鉴定项目技术汇报.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,1,技术报告,烧 结 过程自动测量与智能控制的关键技术与应用,2010.11.,2,汇报提纲,基本情况介绍,领域研究现状,项目主要创新点,最小二乘支持向量机法,贝叶斯推断,思维进化算法,烧结终点智能预测,烧结终点智能控制,3,基本情况介绍,项目主要完成单位,:,安阳师范学院,安阳工学院,安阳钢铁集团公司,4,基本情况介绍,课题类型,:,河南省科技攻关项目,编号：,102102210424,推广应用：,2008,年,8,月,现在,5,烧结过程简介,6,7,烧结料层结构变化图,8,自点火后，进入脱水阶段，混合原料开始燃烧，料层温度慢慢升高，当进入烧结阶段后，料层温度迅速升高，达到最高温度后，燃烧点到达料层底部，烧结矿形成，并进入冷却阶段。烧结终点定义为料层温度达到最高处的位置。,9,烧结终点,10,烧结终点特点,1.,大滞后性,2.,耦合性,3.,时变性,4.,层次性,11,国外研究动态,1.,日本川崎公司,，烧结终点,诊断型专家系统,，建立基于风箱温度的预报；,2.,日本神户钢铁公司,，,神经网络技术实现对烧结热状态的识别和控制,；,3.,韩国浦项钢铁公司光阳厂,，采用热电偶和红外摄像机实时监控温度变化，控制阀门开度和碳含量；,12,4.,韩国,Yong Ho Kim,，提出,极大极小广义预测控制算法用,于烧结终点控制；,5.,意大利冶金公司尼加里亚烧结厂建立了风箱废气成分与烧结矿,FeO,含量和烧结终点的统计模型,；,6.GQnther Straka,开发了基于燃烧带模型的烧结终点控制模型,；,7.,埃及的,M.E.H,沙拉比等人通过实验也表明烧结终点可用废气中,n(CO,2,)/(CO),达到最大值的时间来确定。,13,国内研究动态,1.,中南大学提出了基于软测量和烧结终点预测的烧结终点控制方法，建立了利用风箱温度求取烧结终点,(BTP),位置的软测量模型,；,2.,中南大学范晓慧等人开发了烧结生产过程控制专家指导系统中，用系统辨识方法建立了多个时间序列模型，以此来预报烧结矿化学成分以及烧结终点，开发了以透气性为中心的烧结过程状态控制专家系统,；,14,国内研究动态,3.,东北大学针对烧结终点控制提出前馈一反馈模糊控制的方法,；,4.,黄天正、范晓慧等开发的烧结生产控制专家系统,(IEGS),，采用自适应预测化学成分控制与过程状态控制相结合的智能化方法,；,5.,刘克文采用机尾断面图像与人工智能相结合的烧结质量综合监测方法，结合,模糊控制技术开发了烧结生产专家指导系统,；,15,国内外研究的局限性,在目前的烧结控制中，烧结终点控制仍是滞后调节控制，即由人工经验根据当前烧结终点位置，来调节烧结机速度，由于烧结终点存在的大滞后性，仅仅根据当前的烧结终点位置来调节操作参数，稳定烧结终点位置是盲目的，严重时反而可能导致烧结系统的剧烈波动，单纯的滞后控制难于实现对烧结终点的有效控制。,16,烧结终点的稳定性已越来越成为整个铁前系统能否保持良好运行的关键。尤其是产品质量异常时，既不能及时调整烧结生产又无法及时指导高炉生产，而且经调研发现，国内多数企业均存在类似问题。这种状况已经严重影响了烧结生产，对炼铁生产也造成了不可小视的损失，因此在烧结厂，开发出烧结终点的预测模型和预测系统已是当务之急。,17,项目主要创新点,1,、使用支持向量机预测烧结终点,应用结果表明，该模型能在小样本贫信息的条件下对烧结矿终点给出比较准确的预测，能为复杂的烧结生产提供强有力的操作指导。,18,项目主要创新点,2,、贝叶斯推断理论,由于正则化函数和核函数难以确定，采用贝叶斯推断理论来自动确定,正则化函数和核函数。,19,项目主要创新点,3,、思维进化算法优化,由于,MEA,独特的进化机制，为开发高效率的趋同策略与异化策略提供了广阔的空间,。,20,项目主要创新点,5,、多传感器数据融合,由于烧结厂配备了大量高精度的传感器，采用多传感器数据融合技术。,21,最小二乘支持向量机,1995,年在统计学习理论基础上提出的一类新型的机器学习方法,。,优点,：,1,低维空间映射到高维空间；,2,全局优化；,3,泛化能力强；,4,鲁棒性好。,22,支持向量机,Vapnik,根据统计学习理论提出了一种针对小样本情况下机器学习规律的理论。该理论针对小样本统计问题建立了一套新的理论体系,支持向量机（,Support Vector Machine,或,SVM,）。,SVM,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以获得最好的泛化能力。