【技术实现步骤摘要】
本专利技术涉及钢铁烧结过程生产节能降耗领域，尤其涉及一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法。
技术介绍
1、钢铁工业是国民经济重要的基础产业和支撑产业，钢铁企业的发展水平代表着一个国家工业生产力的发展水平。如何有效利用能源，降低钢铁企业污染以及生产成本已经成为各大钢铁企业急需解决的问题。
2、烧结过程是钢铁冶金过程的一个重要环节，其生产的烧结矿的质量与产量优劣不仅仅直接影响到高炉炼铁过程的产量、质量和能耗，还会对高炉炼铁过程能够获得良好经济技术指标和技术进步产生至关重要。烧结过程状态参数和操作参数众多，这些参数对反应烧结设备状态以及烧结工况具有重要意义。烧结终点(btp)是烧结过程中与烧结机的产量、质量以及成本有着极大关系的一个参数。将烧结终点控制在合理的位置上是保证烧结料层在烧结机的行进过程中完成各种反应的重要环节，同时也可以保证烧结机的有效烧结面积得到充分利用。如果烧结终点的实际位置小于其设定位置，这时料层已经发生了过烧，意味着没有充分利用烧结机的有效烧结面积，同时对台车上的篦条也会造成一定的损坏；如果烧结终点的实际位置大于其设定位置，这时料层发生了欠烧，也就是料层还没有被完全烧透就要被卸下，降低了烧结矿的质量和产量。因此，如何稳定烧结终点以进一步提高烧结矿的产量和质量是钢铁企业需要解决的关键问题。由此可见，为了提高能源利用率，减少污染排放量，实现绿色制造，需要实现btp的准确动态预测，这也是提高钢铁工业能源利用率，减少污染排放量，实现绿色制造与智能制造的关键问题。
1、为了解决解决烧结过程中污染严重、能源利用率低的问题，本专利技术提供了一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，主要包括以下步骤：
2、s1：考虑烧结过程的燃烧机理，使用斯皮尔曼等级相关系数确定了与btp相关的工艺参数为：17#风箱温度、18#风箱温度、19#风箱温度、20#风箱温度、21#风箱温度、22#风箱温度、btp温度、料层厚度、台车速度和垂直燃烧速度；
3、s2：根据基于时间级联宽度回声状态学习系统建立btp动态预测模型并训练；所述btp动态预测模型包括特征节点层和储层；
4、s3：通过使用实际生产数据，以影响btp相关的工艺参数为输入，btp为输出，利用训练好的btp动态预测模型进行btp的动态预测。
5、本专利技术提供的技术方案带来的有益效果是：
6、本专利技术基于烧结过程机理分析和斯皮尔曼等级相关系数，能够确定直接影响btp的过程参数：17#风箱温度、18#风箱温度、19#风箱温度、20#风箱温度、21#风箱温度、22#风箱温度、btp温度、料层厚度、台车速度和垂直燃烧速度；本专利技术提出一种基于时间级联宽度回声状态学习系统，通过该系统建立btp动态预测模型并训练；根据训练好的模型能够实时确定烧结生产的动态特性，实现btp动态预测，进而为实现钢铁工业绿色制造和智能制造奠定基础。
本文档来自技高网...【技术保护点】
1.一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：步骤S1中，基于烧结过程的碳燃烧机理，可以得知影响BTP的过程参数主要涉及生产质量和碳燃烧反应方面，主要包括烧结过程的原料参数、状态参数和操作参数；再利用斯皮尔曼等级相关系数，采用数据分析方式确定影响BTP的过程参数为：17#风箱温度、18#风箱温度、19#风箱温度、20#风箱温度、21#风箱温度、22#风箱温度、BTP温度、料层厚度、台车速度和垂直燃烧速度。
3.如权利要求1所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：步骤S2.2中，第j个储层在t时刻的状态Hj(t)更新方程为：
4.如权利要求1所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：步骤S2.4中，通过脊回归确定连接隐藏层节点到输出层的权重矩阵W。
5.如权利要求4所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测
6.如权利要求5所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：使用伪逆算法求解权重矩阵W，当λ趋于0时，
7.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～6任一项所述的基于时间级联宽度回声状态学习系统的烧结终点动态预测方法。
8.一种基于时间级联宽度回声状态学习系统的烧结终点动态预测设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～6任一项所述的基于时间级联宽度回声状态学习系统的烧结终点动态预测方法。
...【技术特征摘要】
1.一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：步骤s1中，基于烧结过程的碳燃烧机理，可以得知影响btp的过程参数主要涉及生产质量和碳燃烧反应方面，主要包括烧结过程的原料参数、状态参数和操作参数；再利用斯皮尔曼等级相关系数，采用数据分析方式确定影响btp的过程参数为：17#风箱温度、18#风箱温度、19#风箱温度、20#风箱温度、21#风箱温度、22#风箱温度、btp温度、料层厚度、台车速度和垂直燃烧速度。
3.如权利要求1所述的一种基于时间级联宽度回声状态学习系统的烧结终点动态预测方法，其特征在于：步骤s2.2中，第j个储层在t时刻的状态hj(t)更新方程为：
4.如权利要求1所述的一种基于时间级联宽度回声状态学习系统的烧结终...
【专利技术属性】
技术研发人员：胡杰，刘俊勇，吴敏，陈略峰，曹卫华，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。