基于时序趋势特征提取的烧结终点模糊控制方法及系统与流程

本发明涉及钢铁烧结生产过程控制领域，具体涉及基于时序趋势特征提取的烧结终点模糊控制方法及系统。

背景技术：

天然优质富矿铁矿石是不可再生资源，可以直接入炉炼铁，但随着开采越来越少，产量逐年降低。烧结是从劣质铁矿中获得优质人造铁矿的主要途径。烧结是一种热凝聚过程，应用于铁矿石，返回的烧结矿，助熔剂和固体燃料(焦炭)的混合物。烧结过程的目的是制造具有合适特性(热，机械，物理和化学)的产品，以供给高炉。

烧结过程是一系列复杂的物理化学反应。烧结过程的热状态直接反映了烧结过程的燃烧情况。烧结终点是烧结过程热状态的最重要参数，这是烧结机上混合原料完全烧结的第一个位置。如果烧结终点在目标位置前面，则烧结机有效面积未充分利用，利用率下降；如果烧结终点在目标位置后面，那么烧结材料层在卸载时没有燃烧，返回的烧结量增加，并且产量降低。因此，稳定烧结终点具有重要的经济价值，同时如何稳定烧结终点一直是学者们研究的兴趣。

烧结过程是具有非线性、强耦合性和时滞的复杂动态系统。传统的控制方法，大多依赖操作人员的手动控制方式。这致使烧结终点的控制效果在很大程度上仍依赖于个人经验、判断水平、心理素质和责任强度等人为因素。这样的控制方式随机性大，难以应对复杂工况变化，同时也增加了操作人员的劳动强度。这些控制方法已经无法满足烧结生产需求，需要更加准确和稳定的自动控制方法。

技术实现要素：

本发明要解决的技术问题在于，针对上述目前烧结过程控制方式随机性大、难以应对复杂工况变化、操作人员劳动强度大的技术问题，提供基于时序趋势特征提取的烧结终点模糊控制方法及系统解决上述技术缺陷。

基于时序趋势特征提取的烧结终点模糊控制方法，包括：

步骤一、确定台车速度为控制量，烧结终点为控制目标，时序趋势特征和烧结终点平均偏差为决策输入量；

步骤二、选择曼-肯德尔mann-kendall检验方法作为趋势特征提取方法；

步骤三、根据时间尺度确定局部趋势特征值和全局趋势特征值；

步骤四、以置信度为基准来对趋势特征值进行模糊子集划分，同时根据实际需求对烧结终点平均偏差和台车速度控制量进行模糊子集划分；

步骤五、根据局部趋势特征值，全局趋势特征值和烧结终点平均偏差为决策输入量，台车速度控制量为输出量，根据步骤四划分的模糊子集，制定模糊规则，生成三输入一输出的模糊控制器，来进行烧结终点模糊控制。

