基于全局优化支持向量机的多类别高炉故障诊断

针对高炉故障诊断系统快速性和准确性的要求,提出基于全局优化最小二乘支持向量机的策略.首先,采用变尺度离散粒子群对最小二乘支持向量机的参数和故障特征的选取进行优化;然后,利用核主元分析法对选取的特征向量进行压缩整理;最后,构造了以Fisher线性判别率为标准的启发式纠错输出编码.仿真结果表明,通过对故障训练样本有意义地分割重组,用较少的最小二乘支持向量机分类器,得到较高的故障判断准确率且增强了整个系统的实时性.     

基于支持向量机的高炉炉况诊断方法

现实中高炉炉况的征兆样本集是有限的,常规的基于经验风险最小化原则的方法的应用效果并不理想.支持向量机方法是针对小样本集分类问题提出的,具有很好的泛化能力,因此采用最小二乘法支持向量机进行高炉炉况诊断.通过仿真试验证实此方法具有很好的诊断效果.     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

高炉含铁炉料熔滴性能智能优化预测模型

 含铁炉料良好的冶金性能是保障高炉炉况顺行，节燃增产的前提条件。熔滴试验对于高炉含铁炉料冶金性能把握具有重要意义。但由于熔滴试验本身成本较高且检测耗时，多数企业仅在高炉炉况出现重大变化时通过试验追溯炉料冶金性能。因此，操作者难以根据炉料结构变化预判其冶金性能，进而调整操作方针。在对莱钢含铁炉料进行熔滴性能试验检测的基础上，通过遗传算法优化最小二乘支持向量机关键参数，以含铁料化学成分对其熔滴性能指标建立优化预测模型。模型预测精度高，且避免了建模过程中的主观性，可指导生产配料及调整高炉操作。     

钢铁企业副产煤气预测及优化调度

针对钢铁企业副产煤气系统产消量频繁波动,不平衡现象比较严重,供需之间的平衡程度对钢铁企业的生产成本、能源消耗情况影响较大,并且钢铁企业中工序、设备繁多,每道工序都涉及多种能源介质的问题,利用HP滤波、支持向量机分类（SVC）、最小二乘支持向量机(LSSVM)和Elman神经网络的特性建立了SVC-HP-ENN-LSSVM模型,并根据用能设备的能源利用特点和预测结果对副产煤气进行优化调度。模型应用表明：所建预测模型对煤气系统的预测平均相对误差小于4%,满足工业生产需要。根据预测结果进行的优化调度解决了煤气系统的不平衡问题,应用于钢铁企业典型工况,主工序可降低10%左右能耗,应用其自备电厂（一年按照330天计算）,可多产蒸汽约104148 t,节能约9998208 kg标煤。     

基于支持向量机的高炉煤气利用率预测建模

煤气利用率是反映高炉能耗和平稳运行的重要指标。为了实现对高炉煤气利用率的准确预测,首先依据最大信息系数选择合适的输入参数,分别选取次于该状态参数时刻1 和2 h后的煤气利用率作为输出参数,并在建模之前对数据进行标准化处理。在此基础上建立基于支持向量回归(SVR)的高炉煤气利用率预测模型,并利用高炉的部分生产数据将该模型的预测结果与多层感知器(MLP)模型进行对比。最终预测结果表明,SVR模型在预测1和2 h后的煤气利用率时精确度更高,达到了更好的预测效果。     

基于最小二乘支持向量机的混合煤气加压过程在线预测

针对混合煤气加压过程具有非线性、多变量耦合、大滞后及不确定参数众多等复杂特性,提出了一种基于最小二乘支持向量机(least squares support vector machine, LSSVM)模型的混合煤气加压过程在线预测方法。首先,基于某钢厂混合煤气加压工艺分析,选择以混合后煤气压力、风机出口总管压力以及工作机组电流为混合煤气加压过程的预测目标;然后,将局部多项式核函数与全局拉普拉斯核函数相结合,实现了一种兼顾学习能力和泛化能力的混合核函数,并将自适应时刻估计(adaptive moment estimation, Adam)算法用于基于LSSVM预测模型的参数在线优化;最后,基于现场实测数据对预测效果进行验证,结果表明,本文所设计方法可有效提高混合煤气加压过程预测模型的预测精度。     

基于主客观证据融合的高炉悬料预测方法

针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确.     

基于LS-SVM的烧结矿碱度预报研究

开发了最小二乘支持向量机(LS-SVM)模型,并用于对烧结矿碱度进行预测.仿真结果证明,本模型能在小样本贫信息的条件下对烧结矿碱度做出比较准确的预测.此种模型具有预测精度高、所需样本少、计算简便等优点.和BP神经网络算法相比,最小二乘支持向量机算法有很好的应用前景和推广价值.     

