br>
[0039] 第七步，求出各项数据相互支持的最佳融合支持数，设其支持数为1，根据支持程 度h求出支持数1，则融合集为X=(xp.Xl)，在相互支持时的条件概率密度为：
[0041] 其中y是测量的均值，服从正态分布#(凡，42)，且xk服从#(从€)，并令
a是与y无关的常数；yMS^是期望的数学期望和均方差；sk是第k次测 量的均方差；
[0042] 第八步，求取最佳估计，判断Xi、Xj满足的概率分布函数，根据不同的分布函数采 用极大似然估计、贝叶斯估计等概率估计法进行估计获得最佳烧结状态估计值々=， 根据贝叶斯估计法.
[0043] 上式中的指数部分是关于y的二次函数，p(yIx^.Xi)为正态分布服从 八，(/，、,<)，则
[0045] 则有
所以y的状态融合估计为即最 佳状态融合值为yN。
[0046] 上述方案中优选的是，所述自适应控制单元获取所述数据融合单元处理后的数 据，并计算控制参数，所述自适应控制单元根据所述控制参数对烧结设备进行调整。
[0047] 上述方案中优选的是，所述自适应控制单元还根据烧结过程状态计算烧结终点的 位置，其中，所述烧结过程状态反映了烧结终点的提前或滞后的程度。
[0048] 上述方案中优选的是，所述对烧结设备进行调整包括如下步骤：
[0049] 第一步，根据当前烧结状态求出当前烧结终点位置，设烧结终点位置为yN，则yN= g(yN)，其中，g(*)为经验控制函数，其系数可根据现场经验赋予；
[0050] 第二步，取烧结终点位置为目标值，根据理想烧结终点位置h及当前烧结终点位 置的偏差和变化率为控制器的输入；
[0051] 第三步，建立自适应模糊控制器来控制烧结过程控制参数；
[0052] 第四步，根据控制器输出参数来控制烧结机机速、抽风机频率及风箱风门角度的 变化量等烧结过程控制参数。
[0053] 上述方案中优选的是，所述系统数据库存放所述烧结终点控制系统的数据，所述 数据包括采样数据和\或过程数据。
[0054] 上述方案中优选的是，所述采样数据包括根据专家系统所需参数的种类、格式、采 样周期及检测精度，从现场的PLC(可编程逻辑控制器）和/或DCS(分布式控制系统）系 统中收集的数据。
[0055] 上述方案中优选的是，所述过程数据包括时间融合数据、空间融合数据、状态融合 数据及当前烧结终点位置数据。
[0056] 本发明还提供一种基于数据融合的烧结终点控制方法，所述控制方法包括如下步 骤：
[0057] 第一步，建立系统数据库；
[0058] 第二步，采集与烧结终点相关的数据；
[0059] 第三步，对所述采集到的数据进行数据处理；
[0060] 第四步，对所述处理后的数据进行分析，判断出烧结状态，推导出烧结终点为提前 或滞后以及其提前或滞后的程度；
[0061] 第五步，根据所述烧结状态以及所述推导结果调整烧结设备，使得所述烧结设备 趋于理想的状态。
[0062] 上述方案中优选的是，所述第三步中的对所述采集到的数据进行数据处理包括对 数据进行滤波处理和\或剔除坏点的处理。
[0063] 上述方案中优选的是，所述第四步中的数据分析包括对数据进行时间融合处理、 空间融合处理和状态融合处理。
[0064] 上述方案中优选的是，所述时间融合处理对与烧结终点相关的异步传感器的数据 进行采样时间同步处理。
[0065] 上述方案中优选的是，所述采样时间同步处理包括如下步骤：
[0066] 首先，对所述数据按照时间序列进行排列，并将所述排列后的数据存放到所述系 统数据库中；然后，采用拟合算法求得所述数据按时间变化的拟合曲线；最后，从所述拟合 曲线中取出采样时刻的拟合值进行时间融合对准。
[0067] 上述方案中优选的是，所述空间融合处理对从多个同种检测设备获得的数据进行 空间配准。
