一种基于稀疏T-S模糊的铁水Si含量建模方法
【技术领域】
[0001] 本发明涉及高炉冶炼领域，尤其涉及一种基于稀疏T-S模糊的铁水Si含量的建模 方法。
【背景技术】
[0002] 我国已成为世界制造业大国--我国的钢铁、有色金属、石化、纺织和电子等制造 业已取得了跨越式发展，钢产量连续多年排名世界第一，已成为我国的支柱产业。然而，能 源紧张已逐步成为制约我国上述行业可持续发展的瓶颈因素。工业企业已经由过去的单纯 追求大型化、高速化、连续化，转向注重提高产品质量、降低生产成本、减少资源消耗和环境 污染、可持续发展的轨道上来。在钢铁冶炼领域，由于高炉冶炼过程的复杂性造成了对其进 行有效控制十分困难，时至今日，高炉工长的经验和直觉仍然是高炉控制的主要调节手段。 因此，高炉冶炼过程的建模研宄已引起工业界、控制理论界和应用数学界的高度重视。为促 进高炉冶炼过程的节能减排，应当尽量保持高炉炉温稳定，实现高炉顺行，从而提高铁水质 量，降低成本，减少能耗和排放。因此，对高炉炉温的建模就成为高炉操作指导的基础，也是 实现自动控制的前提。
[0003] 高炉铁水Si含量是衡量高炉炉况的重要参数，它直接关系到高炉的炉况顺行状 态。高炉炼铁过程参数多，激励复杂，具有显著的非线性、时变性、空间分布性和不确定性等 特点，是极其复杂的过程。各种影响因素对铁水Si含量的影响并不是立即起作用的，而是 有一个滞后时间，且这种响应往往是非线性的，同时各个参数的时滞大小不一，在不同炉况 下相同参数的时滞也不同，这就进一步增加了高炉铁水Si含量建模的难度。
[0004] 目前，针对高炉铁水Si含量建模大多从数据角度出发，模糊建模角度，由于高炉 的各种参数数据量大，炉况复杂，造成模糊规则冗余，计算量大大增加，因此通过稀少量的 最优模糊规则建立铁水Si含量模型是非常重要的。
【发明内容】
[0005] 本发明的目的在于提供一种基于稀疏T-S模糊的铁水Si含量建模方法，该方法利 用高炉可测数据，对数据进行分析处理，建立T-S模糊预测模型，并进一步对模糊规则进行 约减处理，用稀少量的最优模糊规则预测高炉铁水Si含量。
[0006] 为了解决上述存在的技术问题，本发明是通过以下技术方案实现的：
[0007] -种基于稀疏T-S模糊的铁水Si含量建模方法，该方法内容的具体步骤如下：
[0008] A.对高炉输入数据进行数据预处理：针对不完备数据，使用基于概率密度函数的 数据模型进行缺失数据补齐；针对现场数据中的异常值，采用离群点检测方法，克服离群点 对丰旲型的影响，提尚t旲型的鲁棒性；
[0009] B.输入数据的筛选：利用灰色关联度对输入进行筛选，灰色关联度越大，该输入 量越重要；
[0010]C.基于聚类划分的模糊规则前件提取和T-S模糊模型建立：利用模糊聚类算法对 高炉数据进行聚类划分，每一个聚类代表一条模糊规则，并进一步确定每条模糊规则对各 个数据样本的隶属度；
[0011] D.将C步骤所建T-S模糊模型中的1-阶T-S模糊推理系统的规则约减问题转化 为如下的稀疏编码优化问题：
【主权项】
1. 一种基于稀疏T-S模糊的铁水Si含量建模方法，其特征在于该方法的步骤如下： 该方法内容的具体步骤如下： A. 对高炉输入数据进行数据预处理：针对不完备数据，使用基于概率密度函数的数据 模型进行缺失数据补齐；针对现场数据中的异常值，采用离群点检测方法，克服离群点对模 型的影响，提尚t旲型的鲁棒性； B. 输入数据的筛选：利用灰色关联度对输入进行筛选，灰色关联度越大，该输入量越 重要； C. 基于聚类划分的模糊规则前件提取和T-S模糊模型建立：利用模糊聚类算法对高炉 数据进行聚类划分，每一个聚类代表一条模糊规则，并进一步确定每条模糊规则对各个数 据样本的隶属度； D. 将C步骤所建T-S模糊模型中的1-阶T-S模糊推理系统的规则约减问题转化为如 下的稀疏编码优化问题：
