球團(tuán)質(zhì)量預(yù)測(cè)系統(tǒng)的建模及其應(yīng)用研究.pdf

1、對(duì)于鏈篦機(jī)-回轉(zhuǎn)窯這樣多變量、非線性、變量間高度耦合的復(fù)雜工業(yè)生產(chǎn)過(guò)程，很難通過(guò)建立精確的數(shù)學(xué)模型來(lái)進(jìn)行分析與研究；而且，隨著計(jì)算機(jī)技術(shù)和檢測(cè)技術(shù)的迅速發(fā)展，在球團(tuán)生產(chǎn)過(guò)程中存有大量的運(yùn)行數(shù)據(jù)，這些高度冗余的數(shù)據(jù)顯然包含了系統(tǒng)熱工制度與最終產(chǎn)品質(zhì)量之間的隱含對(duì)應(yīng)關(guān)系。如果能把這種隱含關(guān)系找出來(lái)，并建立一個(gè)球團(tuán)質(zhì)量預(yù)測(cè)系統(tǒng)用于指導(dǎo)氧化球團(tuán)生產(chǎn)，將十分有意義。 然而，高維數(shù)據(jù)包含的大量冗余信息給數(shù)據(jù)分析帶來(lái)了困難。因此，對(duì)高維數(shù)據(jù)進(jìn)

2、行數(shù)據(jù)分析時(shí)，必須先對(duì)原始數(shù)據(jù)進(jìn)行降維處理。以多變量投影方法——主成分分析核心的多變量數(shù)據(jù)降維技術(shù)可以有效地解決這些問(wèn)題。然而，對(duì)于存在嚴(yán)重非線性的工業(yè)生產(chǎn)過(guò)程，PCA分析結(jié)果卻不盡人意，而非線性主成分分析法(NPCA)卻可以起到很好的效果。 小波神經(jīng)網(wǎng)絡(luò)是小波分析和神經(jīng)網(wǎng)絡(luò)的結(jié)合，正是由于其引入了小波神經(jīng)元的伸縮和平移因子，因此具有更好的函數(shù)逼近能力，它已被證明對(duì)于克服其它神經(jīng)網(wǎng)絡(luò)收斂性不好的缺陷有明顯的優(yōu)勢(shì)。然而，當(dāng)網(wǎng)絡(luò)模型

3、輸入變量維數(shù)過(guò)高，網(wǎng)絡(luò)模型過(guò)于復(fù)雜時(shí)，往往導(dǎo)致網(wǎng)絡(luò)訓(xùn)練精度下降，建模效果變差。 本論文結(jié)合了非線性主成分分析和小波神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，并根據(jù)對(duì)球團(tuán)生產(chǎn)工藝與球團(tuán)理論的學(xué)習(xí)與理解，提出、建立并開(kāi)發(fā)了一種基于非線性主成分分析(NPCA)-自調(diào)節(jié)小波神經(jīng)網(wǎng)絡(luò)(AWNN)的球團(tuán)質(zhì)量預(yù)測(cè)系統(tǒng)。 本論文主要工作如下： (1)根據(jù)小波分析理論和小波神經(jīng)網(wǎng)絡(luò)理論，并在相關(guān)研究成果的基礎(chǔ)上，提出了一個(gè)自調(diào)節(jié)小波神經(jīng)網(wǎng)絡(luò)模型。

4、(2)根據(jù)鏈篦機(jī)-回轉(zhuǎn)窯球團(tuán)法生產(chǎn)過(guò)程及球團(tuán)理論，并針對(duì)鏈篦機(jī)-回轉(zhuǎn)窯工藝段的多變量、非線性、變量間高度耦合的特點(diǎn)，提出了基于NPCA-AWNN的球團(tuán)質(zhì)量預(yù)測(cè)系統(tǒng)的建模思想與優(yōu)化方法。利用NPCA法對(duì)AWNN網(wǎng)絡(luò)的輸入因子數(shù)進(jìn)行優(yōu)化與約簡(jiǎn)，以簡(jiǎn)化網(wǎng)絡(luò)的復(fù)雜度。 (3)為了證明建模方法的有效性并作為比較，本文還建立了一個(gè)基于NPCA-BPNN的球團(tuán)質(zhì)量預(yù)測(cè)模型，并從鞍鋼集團(tuán)弓長(zhǎng)嶺礦業(yè)公司球團(tuán)二廠現(xiàn)場(chǎng)采集數(shù)據(jù)進(jìn)行預(yù)處理、訓(xùn)練、預(yù)測(cè)試

5、驗(yàn)及比較。試驗(yàn)結(jié)果顯示：NPCA-AWNN模型的預(yù)測(cè)效果好于NPCA-BPNN模型的預(yù)測(cè)效果，達(dá)到現(xiàn)場(chǎng)容許要求。 (4)本文根據(jù)NPCA-AWNN模型原理，并借助數(shù)據(jù)處理軟件MATLAB7.0與高級(jí)編程環(huán)境VisualC++6.0，開(kāi)發(fā)了氧化球團(tuán)質(zhì)量預(yù)測(cè)系統(tǒng)，NPCA算法部分采用Matlab編寫(xiě)，而AWNN算法及軟件界面實(shí)現(xiàn)部分采用VC++編寫(xiě)，并詳細(xì)介紹了Matlab和VC++聯(lián)合編程的思想及實(shí)現(xiàn)方法。開(kāi)發(fā)的系統(tǒng)用戶(hù)界面友好，