Multi-Agent建模方法研究及在高爐硅序列分析中的應用.pdf

1、鋼鐵工業(yè)是國民經(jīng)濟的重要支柱產(chǎn)業(yè)，也是大量消耗能源的產(chǎn)業(yè)。而其冶煉工藝具有流程長，涉及工序眾多，影響參數(shù)錯綜復雜，運行機制具有非線性、大時滯、高噪聲、參數(shù)分布眾多等特性。為了有效地控制高爐冶煉生產(chǎn)過程，對爐溫[Si]預測方法的研究一直是煉鐵生產(chǎn)中的重要課題。
　　 實際采集的爐溫樣本數(shù)據(jù)也因此具有較強的波動性、非線性性、非平穩(wěn)性，在爐溫[Si]序列數(shù)據(jù)建模過程中，影響了模型的準確性。本文以《包鋼6＃高爐冶煉專家系統(tǒng)》在線采集的冶

2、煉過程數(shù)據(jù)為基礎，選取爐溫Si、S、Mn、P序列，對爐溫[Si]序列選取樣本長度進行建模研究。這一研究為高爐爐溫[Si]序列系統(tǒng)建模，預測控制等研究提供了一種新的思路和途徑，具有一定的創(chuàng)新價值和應用價值。
　　 本文研究的核心問題是高爐爐溫[Si]序列數(shù)據(jù)建模過程中最優(yōu)樣本長度選取。論文選取了在線采集的爐溫[Si]，[S]，[Mn]，[P]序列為樣本空間，容量為1000爐，采樣間隔為2h左右。本文首先針對[Si]序列與[S]，[

3、Mn]，[P]序列做了相關性分析，結果表明由于[S]與[Si]序列具有負相關性，[Mn]，[P]與[Si]序列具有正相關性，在數(shù)據(jù)樣本的選取上較為合理.接下來以Fisher判別準則為基礎，得出平穩(wěn)序列和非平穩(wěn)序列的分類判別誤差函數(shù)，對爐溫[Si]序列進行建模分析．結果表明爐溫[Si]序列在非平穩(wěn)情況下研究分類才得到較好的結果.然后，由于爐溫[Si]序列的強波動性和非線性性，對數(shù)據(jù)的處理首先經(jīng)過多層MLP網(wǎng)絡進行降維，接著建立單層感知器模

4、型(SLP)對[Si]進行分類預測，得出分類誤差與樣本長度的趨勢圖，經(jīng)分析得出樣本長度選取為100爐時分類誤差最?。捎赱Si]序列樣本的非平穩(wěn)性，不同的樣本時段具有不同的數(shù)據(jù)特征，在用單SLP建模時，單一的權值難以得到很好的分類效果，因此本文提出Multi-Agent建模方法，產(chǎn)生多個具有相同網(wǎng)絡結構，不同權重的Agent同時進行樣本分類工作.Agent初始權重的產(chǎn)生，綜合考慮了樣本信息、隨機擾動等影響，使得Agent具有豐富的多樣性