你现在位置:首页>技术论文>行业应用>检测监控>正文
高炉煤气流分布模式识别神经元网络模型及应用
日期:2008-9-6 0:38:32 来源:中国自动化网  
点击: 作者:
点击【】放大字体.
摘 要:高炉煤气流的控制是高炉操作的重要方面,为了更直接地判断煤气流的分布,利用自组织神经网络开发的数学模型整理出了25种煤气流分布模式,该模型有助于高炉操作者更直观地判断煤气流的分布。
WWW_PLCJS@_COM%-PLC-技.术_网

关键词:高炉;煤气流分布;识别;自组织神经元网络;模型
WWcW_PLCJS_COM-PLC-技.术_网

WW.W_PLCJS_COM-PLC-技.术_网

Neural Network Model for Recognition of Gas StreamDistribution Pattern
WWW_PLC※JS_COM-PLC-技.术_网(可编程控※制器技术门户)

in Furn ace Top and Its Application
WWcW_PLCJS_COM-PLC-技.术_网

TU Chun-lin, BI Xue-gong, ZHOU Yong
WW.W_PLC※JS_C,OM-PL,C-技.术_网

(The Wuhan University of Science and Technology, Wuhan 430081, China)
WWW_PLCJS@_COM%-PLC-技.术_网

Abstract: The control of gas stream is important in BF operation, how to estimate gas stream distribution is very vital. 25 kinds of gas stream distribution patterns have been arranged in order by means of mathematical model developed by the self-org anization neural network. This will be helpful for workers to operate BF.
WWW_PLCJS_COM-PLC-技.术_网

Key words:BF;gas stream distribution;recognition;self-organization neural network; mathematical model
WWW_PL※CJS_COM-PLC-技.术_网

1 前 言
WWW_PL※CJS_COM-PLC-技.术_网

  煤气流的分布关系到炉内温度分布﹑软熔带结构﹑炉况顺行和煤气的利用状况。所以,连续地掌握煤气流的分布情况很有必要。但由于高炉内部条件严酷,煤气流分布很难直接测量。目前,我国许多高炉安装了十字测温探尺,能够连续准确地测出炉喉的径向温度,为判断径向煤气流分布提供了条件。
——可——编——程——控-制-器-技——术——门——户

 目前国内外许多研究人员采用了神经元网络对高炉径向煤气流的分布模式进行识别。国内如攀枝花钢铁(集团)公司4号高炉采用BP网络建立高炉炉喉煤气流分布数学模型。东北大学的王玉涛等提出混合神经网络,并将其应用到高炉径向煤气流分布模式识别中。国外如日本新日铁大铁分厂进行煤气流分布模式预测,并与高炉专家知识结合预报高炉炉况;日本神户钢铁厂进行径向煤气流分布识别等。这些研究直接用于高炉煤气流判断的网络都采用了BP网络,BP网络是有导师训练模型,上述方法一般是先凭经验将径向煤气流分布模式分为几种类型,然后进行识别。但每个高炉的情况不同,并且同一高炉在不同时期炉况也会有所不同,与其相适应的煤气流分布也就不同,所以上述方法有其局限性。
WWW_PLCJS※COM-PLC-技.术_网(可※编程控※制器技术门户)

 自组织神经网络是一类无导师学习网络,可以自动地向环境学习,在无监督的情况下从输入数据中找出有意义的规律。本研究应用这种网络方法从我国宝钢1号高炉大量十字测温历史数据中自动整理出25种分布模式,以方便表达和描述实际气流分布状况。该模型作为宝钢1号高炉布料推定模型的一个子模型,已在线运行,目前运行情况良好。
WWW_PL※CJS_COM-PLC-技.术_网

2 自组织神经网络的结构和算法
WWW※PLCJS_COM-PL#C-技.术_网(可编※程控※制器技术门户)

  自组织神经网络模型结构如图1所示。可以把k维输入空间映射成(输出层神经元的)二维阵列(i×j),所有的神经元有相同的k维连接权,每个输出层神经元相联系的权值矢量,被看作是神经元对输入矢量的响应结果。若将输入向量X标记成:
plcjs.技.术_网

  X=[x1,x2,....,xk>T
WWW_PLC※JS_COM-PmLC-技.术_网

  与输出层神经元j相应的权值矢量Wj标记为:
P.L.C.技.术.网——可编程控制器技术门户

  Wj=[wj1,wj2,......,wjk>T
WWW_PLC※JS_COM-PmLC-技.术_网

  则获胜神经元的确定,相当于选择权值矢量W\-j与输入矢量X最为匹配的输出层神经元。可以选出权值矢量距离输入矢量有最小欧氏范数值的输出层神经元作为获胜神经元。如果将i(X)指定为获胜神经元的标号,则这种选择获胜的方法可以表示为:
plcjs.技.术_网

i(X)=k 当‖Wk-X‖<‖Wj-X‖ j=1,2,......k
——可——编——程——控-制-器-技——术——门——户

WWW_PLC※JS_COM-PLC-技.术_网(可编程控※制器技术门户)

