控制与决策

作者：杨路,刘辉,熊倩

单位：1. 昆明理工大学 信息工程与自动化学院,昆明 650500;2. 昆明理工大学 云南省人工智能重点实验室,昆明 650500,,1. 昆明理工大学 信息工程与自动化学院,昆明 650500;2. 昆明理工大学 云南省人工智能重点实验室,昆明 650500,,1. 昆明理工大学 信息工程与自动化学院,昆明 650500;2. 昆明理工大学 云南省人工智能重点实验室,昆明 650500,

关键词：转炉炼钢;即时学习;加权KL度量准则;谱聚类;后验概率

基金：国家自然科学基金项目(61863018)；云南省科技厅面上项目(202001AT070038).

转炉炼钢终点控制的关键是实现碳温准确预测.针对炉次样本间波动性较大,导致即时学习的样本相似性度量困难而造成预测精度不高的问题,提出一种基于改进谱聚类算法构建的相似性度量策略.首先,根据过程变量和关键变量间的耦合关系构造全局加权KL度量准则的谱聚类算法,获得类间方差较大、类内方差较小的聚类子集以消除炉次样本间的波动;其次,根据类簇间差异信息,融入局部加权KL度量准则计算待测样本隶属于各类的后验概率,从而构造出一种适合描述转炉炼钢过程复杂特性的相似性度量策略;最后,采用该度量策略度量出与待测炉次工况特性更加相似的样本子集,建立相关向量机回归模型进行终点碳温预测.实际转炉炼钢生产过程数据仿真结果表明,碳含量在pm0.02%的预测误差范围内精度达到89%,温度在pm$10\textdegree$C的误差范围内精度达到92%.

来源：2022年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第11期