【畢業(yè)學(xué)位論文】銅閃速熔煉操作參數(shù)優(yōu)化的研究與應(yīng)用-控制理論與控制工程

分類號 密級 U D C 編號 士學(xué)位論文 論文題目 銅閃速熔煉操作參數(shù)優(yōu)化的研究與應(yīng)用 學(xué)科、專業(yè) 控制理論與控制工程 研究生姓名 顏 青 君 導(dǎo)師姓名及 專業(yè)技術(shù)職稱 桂 衛(wèi) 華 教 授 中南大學(xué)碩士學(xué)位論文 摘要 I 摘 要 生產(chǎn)實(shí)踐表明， 在銅閃速熔煉過程中， 當(dāng)閃速爐處理料量不變時(shí)，閃速爐產(chǎn)出的銅锍（即冰銅）溫度、銅锍品位及渣中鐵硅比是閃速熔煉過程的綜合判斷指標(biāo)，也是對閃速爐的操作參數(shù)（即熱風(fēng)、氧氣的需求量）進(jìn)行調(diào)控的主要依據(jù)。由于這三大參數(shù)的人工檢測滯后一個(gè)小時(shí)以上，難以及時(shí)起到反饋修正操作參數(shù)的作用。針對這一問題，本文以某銅冶煉廠閃速爐作為研究對象， 對閃速熔煉過程模型做了分析研究，根據(jù)現(xiàn)場獲取的測量數(shù)據(jù)，實(shí)現(xiàn)了對三大參數(shù)的在線預(yù)測。并以此為依據(jù)，對操作參數(shù)進(jìn)行了優(yōu)化。 論文在對閃速熔煉的工藝機(jī)理分析的基礎(chǔ)上， 建立了基于物料平衡與熱平衡的機(jī)理模型；同時(shí)，選取了 8 個(gè)變量作為輸入變量，建立了模糊神經(jīng)網(wǎng)絡(luò)模型。兩個(gè)模型比較研究表明：模糊神經(jīng)網(wǎng)絡(luò)模型總體的擬合性好， 但由于數(shù)據(jù)的不完備而導(dǎo)致在工況不穩(wěn)定時(shí)不能正確預(yù)測，機(jī)理模型誤差相對較大，但在工況突變時(shí)又比模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測效果好。根據(jù)二者的特點(diǎn)，建立了由這兩個(gè)模型有機(jī)結(jié)合的集成模型。試驗(yàn)表明，該模型可行，精度 高，能滿足工業(yè)生產(chǎn)要求。 在建立了閃速熔煉過程預(yù)測模型的基礎(chǔ)上，結(jié)合某冶煉廠的實(shí)際，建立了以閃速熔煉過程工況穩(wěn)定為目標(biāo)、各工藝指標(biāo)為約束條件的閃速熔煉過程優(yōu)化模型，按此優(yōu)化模型求出最優(yōu)的操作參數(shù)（即熱風(fēng)、氧氣的需求量） 。將此優(yōu)化結(jié)果指導(dǎo)閃速熔煉過程生產(chǎn)，以實(shí)現(xiàn)閃速熔煉過程的優(yōu)化控制。 最后， 在此基礎(chǔ)上設(shè)計(jì)開發(fā)了閃速爐 生產(chǎn)監(jiān)控及操作優(yōu)化指導(dǎo)系統(tǒng)。應(yīng)用表明，該系統(tǒng)切實(shí)可行，取得了良好的效果。 關(guān)鍵詞 銅閃速熔煉，過程模型，集成策略，智能優(yōu)化控制 he of e of of to of its us to by To a as in of of by on of a on by it a as to of be as s is by it of of s is is it So an is by is by is It of An on is to of a as at of It of of of At a is is 南大學(xué)碩士學(xué)位論文 目錄 i 目 錄 第一章 緒論 .題背景及任務(wù) .