[0068] 上述方案中优选的是，所述数据的空间配准包括如下步骤：
[0069] 首先，设置尺度压缩比例因子；然后，根据神经网络法或者等比例压缩法，按所述 尺度压缩比例因子对所述获得的数据进行压缩或者放大处理；最后，将坐标系由单轴坐标 系转换到矩阵坐标系，实现数据空间的融合。
[0070] 上述方案中优选的是，所述状态融合处理用于实现数据融合处理，对时空融合后 的数据进行烧结状态判断，即判断烧结终点是否为提前或滞后以及其提前或滞后的程度。
[0071] 上述方案中优选的是，所述烧结状态判断包括如下步骤：
[0072] 第一步，将经过所述时空融合后的数据定义为X/ = [XXp XX2，…XXn]，其中，乂父"表 示第n种数据时空融合后的数值；
[0073] 第二步，定义专家烧结状态为X」以数值表示烧结状态，从0-1之间的连续或离 散数值表示从欠烧到过烧；
[0074] 第三步，采用学习算法推导出V与乂』的关系矩阵f(*);令Xi=f(X/) -乂』，则 \表示经理论推导出的烧结状态；
[0075] 第四步，设XpXj为XpXj的一次观测值，以概率密度函数曲线作为XpXj的特征函 数，记成 pjxhpjx);
[0076] 第五步，为了表示观测值Xi、Xj之间的偏差的大小，定义置信距离测度d^cy勺值 为第i项数据与第j项数据的所述置信距离测度，du反映了第i项数据与第j项数据的融 合度，du的值可借助正态分布误差函数
直接求得：
[0079] 则置信距离测度du构成一个矩阵
[0080] 第六步，根据工艺要求确定一个阈值e，当置信距离测度小于e时认为两种数据 相互支持，定义ru表示第i项数据与第j项数据的支持程度；
[0081]当第i项数据与第j项数据相互支持时，ru值为1 (r u= 1)，否则为0,则关系矩 阵为：
[0084] 第七步，求出各项数据相互支持的最佳融合支持数，设其支持数为1，根据支持程 度h求出支持数1，则融合集为X = (x p . Xl)，在相互支持时的条件概率密度为：
[0086]其中y是测量的均值，服从正态分布#(凡,被），且xk服从#(A<)，并令
a是与y无关的常数；y m S ^是期望的数学期望和均方差；s k是第k次测 量的均方差；
[0087] 第八步，求取最佳估计，根据现场实际经验，判断Xi、&满足的概率分布函数，根据 不同的分布函数采用极大似然估计、贝叶斯估计等概率估计法进行估计获得最佳烧结状态 估计值， 根据贝叶斯估计法
[0088] 上式中的指数部分是关于y的二次函数，p(y|Xl...Xl)为正态分布服从 ~(，、，€)，则
[0090] 则有 所以y的状态融合估计为々 = 即最 * ? 佳状态融合值为yN。
[0091] 上述方案中优选的是，所述调整烧结设备包括如下步骤：
[0092] 第一步，根据当前烧结状态求出当前烧结终点位置，设烧结终点位置为yN，则yN= g (y N)，其中，g (*)为经验控制函数，其系数可根据现场经验赋予；
[0093] 第二步，取烧结终点位置为目标值，根据理想烧结终点位置九及当前烧结终点位 置的偏差和变化率为控制器的输入；
[0094] 第三步，建立自适应模糊控制器来控制烧结过程控制参数；
[0095] 第四步，根据控制器输出参数来控制烧结机机速、抽风机频率及风箱风门角度的 变化量等烧结过程控制参数。
[0096] 从以上技术方案可以看出，本发明提供一种基于数据融合的烧结终点控制方法及 控制系统，通过融合各种参数数据，分析当前烧结状态，调节烧结终点位置，达到烧结过程 的优化控制。
【附图说明】
[0097] 图1为现有技术中烧结系统的工艺流程参考图。
[0098]图2为本发明的基于数据融合的烧结终点控制系