,23,支持向量机,与传统的神经网络相比，,SVM,算法最终将转化成为一个二次型寻优问题。从理论上说，得到的是全局最优点，解决了在神经网络中无法避免的局部最小值问题。,SVM,的拓扑结构由支持向量决定，避免了传统神经网络结构需要经验试凑。,24,支持向量机,设训练集 ，是 第,t,个样本的输入模式，是对应于第,t,个样本的期望输出，,N,为样本数，,LS-SVM,用如下形式的函数对未知函数进行估计，,25,支持向量机,将目标函数：,26,支持向量机,27,样本数据预处理,28,LS-SVM,的缺点,传统,LS-SVM,参数的确定一般采用交叉验证，对每一对,参数,，将样本分为训练验证集和测试集，将训练验证集分为若干份，用训练集训练,LS-SVM,后，对验证集进行预测。在对每对,参数,预测不同验证集后，选后预测误差均方差的平均值最小的,参数,为,LS-SVM,的模型参数。采取交叉验证确定理想的,参数,需要花费大量时间，尤其不适于大样本建模。因此，通过对训练集进行贝叶斯推断来确定较优的,参数,以提高建模效率。,29,贝叶斯推断,贝叶斯推断的基本思想是分层次地使参数、超参数、模型的似然函数最大化，以使它们能更好地解释数据。,贝叶斯推断分为三级：准则一推断权向量和偏差量；准则二推断正则化函数；准则三推断核函数。,30,贝叶斯支持向量机的实现框图,31,思维进化算法,思维进化是在遗传算法的基础上做出改进创新的。思维进化算法将整个群体分为若干子群体，子群体分为若干个个体，创新性的提出了,“,趋同,”,、,“,异化,”,算子。,32,趋同就是在每个子群体内，优胜的个体成为本子群体的胜者的过程。,异化是各子群体在整个空间内，为成为全局的胜者而竞争的过程，不断地,搜索,解空间中新的点。,33,多传感器数据融合,34,数据层融合,35,特征层融合,36,决策层融合,37,38,39,配料系统,烧结过程,数据预处理,化学成分控制系统,训练与学习,预报系统,预报值,连接权值与阈值,u,y,控制策略流程图,40,系统功能框架,系统功能,烧结预测,专家系统,其它功能,现状分析,操作指导,系统解释,系统参数设置,数据库连接,知识库编程,数据导出,多形式预测,趋势分析,命中稳定率,计,41,系统技术实现,系统采用功能强大的面向对象的程序设计语言,Visual C+6.0,作为开发工具，后台数据库选用,SQL Server2000,数据库管理系统。系统采用客户端与服务器即,C/,S,（,Client/Server),结构模式与集成框架局域网内信息处理采用,C/S,模式。,42,43,系统的应用主要分两个阶段，第一阶段为考察、提高模型的预报命中率和操作指导建议准确率；第二阶段是实现闭环控制,。,现场专家根据实际情况不断修改系统知识库、模型参数，以及模型的连续自适应学习，使得系统更贴近实际生产，更能反映现场生产的实际。,44,当模型的预报命中率和操作指导建议准确率达到,95,以上后，就可以实现闭环控制，系统将操作建议中对原料配比的调整直接换算成配料圆盘转速的调整值，通过数据接口将指令直接写进,DCS,系统，实现全自动的控制。,45,烧结终点预测,46,烧结终点预测,47,烧结终点集成预测模型,48,在烧结过程中，由于种种原因，烧结矿石成分、烧结矿配比以及操作人员的工作经验水平等有可能发生变化，即使构建的,Bayesian LS-SVM,模型在刚开始运行时具有相当高的精度，但是随着时间的推移和工况条件的变化，仍有预测模型不能适应新情况的状态。因此为了提高预测模型的自适应性，使其适应各种工况的变化，必须对预测模型进行在线修正，充分结合专家知识，并对其实时更新，以使其跟踪工况的变化来提高模型的自适应性。,49,预报模型的自适应机制,一是学习样本的不断更新机制；,二是预测模型的自学习机制,；,三是模型输出的在线自修正能力。,50,系统总体结构图,51,L1,级中配料,PLC,、配混,PLC,、烧冷,PLC,、整粒,PLC,和脱硫,PLC,组成，通过,FO,卡或,Profibus,总线实现了过程仪表检测量的采集以及执行机构控制量的下发。,L2,级采用,Wonderware,公司开发的监控软件,InTouch10.1,搭建工程师站和操作站，其中,InTouch,与,PLC,通过,DAServer,采用,suite Link,协议进行通信。,52,软件体系,1.,表示层,表示层主要实现人机界面操作功能，包括相关参数的设定、状态监控等。