速熔煉的國內(nèi)外研究現(xiàn)狀 . 熔煉過程機(jī)理模型的研究 . 熔煉過程智能模型的研究 . 熔煉過程模型的進(jìn)一步研究 .程建模方法與智能優(yōu)化技術(shù) . 過程建模方法 . 智能優(yōu)化控制技術(shù) .文的主要研究內(nèi)容 .二章 閃速熔煉過程機(jī)理分析 .速煉銅的工藝簡介 . 奧托昆普閃速熔煉工藝簡介 . 閃速煉銅的原理 . 富氧在閃速熔煉中的應(yīng)用 .響閃速熔煉過程工況的因素分析 . 富氧濃度對閃速煉銅的影響 . 爐料組成對閃速熔煉的影響 . 其它因素對閃速煉銅的影響 .結(jié) .三章 銅閃速熔煉過程建模 .速熔煉過程模型結(jié)構(gòu)設(shè)計(jì) .速熔煉過程機(jī)理模型 . 閃速爐物料平衡模型 . 閃速爐熱平衡模型 . 改進(jìn)的 經(jīng)網(wǎng)絡(luò)模型 . 銅锍與煙氣的溫差模型 . 機(jī)理模型的仿真研究 .糊神經(jīng)網(wǎng)絡(luò)模型 . 模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì) . 模糊神經(jīng)網(wǎng)絡(luò)的算法設(shè)計(jì) . 三大參數(shù)模糊神經(jīng)網(wǎng)絡(luò)模型及其仿真研究 .能集成模型 . 智能集成模型算法設(shè)計(jì) . 智能集成模型的仿真研究 .結(jié) .四章 銅閃速熔煉過程的優(yōu)化控制 .化控制方案 .況判斷模型 .作參數(shù)優(yōu)化模型 .南大學(xué)碩士學(xué)位論文 目錄 基于機(jī)理的決策模型 . 智能優(yōu)化算法 . 智能集成模型 .結(jié) .五章 閃速爐生產(chǎn)監(jiān)控及操作優(yōu)化指導(dǎo)系統(tǒng) .統(tǒng)總體結(jié)構(gòu) .統(tǒng)軟件設(shè)計(jì) . 系統(tǒng)軟件功能模塊 . 基于 范的通信技術(shù) .行結(jié)果 .論與展望 .論 .望 .考文獻(xiàn) . 謝 .讀碩士學(xué)位期間主要研究成果 .南大學(xué)碩士學(xué)位論文 第一章 緒論 1 第一章 緒論 在歷史上，銅是僅次于鐵的最重要的功能性金屬，然而，到 20 世紀(jì)初和工業(yè)革命中期，全世界的年產(chǎn)銅量僅為 50 萬 t。 1929 年，產(chǎn)銅量翻了 4 番，達(dá)到200 萬 t， 1950 年略增到 250 萬 t。此后的 40 年里，精銅消費(fèi)量再度翻了 4 番，1990 年高達(dá) 1100 萬 t。 20 世紀(jì)后 50 年人類所消耗的銅比過去 60 個(gè)世紀(jì)的總消耗量還要多1。銅消費(fèi)量的迅速增長促進(jìn)了銅熔煉技術(shù)的快速發(fā)展。 銅熔煉的方法多種多樣，其中閃速爐熔煉工藝成熟，能耗低，銅锍（即冰銅）回收率高，環(huán)保條件好，已經(jīng)成為目前最主要的銅熔煉方法。 題背景及任務(wù) 目前，國內(nèi)某銅冶煉廠采用了奧托昆普閃速爐熔煉技術(shù)，基于日本 20 世紀(jì)70 年代開發(fā)的閃速爐控制數(shù)學(xué)模型“東予模型”實(shí)現(xiàn)的閃速爐計(jì)算機(jī)在線控制系統(tǒng)已經(jīng)在該廠運(yùn)行。