进一步的，步骤二具体包括：

s21、设定烧结终点时间序列为x＝{x1,x2,x3,...,xn-1,xn}，n是样本数量，计算mann-kendall统计量s，

其中，sign()为符号函数，

s22、计算检验统计量z，

s23、选择统计量z作为趋势特征值，其正负符号代表了趋势变化的方向，其大小代表了趋势变化的程度，z为正值表示增加趋势，负值表示减少趋势。

进一步的，步骤三具体包括：

s31、选取局部趋势的提取时间为2分钟，每个样本时间间隔为10秒，共计12个样本，并按照步骤二的趋势特征提取方法，求取局部趋势特征值z1；

s32、选取全局趋势的提取时间为5分钟，每个样本时间间隔为25秒，共计12个样本，并按照步骤二的趋势特征提取方法，求取全局趋势特征值z2。

进一步的，步骤四具体包括：

s41、通过查询正态分布密度函数，确定不同置信度α时的趋势特征值z1-α/2值；

s42、对α进行如下划分，

α∈[0,30％)，表示趋势平滑；

α∈[30％,60％)，表示趋势较小；

α∈[60％,90％)，表示趋势较大；

α∈[90％,100％]，表示趋势很大；

s43、以α为基准来对z进行模糊划分，得到7个模糊子集，

nb:z∈(-∞,-0.84]；

ns:z∈(-1.65,-0.39]；

no:z∈(-0.84,0]；

o:z∈(-0.39,0.39)；

po:z∈[0,0.84)；

ps:z∈[0.39,1.65)；

pb:z∈[0.84,+∞)；

s44、对烧结终点平均偏差和台车速度控制量进行均匀的模糊子集划分，其中，烧结终点平均偏差ebtp的范围为[-1,1]，划分为5个模糊子集，

nb:ebtp∈(-∞,-0.5]；

ns:ebtp∈(-1,0]；

o:ebtp∈(-0.5,0.5)；

ps:ebtp∈[0.5,1)；

pb:ebtp∈[1,+∞)；

台车速度控制量δv的范围为[-0.1m/min,0.1m/min]，划分为7个模糊子集，

nb:δv∈(-∞,-0.067]；

ns:δv∈(-0.1,0.033]；

no:δv∈(-0.067,0]；

o:δv∈(-0.033,0.033)；

po:δv∈[0,0.067)；

ps:δv∈[0.033,1)；

pb:δv∈[0.067,+∞)。

进一步的，步骤五具体包括：

s51、按照步骤s41-s43对局部趋势特征值z1，全局趋势特征值z2进行模糊子集划分；

s52按照步骤s44对烧结终点平均偏差ebtp和台车速度控制量δv进行均匀的模糊子集划分；

s53、以局部趋势特征值z1、全局趋势特征值z2和烧结终点平均偏差ebtp为决策输入量，台车速度控制量δv为输出量，设计三变量的模糊控制器。

进一步的，所述模糊控制器的控制规则是：

a、如果z1与z2趋势方向相反，且趋势大小相近，则烧结终点有可能回到初始位置，那么控制规则依据ebtp；

b、如果z1与z2趋势方向相同，则烧结终点有可能越来越偏离初始位置，那么控制规则依据ebtp和z2偏离的方向和大小；

c、如果ebtp偏离目标位置较大，那么控制规则依据z1与z2回到目标位置的趋势方向和大小。

基于时序趋势特征提取的烧结终点模糊控制系统，包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现所述的任意基于时序趋势特征提取的烧结终点模糊控制方法。

与现有技术相比，本发明的优势在于：

(1)本发明的基于时序趋势特征提取的烧结终点模糊控制方法，利用曼-肯德尔mann-kendall检验方法提取时序趋势特征，该方法能有效提取时序趋势变化。

(2)本发明的基于时序趋势特征提取的烧结终点模糊控制方法，根据置信度为基准来对趋势特征值进行模糊子集划分，充分考虑了趋势特征值的非均匀分布的特点，使划分更合理。

(3)本发明的基于时序趋势特征提取的烧结终点模糊控制方法，采用模糊控制作为主要控制方法，不仅结合了操作人员的控制经验，也有效保留了时序趋势特征的决策作用，对工业现场具有高度适用性。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明的基于时序趋势特征提取的烧结终点模糊控制方法流程图；

图2为本发明的基于时序趋势特征提取的烧结终点模糊控制方法控制结构图；

图3为本发明的控制后烧结终点效果图；

图4为本发明的控制后台车速度变化图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

基于时序趋势特征提取的烧结终点模糊控制方法，如图1所示，包括

步骤一、确定台车速度为控制量，烧结终点为控制目标，时序趋势特征和烧结终点平均偏差为决策输入量。

步骤二、选择曼-肯德尔mann-kendall检验方法作为趋势特征提取方法。

步骤三、以时间尺度确定局部趋势特征值和全局趋势特征值。

步骤四、以置信度为基准来对趋势特征值进行模糊子集划分，同时根据实际需求对烧结终点平均偏差和台车速度控制量进行模糊子集划分。

步骤五、以局部趋势特征值，全局趋势特征值和烧结终点平均偏差为决策输入量，台车速度控制量为输出量，根据步骤四划分的模糊子集，确定模糊量，制定模糊规则，生成三输入一输出的模糊控制器，来进行烧结终点模糊控制。

步骤二具体包括：

s21、设烧结终点时间序列，x＝{x1,x2,x3,...,xn-1,xn}(xi，i＝1,2,…,n相互独立)，n是样本数量，计算mann-kendall统计量(s)，

