PDF《组合预报模型》

第19卷第

1 期2002年2月 控制理论与应用 CON T R OL T HE OR Y AND A H 】 LI ( Ⅱ 0N S V0

1 1 9No

1 F e b

2 0

0 2 文章编号 :1 C

0 0―8

1 5

2 ( : o o

2 ) o ] 一0

1 4

9 ―0

3 炼 铜转 炉吹炼 终点 的神经 网络和 自适应残 差 补偿 组合预 报模 型 彭小奇 胡志坤 梅炽胡军姚俊峰 ( 中南大学应用物理与热能工程系・ 长秒 ,

4 1

0 0

8 3 ) 摘要 :提出了基于改进 的BP神经网络学 习算法 和 自适 应残差补偿算法 的炼铜转炉 吹炼终点组合 预报模型 利用某厂实际生产数 据进行仿真运行的结果表 明, 本文建 立的模型具 有较高 的预报精度 和较 强的实用 性,可用 于指导生产 实践.

关键词 : 转炉 ;

铜钪 吹炼 ;

神经 网络 ;

终点预报 文献 标识码:ACo n v e r t i n g Fu r n a c e En d p o i n t Pr e d i c t i o n M o d e l Ba s e d o n Ne u r a l Ne t wo r k a nd Adap t i ve Er r o r Co mpe ns at i o n PENG Xi a o qi , HU Z h i k u n, MEI Ch i , HU J t m a n d YAO J u n f e n g ( D e p a r t m e n t o f A p p ~ e a P h y s i c s a n d H e a t E n g i n e e r i n g,C e n t r a l S o u l h U n l v ~i t y'

C h a n g s h a .

4 1

0 0

8 3 . P R Oa i ~ a ) Ab s t r a c t I t i s t he f ir s t t i me t h a t a c c c t v e r t i n g f i l l T t a C ~e o d p oi n t pr e d i c d c c t mo d e l b a s e d O n a r t i mp r o v e d BP n e u r a l n e t wo r k a n d目Mccmpon s a r i o n o f l i n e a r r e g r e s s i o n B y s i m u l a t i n g t e s t l i t i s p r o ~ w . A t h a t t h e mo d e l p o s s e s s e s 昏precisionandpmc f i ― c a b i l i w Ke y wo r ds:c o n v e r t i n g f i l r r t a c e;

ma t t e c o n v e r l L n g;

n e u r a l n e t wo r k;

e n dp oi n t p r e d i c t i o n l 引言 ( I n t r o d u c t i o n ) 转炉吹炼 的 目的是通 过铜锍 和空气 中的氧气进 行 剧烈 的 自热反 应,将oI】2s氧化成 金 属铜 . 铜锍 吹 炼通 常分为造渣 期 和造铜 期两个阶段 , 造渣期的主要目标 是除去铜 锍 中的铁 , 生成 主要 含Cu2S的 白锍;

造铜 期的主要目标 是除去锍 中 的硫 , 生成含铜98%以上 的粗铜并 使 贵金属 元素富集 . 欠 吹会 增加后续工 序的处理 难度,过吹会 使 铜锍 过 多地 氧 化成 C u O;

因此 吹炼过 程 中两 个 阶段终 点控 制 的准 确性 直接 影响粗铜 的生产 质量 在实际生产 中,吹炼终点 的判 断大多依据 操作人员 的经 验.曾有学 者从 反应机理 出发… , 通过 建立吹炼 过程的热 力学 模 型来 进 行转 炉过程仿真 和终 点预报 , 取得一定 效果 , 但 由于 许 多热力学参数 不能 确定和 生产现场操 作参数 变化 的随机性 , 所 以其实 际应用存 在很大 的局 限.本文将 改进 的BP神 经 网络学 习算 法和 自适 应 残差补偿 算法相 结台,建立了炼 铜转 炉 吹炼终 点的组台预报 模型 , 通过判定铜 锍 中的含 铜量 来 预报 吹 炼终点 . 利 用实际 生产数据 进 行仿 真 运行 的结 果表明,本文 建立 的模 型具有 较高的预报 命 中率 和 较强 的实用 性,可用 于指 导生产实 践.2组合预报模型(Combinatorialpredictionmo d e

1 )

2 .

1 神经网络 预报模型(Neuralnetworkpredictionmode1)BP(backpropagation)神经网络是 应用 最广泛的一种人工 神经 网络模 型,结构 简单且 易于编 程处理 , 具有较强 的非 线性 处 理能 力I.本文所建 模型采用 含输人层 、 隐含 层和输出层 的三层网络 , 其结构如 图l所示 其中,(e= l ,