該控制系統(tǒng)采用前饋：以靜態(tài)前饋控制為主， 先建立在一定假設(shè)條件下推導(dǎo)出的基于物料平衡及熱平衡的靜態(tài)模型，通過該模型預(yù)估求出使控制變量穩(wěn)定在目標(biāo)值上的操作參數(shù)的基本值，進(jìn)而再根據(jù)控制變量的實(shí)測值和目標(biāo)值的偏差， 通過反饋數(shù)學(xué)模型求出操作參數(shù)的修正值，將操作參數(shù)的基本值和修正值綜合輸出，以 定控制）方式作用于儀表控制系統(tǒng)，自動(dòng)調(diào)節(jié)操作參數(shù)，達(dá)到穩(wěn)定控制變量的目的，即通過前饋與反饋控制回路使操作參數(shù)產(chǎn)生變化，最終使控制變量穩(wěn)定在目標(biāo)值。 顯然，這種數(shù)學(xué)模型是對生產(chǎn)過程進(jìn)行了簡化計(jì)算的，其中許多參數(shù)均取為經(jīng)驗(yàn)值或常數(shù)。當(dāng)實(shí)際過程偏離該靜態(tài)模型的假設(shè)條件時(shí)，該模型的許多參數(shù)都將發(fā)生變化，因此，必然導(dǎo)致模型計(jì)算結(jié)果的誤差。隨著銅精礦的逐漸貧化、富氧濃度的不斷提高、產(chǎn)量的日益增加和爐體的不斷改造，這種靜態(tài)模型難以適應(yīng)動(dòng)態(tài)生產(chǎn)過程。 另外， 盡管控制系統(tǒng)中存在反饋控制， 但反饋信息銅锍溫度、銅锍品位、渣中鐵硅比的測量值存在較大的滯后，因而難以及時(shí)起到補(bǔ)償修正操作參數(shù)的作用。 以該靜態(tài)數(shù)學(xué)模型和反饋控制回路為基礎(chǔ)計(jì)算得到的操作參數(shù)值也必然存在較大的偏差，難以保證生產(chǎn)的穩(wěn)定。 因此，以國家 973 項(xiàng)目“復(fù)雜生產(chǎn)制造過程實(shí)時(shí)智能操作優(yōu)化理論與方法研究” （ 2002及國家發(fā)改委資助項(xiàng)目“江西銅業(yè)集團(tuán)有色金屬閃速冶煉過程綜合自動(dòng)化系統(tǒng)產(chǎn)業(yè)化示范工程”為基礎(chǔ)，中南大學(xué)和某冶煉廠共同開發(fā)了“閃速爐生產(chǎn)監(jiān)控及操作優(yōu)化指導(dǎo)系統(tǒng)” ，實(shí)現(xiàn)生產(chǎn)過程的實(shí)時(shí)監(jiān)控、閃速熔中南大學(xué)碩士學(xué)位論文 第一章 緒論 2 煉過程的穩(wěn)定優(yōu)化控制、以及生產(chǎn)數(shù)據(jù)的綜合管理。該系統(tǒng)的開發(fā)與應(yīng)用，對于保證閃速熔煉生產(chǎn)過程穩(wěn)定優(yōu)化運(yùn)行，提高銅锍的質(zhì)量具有十分重要的意義。 本項(xiàng)目的任務(wù)包括： 1）實(shí)現(xiàn)對生產(chǎn)過程參數(shù)的實(shí)時(shí)在線監(jiān)控。 2）針對基于金屬平衡及熱平衡的靜態(tài)數(shù) 學(xué)模型的缺點(diǎn)以及閃速爐內(nèi)物理化學(xué)反應(yīng)迅速、高溫、強(qiáng)化學(xué)腐蝕、多相、多組份的特點(diǎn)，建立更為可靠的閃速熔煉過程模型，以修正由于工藝條件變化而造成的靜態(tài)數(shù)學(xué)模型的誤差，從而實(shí)現(xiàn)對三大參數(shù)的在線預(yù)測。 3）以閃速熔煉過程的模型為基礎(chǔ)，建立 以閃速熔煉過程工況穩(wěn)定為目標(biāo)、各工藝指標(biāo)為約束條件的閃速熔煉過程優(yōu)化模型， 按此優(yōu)化模型求出最優(yōu)的操作參數(shù)（即熱風(fēng)、氧氣的需求量） 。將此優(yōu)化結(jié)果指導(dǎo)閃速熔煉過程生產(chǎn)，以實(shí)現(xiàn)閃速熔煉過程的優(yōu)化控制。 