,2.,业务层是整个控制软件的核心，包括所有的业务规则以及执行业务规则所需要的业务逻辑，主要完成烧结过程相关参数的软测量、预测及控制,;,数据层主要实现数据的读取、数据预处理和数据保存等,；,53,系统,数据流,54,由于,InTouch,监控软件已从,PLC,中读入所需要的数据，可以采用如图所示的结构模式来实现采用这种结构，,BTP,控制算法无需直接连接底层,PLC,，可以基于,DDE,通信接口，实现控制算法程序与,inTouch,监控软件的数据通信，从而实现实时生产数据在控制算法程序和,inTouch,监控程序之间的双向高速传输，达到实时优化控制的目的。,55,3.,接口层为连接烧结终点智能控制程序和下层基础自动化监控软件的纽带。,各层之间既相互独立，又相互联系，结构灵活，并易于扩展和修改。,智能控制系统由三个功能模块组成,:,第一部分为应用程序的人机交互界面,；,第二部分为控制算法模块,;,第三部分为数据管理模块。人机交互界面模块主要实现用户对烧结终点状态的监控，以及相关参数的设定，便于操作人员随时掌控系统的运行情况。,56,社会效益和经济效益,该模型能准确地预报烧结矿的化学成分，区间命中率达到,90%,以上，为下一步实现烧结终点的在线控制奠定了基础。使烧结机利用系数提高了,0.3t/m2h,，终点波动由,5%,降到,2%,。年创效益,400,多万元。实践表明，该系统对提高烧结矿质量，稳定烧结生产，发挥了很好的作用。因此项目对安钢烧结厂的烧结生产起到了明显的指导作用，给烧结生产带来了可观的经济效益,。,57,推广应用前景（,1,）,本项目运用智能控制技术和数据处理决策对烧结矿终点预测与控制的研究，能够为提高烧结矿质量和产量提供设计准则和参考依据，能够为烧结主控室对某一参数操作提供方便、准确的实现方案，为准确把握烧结矿化学成分控制系统的综合性能提供测试基础，更深层次的，为研究开发具有我国自主知识产权的绿色钢铁奠定扎实的基础。,58,推广应用前景（,2,）,因此，本项目的研究工作具有较强的科学意义和工程实用价值，能够推广应用到多个工业领域中，应用前景广阔。该项目通过技术鉴定以后，我们将在目前推广应用的基础上，将本项目的关键技术在有关杂志发表，积极向有关企业介绍推广有关的成熟技术。,59,推广应用前景（,3,）,本项目提出的贝叶斯推断、思维进化、多传感器数据融合、支持向量机的数学建模等关键技术对其他行业也有一定的借鉴意义。另外，可以避免过程控制的频繁调整,实现烧结生产的稳定运行,可以避免误操作，烧结矿终点的控制策略具有原创性，对其他烧结生产也有一定的应用价值。,60,与项目有关的重要研究论文,Simulation and prediction of the alkalinity in sintering process based on grey least support vector machine,，钢铁研究学报（英文版）,2009,年,5,期（,SCI,收录，收录号：,518TE,）,基于,SVM,的烧结矿智能预测关键技术研究，武汉理工大学学报，,2009,年,10,期,基于灰色神经网络算法的烧结矿碱度预测模型研究,，控制理论与应用，,2008,年,8,期（,EI,核心版收录）。,小样本贫信息的条件下高炉冶炼烧结终点组合预测法，重庆大学学报（自然科学版），,2010,年,11,期（,EI,核心收录）。,61,与项目有关的重要研究论文,.The Prediction of the Medium term Load Based on Combined Model of the Bayesian Theory and LS-SVM,，,ICNC10-FSKD10,国际会议，中国烟台，,EI,收录；,.Research on fault diagnosis of transformer based on grey relation entropy,，,ICCEE2010,国际会议,，中国成都，,EI,收录；,.Risk assessment of the mine environment information based on multi-sensor information fusion,，,ICCEA2010,国际会议,，中国重庆，,EI,收录；,62,致谢,本项课题的研究得到了国内多家单位的支持和帮助。这里特别提出对以下单位的感谢,安阳钢铁集团公司,安阳钢铁集团公司测试中心,安阳鑫达自动化工程有限公司,安阳安吉鼎自动化工程有限公司,北京中冶京诚京城瑞达电气有限公司,63,著作权、发明专利,计算机软件著作权，烧结矿化学成分智能预测和控制软件，登记号：,2010SR050815,；,正在申报国家发明专利，,小样本贫信息,条件,下的烧结矿化学成分预测与控制技术,。,64,谢,谢各位专家不吝指导和建议！,65,