E. 对D步骤中优化问题求解：利用正交匹配追踪法对D步骤中稀疏编码优化问题求 解； F. 利用所建T-S模糊模型对高炉铁水Si含量进行预测，并求出相应的后验概率。
2. 根据权利要求1所述的一种基于稀疏T-S模糊的铁水Si含量建模方法，其特征在 于：所述利用灰色关联度的方法对输入进行筛选的步骤如下： (1) 周期性采集高炉输入数据，并将数据通过下式归一化处理：
(2) 将所有输入数据向量与输出铁水51含量数据\=〇^。(1)，\(2)，一，\(11))进行 灰色关联度计算如下：
(3) 根据所得各输入量的灰色关联度，挑选合适的输入量，进行建模。
3. 根据权利要求1所述的一种基于稀疏T-S模糊的铁水Si含量建模方法，其特征在 于：所述利用模糊聚类算法对高炉数据进行聚类划分的步骤如下： (1)将模糊划分矩阵集合为：
模糊划分矩阵u= (uik)EMf。中每一个变量uik表示数据样本xk属于第i个聚类的隶 属度； 第i条模糊规则对于输入变量x=(Xpx2,…，xn)T的隶属度为：
(2) 单输出1-阶T-S模糊推理系统i条模糊规则形式为： R^IfXjisAnandx2isAi2and, ???,andxnisAin,then y =Wi0+wilXl+wi2x2+…+winxn; (3) 含有r条模糊规则的多输入单输出1-阶T-S模糊推理系统输出为：
li(x) =Wio+WiiXi+W^X^-+winxn 设含有N个多输入单输出数据样本集合为： Z= {(xk，yk)xk= (xkl，xk2, ...，xto)TGRn，ykGR，k= 1,2, ...，N} 则1-阶T-S模糊推理系统对于N个多输入单输出数据样本的模型输出为：
Di为第i条模糊规则子字典。
4.根据权利要求1所述的一种基于稀疏T-S模糊的铁水Si含量建模方法，其特征在 于：所述利用正交匹配追踪法对D步骤中稀疏编码优化问题求解，其求解步骤如下： (1)初始化模糊规则子字典指标集合Dto) = 〇,模糊推理系统后件参数向量w((1) = 0及 模糊初始残差r(cl) =y; (2)对于每次迭代，通过下式提取重要的模糊规则：
(4)若残差满足要求则停止迭代，否则继续（2)步骤。
【专利摘要】本发明公开了一种基于稀疏T-S模糊的铁水Si含量的建模方法，其内容包括：对高炉输入数据进行数据预处理，利用灰色关联度的方法对输入进行筛选，基于聚类划分的模糊规则前件提取和T-S模糊模型建立，将其中1-阶T-S模糊推理系统的规则约减问题转化为稀疏编码优化问题，并对优化问题求解，利用正交匹配追踪法对稀疏编码优化问题求解，利用所建T-S模糊模型对高炉铁水Si含量进行预测，并求出相应的后验概率。本发明方法可预测出下一时刻的高炉铁水Si含量，并可获得铁水Si含量上升或者下降的概率，以便高炉长对高炉采取进一步的控制措施。
【IPC分类】G06F19-00, G06N5-04
【公开号】CN104573356
【申请号】CN201410842450
【发明人】华长春, 徐夏, 李军朋, 关新平, 张利民
【申请人】燕山大学
【公开日】2015年4月29日
【申请日】2014年12月30日