速熔煉的國內(nèi)外研究現(xiàn)狀 由于閃速爐反應(yīng)迅速， 操作要求嚴(yán)格， 因此其生產(chǎn)自動(dòng)化裝備水平普遍較高，大部分冶煉廠家對系統(tǒng)的操作都采用了先進(jìn)的計(jì)算機(jī)集散控制系統(tǒng) (保證生產(chǎn)的穩(wěn)定、順利進(jìn)行。同時(shí)由于閃速爐反應(yīng)過程的復(fù)雜性及其設(shè)備的高度密閉性，計(jì)算機(jī)模擬建模技術(shù)也就成為研究閃速熔煉工藝及設(shè)備的最有效手段之一。目前，對閃速熔煉過程建模的研究主要體現(xiàn)在熔煉過程機(jī)理模型的研究和熔煉過程智能模型的研究兩個(gè)方面。 煉過程機(jī)理模型的研究 早在 80 年代初期，美國的 孫洪鋪 (3等就開始對閃速爐反應(yīng)塔反應(yīng)過程進(jìn)行了數(shù)值模擬研究。 雖然當(dāng)時(shí)的研究將爐體和噴嘴都做了大量簡化，但是化學(xué)反應(yīng)和熱傳遞模型已經(jīng)十分完整。自 90 年代中期，隨著流體力學(xué)計(jì)算軟件的發(fā)展， 運(yùn)用現(xiàn)代計(jì)算及實(shí)驗(yàn)技術(shù)對閃速熔煉工藝和設(shè)備的研究也逐漸深入。 . A. 利用數(shù)值模擬技術(shù)與 件對反應(yīng)塔內(nèi)精礦燃燒、氧壓分布、氣流流場分布以及輻射傳熱等做了大量的計(jì)算工作4而日本住友公司和美國哥倫比亞大學(xué)的研究人員則建設(shè)了兩臺小型的閃速熔煉試驗(yàn)爐， 通過各種熱態(tài)試驗(yàn)測試并分析了閃速爐內(nèi)的反應(yīng)歷程與特點(diǎn)， 為數(shù)值計(jì)算提供了大量可靠的驗(yàn)證依據(jù)17。 與國外研究相比，我國對閃速熔煉機(jī)理的研究尚有一定差距。南方冶金學(xué)院中南大學(xué)碩士學(xué)位論文 第一章 緒論 3 曾青云在對閃速熔煉的操作數(shù)據(jù)進(jìn)行了回歸分析后， 修正了銅锍組分計(jì)算的回歸公式以及渣含銅的數(shù)學(xué)模型18；貴溪冶煉廠蔣建興則對原有的目標(biāo)銅锍溫度控制模型進(jìn)行了修改，以提高計(jì)算機(jī)控制質(zhì)量19；中南大學(xué)譚鵬夫等建立了伴生元素在銅熔煉過程中的分配行為的數(shù)學(xué)模型， 并對貴溪冶煉廠閃速熔煉過程進(jìn)行了計(jì)算機(jī)模擬20；北京有色冶金設(shè)計(jì)研究總院李曉明在首次嘗試著將閃速爐、貧化電爐和轉(zhuǎn)爐冶金計(jì)算融為一體，來開發(fā)軟件完成系統(tǒng)的綜合冶金計(jì)算，以幫助操作人員選擇最佳工藝條件，為工程設(shè)計(jì)和生產(chǎn)運(yùn)行及時(shí)提供指導(dǎo)21；中南大學(xué)黎書華等在基于熱力學(xué)平衡計(jì)算的后藤模型的基礎(chǔ)上， 引進(jìn)了氧效率系數(shù)和熱損失系數(shù)，修正了實(shí)際熔煉過程與理想熱力學(xué)平衡體系之間的偏差22北京有色金屬研究總院的凌玲等用自由焓最小的多元多相平衡算法開發(fā)了鎳閃速熔煉體系中冰銅 (即銅锍 )相、爐渣相和氣相的平衡模型，來計(jì)算熔體體系的平衡組成25；余建平等人基于商業(yè)軟件 臺，采用數(shù)值仿真方法對閃速爐沉淀池內(nèi)熔體速度場及溫度場進(jìn)行了研究26。申勇峰介紹了鎳閃速爐熱平衡計(jì)算方法 ,用所開發(fā)的熱力學(xué)模型對金川鎳閃速熔煉的熱平衡過程進(jìn)行了模擬計(jì)算，與生產(chǎn)實(shí)踐吻合得很好27。