买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于混合线性规划算法的炉渣粘度预测方法，包括以下步骤：定义粘度样本库中数据的拟合公式，并采用最小二乘法获取距离系数的初始值和截距值；使用粘度样本库中每个样本点的数据按梯度下降的方向迭代优化距离系数，根据均方根误差值选择最优的距离系数；从粘度样本库中挑选若干个距离当前输入点最近的样本点，从中挑出4个样本点，使用行列式计算每种组合的权重因子；定义权重因子的成本函数，挑选成本函数最小的组合并用来计算炉渣粘度的预测值。本发明解决了测定炉渣粘度存在大滞后性的问题，在获取到炉渣的成分数据后即可立刻预测出当前的炉渣粘度，从而可及时采取调节措施将粘度始终控制在合适的区间内。

主权项：1.一种基于混合线性规划算法的炉渣粘度预测方法，其特征在于，该方法包括以下步骤：步骤S10，收集炉渣的粘度样本数据，组成粘度样本库，定义粘度样本库中数据的拟合公式，并采用最小二乘法获取距离系数的初始值和截距值；步骤S20，使用粘度样本库中每个样本点的数据按梯度下降的方向迭代优化距离系数，根据均方根误差值选择最优的距离系数；步骤S30，从粘度样本库中挑选若干个距离当前输入点最近的样本点，从中挑出4个样本点，使用行列式计算每种组合的权重因子；步骤S40，定义权重因子的成本函数，挑选成本函数最小的组合并用来计算炉渣粘度的预测值；所述步骤S10中的定义粘度样本库中数据的拟合公式的方法为：收集使用粘度计测量的粘度样本数据组成样本库，每个样本点中包含有炉渣4种成分的摩尔分数值，还有化验得到的粘度值，将粘度值取自然对数以后这两者之间具有更好的线性关系；定义粘度样本库中数据的拟合公式为：lnN＝σCa×CCa+σMg×CMg+σSi×CSi+σAl×CAl+β0式中，N为化验的粘度值，σCa和CCa分别为CaO成分的距离系数和摩尔分数，σMg和CMg分别为MgO成分的距离系数和摩尔分数，σSi和CSi分别为SiO2成分的距离系数和摩尔分数，σAl和CAl分别为Al2O3成分的距离系数和摩尔分数，β0为线性拟合公式中的截距值；其中，σCa、σMg、σSi、σAl、β0为待辨识的参数；所述步骤S20中的顺序使用每个样本点的数据按梯度下降的方向迭代优化距离系数的方法为：从样本库中的第一个样本开始顺序计算每一个样本的估计误差，设当前为第m个样本，则该样本的估计误差为： 式中，为使用样本库中第m-1个样本更新后的第k个距离系数，1≤k≤4，Ck,m为第m个样本的第k个摩尔分数，Nm为第m个样本的粘度值；根据误差按照梯度下降的方向更新估计的距离系数： 式中，为m次更新后的第k个系数，RS为梯度下降法的学习率参数；所述步骤S20中的按照更新后的距离系数计算均方根误差，并判断是否小于误差阀值的方法为：采用了MSE均方根误差作为优化的目标函数，那么第m次更新后的目标函数为： 设置误差阀值，若本次系数更新后的MSE指标低于该误差阀值，则优化算法结束，取当前的估计系数作为距离系数的最终值即：为m次更新后的第k个系数；若本次系数更新后的MSE指标高于误差阀值，则继续使用下一个样本数据循环执行；所述步骤S20中的排序所有样本点的MSE指标，挑选最优的距离系数值的方法为：若使用完所有的样本点数据，所有计算的MSE指标都高于误差阀值，则将所有样本点的MSE指标进行排序，取MSE最小的那一次的距离系数作为距离系数的最终值设MSE最小时对应的是第j个样本点，则所述步骤S40中的定义成本函数，计算每一种组合的成本函数值的方法为：定义成本函数为：Costk＝a×absWsum-1.0+1.0-a×∑absWneg1≤k≤15式中，Costk为第k种组合的成本函数值，1≤k≤15；a为惩罚系数，0.0＜a＜1.0；abs为取绝对值的运算符，Wsum为4种成分的权值和，Wneg为负的权值，∑absWneg表示将所有为负的权值的绝对值相加；右式的第一项用于惩罚权值和同1.0的差距，第二项用于惩罚负权值，惩罚系数a用于调节这两种惩罚方式所占的比重；所述步骤S40中的排序每种组合的成本函数，挑选成本函数最小的组合的方法为：排序每种组合的成本函数，挑选成本函数最小的那一种组合作为最优解，设最优解包含的4个样本点的权重因子为b1,opt、b2,opt、b3,opt、b4,opt，且这4个点的粘度值为S1、S2、S3、S4；所述步骤S40中的获取输入点的粘度预测值的方法为：按下式计算输入点的预测粘度值：Spre＝b1，opt×S1+b2,opt×S2+b3,opt×S3+b4,opt×S4这样按照上述步骤，即可根据化验的炉渣成分立刻计算得到炉渣粘度值，若炉渣粘度不在适合范围内，可及时进行调节，优化高炉生产的过程性能。

全文数据：

权利要求：

百度查询： 中冶南方工程技术有限公司 一种基于混合线性规划算法的炉渣粘度预测方法