基于智能模型的高炉煤气利用率预测

煤气利用率是影响高炉能量利用的关键参数,对高炉的稳定顺行有重要影响.在进行高炉生产参数时间间隔分析后,利用多种预测模型(自适应增强学习(Adaptive Boosting,AB)、随机森林(Random Forest,RF)、神经网络(Neural Network,NN))完成对煤气利用率的预测.首先,对高炉生产的历史...     

基于FCM的多支持向量机模型在高炉炉温预测中的应用

针对高炉炼铁智能控制专家系统中单一支持向量机(SVM)炉温预测模型的改进研究,提出一种基于模糊C均值聚类(FCM)的多支持向量机模型。首先运用模糊C均值聚类对模型训练集进行聚类划分,然后对每一类进行支持向量机的训练,建立相应的子模型,并对测试集中的同一样本点分别进行预测,以测试样本点的输入对应于每一类的隶属度为权值,进行加权求和,最终得到预测值。通过对在线采集的数据分析表明,基于FCM的多支持向量机模型比单一的支持向量机模型在多方面预测性能得到改善,连续预测100炉命中率达86%。     

融合大数据技术和工艺经验的高炉参数优化

 为了更精准地评判高炉运行情况,量化高炉指导方针。根据高炉生产过程的特点,应用大数据技术对高炉生产参数与铁水产量和高炉能耗等指标进行数据驱动分析,提出了一种优化高炉生产参数的新方法。首先,对某钢铁厂高炉各工序历史数据进行了采集、清洗、过滤和整合,建立了高炉数据仓库。然后,将多种聚类算法相结合,完成了对高炉炉况变化的详细划分。运用工艺经验与递归特征消除算法相结合,全面筛选得到能够反映炉况波动的强相关变量。应用统计学方法分析得出Class_a炉况对应的核心参数的最优范围,这对指导现场生产、保持高炉长期稳定顺行具有重要意义。     

高炉煤气循环耦合富氢对中国炼铁低碳发展的意义

中国钢铁工业规模巨大,主要由高炉 转炉长流程生产,其能源结构中90%为煤炭,是国家兑现2030年降低碳排放强度承诺的主战场之一。基于当前低碳炼铁技术的研发进展、中国面临的碳减排任务、中国钢铁工业的生产模式、中国钢铁工业碳排放现状等基本事实,提出了以高炉为主体、以炉顶煤气循环耦合富氢还原为技术特征的钢铁工业低碳发展的可行路径,分析了该工艺研发所面临的关键问题,以期引起钢铁行业的重视,为中国钢铁工业进一步深度降低碳排放提供参考。     

高炉炉身煤气分析系统的研究及应用

高炉炉身煤气分析系统于１９９０年研制成功并投入运行，随后在多家企业应用。１９９４年７月在攀钢３号高炉投入使用的炉身煤气分析系统比最初开发的系统有了较大的改进，其控制系统由上下位计算机组成。     

基于参数优化SVR方法预测高炉煤气利用率

高炉煤气利用率是反映高炉能耗的重要指标,其预测控制对炼铁过程的节能降耗具有重要意义.利用某高炉在线采集的数据对煤气流温度分布和高炉煤气利用率的关系进行研究.首先,对高炉煤气利用率数据和能够实时反映煤气流分布的炉喉十字测温数据中的缺失值进行多重插补填充,并利用分位点计算煤气流分布的经验分布函数,得到测温数据的小时分布概率...     

基于时序模型的高炉煤气发生量多步预测对比

 为准确预测高炉正常工况及变工况(如休风、减产、停产等)条件下的煤气发生量,采用长短记忆模型(LSTM)和季节性差分自回归模型(SARIMA)预测了不同工况下的高炉煤气发生量。对比了正常工况下两模型不同预测步数的预测效果,发现随着预测步数的增加,两模型预测精度总体呈减小趋势,并且LSTM模型的预测精度普遍高于SARIMA模型;为提高模型精度,还对比了30步预测条件下不同输入样本量对模型的预测影响,结果表明,SARIMA模型最佳输入样本量为200个左右,对应平均相对误差为0.057 0,LSTM模型最佳输入样本量为100个左右,对应平均相对误差为0.042 8,因此,正常工况下LSTM模型预测效果更好;而变工况条件下SARIMA模型效果更好,SARIMA模型的平均相对误差为0.069 4,LSTM模型为0.094 0。结合两模型的优势,建立了梯度驱动时序预测复合模型,该模型在复合工况下30步预测平均相对误差为0.060 1,均低于两模型单独使用时的误差,因此在现场运行时,建议使用梯度驱动时序预测复合模型进行预测,这为高炉煤气调控提供了更好的数据支持,合理分配煤气提高煤气利用率,减小煤气放散。     

高炉煤气脉冲布袋除尘技术的应用

介绍了韶钢6号高炉脉冲布袋除尘技术的工艺流程、主要设备、控制措施及节能效果。