVM) 聚集在炉底，定期从出铁 口排出。因锰硅合金属于有渣 1 引 言 法生产，炉渣 的性质决定了冶炼的效果，而炉渣碱度