控制与决策

作者：刘辉,曾鹏飞

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,

关键词：转炉炼钢;灰色关联度;模糊C聚类;混合高斯模型;LSTM

基金：国家自然科学基金项目(61863018)；云南省科技厅应用基础研究项目(202001AT070038).

转炉炼钢过程中碳温连续实时预报是终点控制的关键,针对过程数据波动影响炉次样本相似性度量进而造成建模困难、通用性差的问题,同时考虑炼钢过程数据存在的时间序列特性,提出一种自动聚类和计算待测样本后验概率的即时学习方法.首先,采用灰色关联度加权的模糊C聚类策略将历史库样本进行自动聚类;然后,利用混合高斯模型计算待测样本的后验概率确定关联度最大的样本集合;最后,度量出待测样本的最佳小样本子集,进而采用LSTM网络预测终点碳温.通过该方法对钢厂转炉炼钢生产过程数据进行验证,实验结果表明,按照炼钢的工艺要求,温度预测误差在$\pm 10^\circ$C的精确率为93.3%,碳含量预测误差在pm0.02的精精确率为90.0%.

来源：2021年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第9期