图1 自组织神经网络结构
WWcW_PLCJS_COM-PLC-技.术_网

x 输入向量 y 神经元输出 W 权值i,j 矩阵下标 k 输入向量维数
WWW_PL※CJS_COM-PLC-技.术_网

  自组织特征映射适度保持侧反馈的方法是通过领域函数Λi(X)(n)来实现的,是一个离散时间函数,定义了围绕获胜神经元邻近区域的大小。使用这一函数意味着侧反馈的大小可在整个训练网络的过程中变化。领域越大意味着正向反馈越多,训练区域越大。正是通过网络的早期训练期间领域函数的较大值,使得网络达到拓扑结构有序化。领域的缩小使类别更小,以致于类别分得更细。
WW.W_PLCJS_COM-PLC-技.术_网

 在确定连接权W时,需要用到大量的输入数据。当一个矢量X输入到网络后,输出层各神经元开始竞争,用上面的方法选择获胜者。获胜的神经元将作为一个核,它近区域的神经元将被修改,或者说更新。然后根据下面公式进行学习训练:
WWW_P※LCJS_COM-PLC-)技.术_网

  Wij新=Wij旧+η(X1-Wij旧) (1)
WWW_PLCJS@_COM%-PLC-技.术_网

  式中η——学习参数或增益,典型的取小于0.25的值。
P.L.C.技.术.网——可编程控制器技术门户

 自组织特征映射的算法可以用如下几步表示:
WWW_PL※CJS_COM-PLC-技.术_网

 步骤1: 初始化:初始化权值W\-j(0)时可选随机值,初始值通常选择小一点。学习率η(0)和领域函数Λi(X)(0)初始化时尽量取大一些。
WWW_PLCJS※COM-PLC-技.术_网(可※编程控※制器技术门户)

 步骤2: 对于样本中每个矢量X执行步骤2a、2b和2c。
P.L.C.技.术.网——可编程控制器技术门户

 步骤2a:将输入矢量X送到网络的输入层上。
WWW_PLCJS※COM-PLC-技.术_网(可※编程控※制器技术门户)

 步骤2b:相似匹配:权值矢量最匹配X的神经元作为获胜神经元。
——可——编——程——控-制-器-技——术——门——户

 步骤2c:训练:训练权值矢量,使得在活性泡范围内的神经元朝输入矢量方向移动:
WWW.PLCJS.COM——可编程控制器技术门户

Wj(n+1)=Wj(n)+η(n)[X-Wj(n)]当j∈Λi(X)(n)
W1WW_P4LCJS_COM-PLC-技.术_网

  Wj(n+1)=Wj(n) 当j∈其它
WWW_PLCJS※COM-PLC-技.术_网(可※编程控※制器技术门户)

 步骤3:更新学习率η(n)。学习率的线性减小将产生令人满意的结果。
WWW_PLCJS※COM-PLC-技×术_网(可编程控※制器技术门户)

  步骤4:减小领域函数Λi(X)(n)。
plcjs.技.术_网

 步骤5:检查结束条件:当特征映射不再发生明显的变化时退出,否则就转入步骤2。
WW.W_PLC※JS_C,OM-PL,C-技.术_网

3 系统分析及建模设想
WWW.PLCJS.COM——可编程控制器技术门户

 高炉风口回旋区产生的煤气向上流动,形成炉内煤气流。煤气流经过软熔带,向上流过炉喉径向煤气取样平面,然后穿出料面,再流过炉喉十字测温平面。在生产中,煤气沿着高炉横截面的分布通常是用炉喉料面下的煤气CO2曲线来表示的,该曲线称为煤气流分布曲线。煤气流量大的区域,相应的煤气成分中CO含量高(CO2含量低),煤气温度也高,说明该区域煤气利用不好;煤气流量小的区域,相应的煤气成分中CO含量低(CO2含量高),煤气温度也低。因此,可以根据径向煤气温度分布模式来判断径向煤气流的分布状况。利用自组织神经网络开发的炉顶煤气温度径向分布的模式将显示25种分布模式,以及当前的温度分布模式,以帮助高炉工作者更好地判断炉顶煤气的分布状况。
WWW_PLCJS_COM-PLC-技.术_网

  由图2可以看到宝钢1号高炉十字测温探尺及炉顶测温点分布情况。十字测温装置有四条臂,两两互相垂直。由于每个半径方向上有5个测温点(第5点重复),所以建立的自组织网络中,输入层的神经元个数选定为5,而输出层的神经元个数定为25个(5×5)。通过分析测温数据,25种输出可以包括1号高炉各种煤气流分布模式,所以输出层神经元个数选定为25是恰当的。这25个输出神经元呈二维空间分布,每个神经元输出代表一种煤气流分布模式,并且相似的模式在空间位置上也是相互靠近的。实际计算中采用沿圆周方向相同半径上各测温点的温度平均值。即:

本新闻共2页,当前在第11 2  
P_L_C_技_术_网——可——编——程——控-制-器-技——术——门——户

评论内容
载入中...
载入中...
P
L
C



|










|


P
L
C









·最新招聘信息
·最新求职信息
·推荐产品
·推荐厂商
·栏目热门排行
·站内热门排行