其中，sign()为符号函数，

s22、计算检验统计量(z)，

s23、z为正值表示增加趋势，负值表示减少趋势。因此，选择统计量z作为趋势特征值，其符号代表了趋势变化的方向，其大小代表了趋势变化的程度。

步骤三具体包括：

s31、选取局部趋势的提取时间为2分钟，每个样本时间间隔为10秒，共计12个样本。并以步骤二中的趋势特征提取方法，求取局部趋势特征值z1。

s32、选取全局趋势的提取时间为5分钟，每个样本时间间隔为25秒，共计12个样本。并以步骤二中的趋势特征提取方法，求取全局趋势特征值z2。

步骤四具体包括：

s41、通过查询正态分布密度函数，确定不同置信度α时的趋势特征值z1-α/2值。

s42、对α进行如下划分，

α∈[0,30％)，表示趋势平滑；

α∈[30％,60％)，表示趋势较小；

α∈[60％,90％)，表示趋势较大；

α∈[90％,100％]，表示趋势很大。

s43、以α为基准来对z进行模糊划分，得到7个模糊子集，

nb:z∈(-∞,-0.84]；

ns:z∈(-1.65,-0.39]；

no:z∈(-0.84,0]；

o:z∈(-0.39,0.39)；

po:z∈[0,0.84)；

ps:z∈[0.39,1.65)；

pb:z∈[0.84,+∞)。

s44、对烧结终点平均偏差和台车速度控制量进行均匀的模糊子集划分。其中，烧结终点平均偏差ebtp的范围为[-1,1](风箱位置)，划分为5个模糊子集，

nb:ebtp∈(-∞,-0.5]；

ns:ebtp∈(-1,0]；

o:ebtp∈(-0.5,0.5)；

ps:ebtp∈[0.5,1)；

pb:ebtp∈[1,+∞)。

台车速度控制量δv的范围为[-0.1,0.1](m/min)，划分为7个模糊子集，

nb:δv∈(-∞,-0.067]；

ns:δv∈(-0.1,0.033]；

no:δv∈(-0.067,0]；

o:δv∈(-0.033,0.033)；

po:δv∈[0,0.067)；

ps:δv∈[0.033,1)；

pb:δv∈[0.067,+∞)。

步骤五具体包括：

s51、以s41、s42、s43对局部趋势特征值z1，全局趋势特征值z2进行模糊子集划分。

s52、以s44对烧结终点平均偏差ebtp和台车速度控制量δv进行均匀的模糊子集划分。

s53、以局部趋势特征值z1，全局趋势特征值z2和烧结终点平均偏差ebtp为决策输入量，台车速度控制量δv为输出量，设计三变量的模糊控制器，其控制规则主要遵循以下原则：

a、如果z1与z2趋势方向相反，且趋势大小相近，则烧结终点有可能回到初始位置，那么控制规则主要依据ebtp；

b、如果z1与z2趋势方向相同，则烧结终点有可能越来越偏离初始位置，那么控制规则主要依据ebtp和z2偏离的方向和大小；

c、如果ebtp偏离目标位置较大，那么控制规则主要依据z1与z2回到目标位置的趋势方向和大小。

上述方法以台车速度为控制量，烧结终点为控制目标，在外部扰动不可测时，实现烧结终点的稳定控制，具有重要的经济价值和应用价值。

本发明的实施例首先对收集的数据进行预处理，然后按照上述步骤一到步骤五构建烧结终点模糊控制器，最后采用某钢铁厂烧结过程实际生产数据进行验证。具体步骤包括：

(1)收集原始样本数据

烧结生产历史数据以日报表的形式保存在操作室工控机的本地数据库中，日报表的数据保存周期为5秒，收集废气风箱温度、烧结终点、台车速度等的历史数据，组成原始样本数据；

(2)数据处理

在收集原始样本数据的基础上，对数据进行异常值剔除；

(3)构建烧结终点模糊控制器

按照步骤一到步骤五构建烧结终点模糊控制器，如图2所示：

1)根据步骤二和步骤三，计算提取全局趋势变量和局部趋势变量；

2)根据步骤四，对全局趋势变量、局部趋势变量、烧结终点平均偏差和台车速度控制量进行模糊划分；

3)根据步骤五，制定模糊规则，构建模糊控制器。

(4)实验设计

利用烧结终点的takagi-sugeno模糊模型为被控制对象，控制目标设置为22.5个风箱位置。利用建立好的烧结终点模糊控制器控制烧结过程。设置控制间隔为5min，构建了100min的实验，控制后烧结终点效果如图3所示，控制后台车速度变化如图4所示。实验结果可以看出，烧结终点在期望的区间波动，最大波动不超过0.5个风箱位置，满足了烧结过程的生产需求。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。