基于CJS-SLLE降维与即时学习的转炉炼钢终点碳温软测量方法

转炉炼钢中碳温的准确检测是终点判断的关键,基于数据驱动的终点碳温软测量方法是一种有效途径,但转炉炼钢生产过程数据存在高维度、非线性和数据波动大的问题.针对这一问题,本文提出一种降维与即时学习的终点碳温软测量(CJS-SLLE)算法用于过程数据的监督降维.通过在距离度量中引入量化后的碳温标签信息,从而构造了一种带有监督信息的度量方式实现类内类间方差的调整,然后在带标签信息的基础上引入数据间方向信息,从而实现了样本标签、方向和距离三者信息融合的一种新型(CJS)相似性度量策略,应用到局部线性嵌入中获得高维训练样本低维坐标;其次,提出一种自适应局部线性投影策略用于无标签待测样本,实现其低维坐标中同样包含标签信息;最后,根据即时学习算法选取样本子集建立偏最小二乘局部回归模型对终点碳温预测.在实际转炉炼钢生产过程数据仿真下,碳含量在±0.02%误差范围内预测精度达到90%,温度在±10℃误差范围内预测精度达到87%.

一种QCN火焰图像特征提取的转炉炼钢碳含量实时预测方法

钢水碳含量是影响转炉炼钢出钢质量和冶炼效率的主要因素,而实现碳含量的连续实时预测是炼钢终点控制的关键和难点.针对不同碳含量对应火焰图像呈现出的随机自然纹理相似性较高的问题,根据炉口火焰纹理独有的多方向多尺度不规则特点,提出了四元数复杂网络(QCN)彩色纹理描述符.首先,利用四元数等距映射融合火焰图像颜色通道信息,且用幅值谱和二次量化后的相位谱描述映射后图谱以增强颜色信息描述;其次,采用复杂网络的方式,以相位为条件并利用幅值信息构造一种网络连接权重公式,于幅值谱构建炉口火焰图像的多尺度不规则彩色纹理复杂网络模型;最后,计算复杂网络的拓扑特征度和聚类系数,以其相关特征量化复杂网络拓扑连接模式,构建炉口火焰QCN特征,并通过KNN回归模型预测终点碳含量.结果表明,碳含量在±0.01%误差范围内的预测准确率为85.65%,在±0.02%误差范围内预测准确率达到91.83%,且所提算法满足实时性要求.

基于LNN-DPC加权集成学习的转炉炼钢终点碳温软测量方法

转炉炼钢终点控制的关键是碳温准确预报。针对实际生产中因原料品质差异导致的炉次样本波动性较大所造成全局单一模型无法精确预测终点碳温的问题,提出一种局部最近邻密度峰值聚类算法(LNN-DPC)加权集成学习软测量方法。首先,采用改进的峰值密度聚类算法划分降维后的训练数据形成局部样本子集,构建子集与原始数据间的一一对应关系生成高斯过程回归子模型,并在原始数据子集下度量得到熵值加权的子集“质心”;其次,通过灰色关联分析选择与测试样本关联度较强的模型作为局部模型,提出关联度加权集成策略输出碳温预测结果。在实际转炉炼钢生产过程数据仿真结果下,碳含量在±0.02%的误差范围内精度达到85.2%,温度在±10℃的误差范围内精度达到84.8%。

一种DDMCN火焰图像特征提取的转炉炼钢碳含量实时预测方法

转炉炼钢终点控制作为吹炼末期重要操作的关键是碳含量准确实时预测,而熔池中碳含量的氧化速率能够反映在炉口火焰纹理变化上,因此提取火焰纹理的准确特征是终点碳含量预测的关键,但是火焰纹理具有多方向多尺度不规则的特征描述难点.鉴于此,提出一种导数非线性映射方向加权多层复杂网络彩色纹理描述符,符合火焰不规则纹理的多尺度多方向特点.首先,将HSI空间下火焰图像映射至相位空间以增强空间位置关联信息;然后,基于复杂网络给出一种反映不同尺度顶点间连续变化的导数关系权重公式,结合方向信息构建炉口火焰图像的多尺度不规则方向加权彩色纹理复杂网络;最后,计算顶点方向加权度特征量化复杂网络拓扑连接模式,构建火焰彩色纹理特征,建立KNN回归模型预测终点碳含量.实验结果表明,所提出算法满足实际转炉炼钢吹炼过程实时性要求.