凌玲等用自由焓最小的多元多相平衡算法編制平衡計(jì)算程序用以計(jì)算鎳冰銅相、爐渣相和氣相三個(gè)相的平衡組成。在相同的爐料成分、熔煉溫度、氧量等操作條件下模擬金川鎳閃速熔煉過程，計(jì)算熔煉體系的平衡組成28。中南大學(xué)王吉林用主元分析法建立了銅閃速熔煉過程的機(jī)理模型29。 煉過程智能模型的研究 西安交通大學(xué)萬維漢等則利用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的方法建立了鎳閃速爐模型，以較為準(zhǔn)確地反 應(yīng)鎳閃速爐的運(yùn)行過程30,31。汪金良 ,曾青云應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù) ,并依據(jù)工業(yè)實(shí)踐操作數(shù)據(jù) ,建立了銅閃速熔煉過程的溫度模型32。 文獻(xiàn) 33在分析銅閃速熔煉控制策略和貴溪冶煉廠閃速煉銅生產(chǎn)實(shí)踐數(shù)據(jù)的基礎(chǔ)上， 基于神經(jīng)網(wǎng)絡(luò)技術(shù)分別建立了冰銅品位模型、冰銅溫度模型和渣中鐵硅比模型，并采用了遺傳算法 前向神經(jīng)網(wǎng)絡(luò)算法 結(jié)合的網(wǎng)絡(luò)訓(xùn)練方法對其進(jìn)行了仿真計(jì)算。文獻(xiàn) 34中將 法與 法有機(jī)地結(jié)合，形成了遺傳 法，建立了冰銅品位神經(jīng)網(wǎng)絡(luò)模型。 中南大學(xué)王吉林建立了銅閃速熔煉過程三大參數(shù)的神經(jīng)網(wǎng)絡(luò)軟測量模型29。 煉過程模型的進(jìn)一步研究 綜上所述， 目前對閃速熔煉模型的研究方法主要采用機(jī)理建模方法或是基于數(shù)據(jù)驅(qū)動(dòng)的智能建模方法，但這兩種方法各有其不足之處：機(jī)理模型的建立通常中南大學(xué)碩士學(xué)位論文 第一章 緒論 4 是基于一定的假設(shè)條件的，而這些假設(shè)條件與實(shí)際情況存在一定差距，難以保證模型的精確性；而基于數(shù)據(jù)驅(qū)動(dòng)的智能建模方法，如神經(jīng)網(wǎng)絡(luò)的性能要受到訓(xùn)練樣本的空間分布、樣本的質(zhì)量和訓(xùn)練算法的影響，且其外推性能差，模型具有不可解釋性。因此，開發(fā)出將機(jī)理模型與智能優(yōu)化模型相結(jié)合的集成模型對閃速熔煉三大參數(shù)進(jìn)行預(yù)測，可以充分發(fā)揮二者的優(yōu)點(diǎn)，彌補(bǔ)各自的缺點(diǎn)，具有重要的理論意義和實(shí)用價(jià)值。 程建模方法與智能優(yōu)化技術(shù) 程建模方法 現(xiàn)代工業(yè)過程的先進(jìn)控制、參數(shù)的預(yù)測、過程優(yōu)化、調(diào)度與管理等，它們都是以模型為基礎(chǔ)的。 所謂模型就是把關(guān)于實(shí)際過程的本質(zhì)的部分信息簡縮成有用的描述形式35。它是用來描述過程的運(yùn)動(dòng)規(guī)律，是過程的一種客觀寫照或縮影，是分析過程以及預(yù)報(bào)和控制過程行為特性的有力工具。 實(shí)際過程到底哪些部分是本質(zhì)的，哪些部分是非本質(zhì)的，取決于所研究的問題本身及建模與研究目的。 過程建模的方法很多，根據(jù)人們對過程的認(rèn)識程度可以分為機(jī)理模型方法、基于數(shù)據(jù)驅(qū)動(dòng)的建模方法以及機(jī)理與數(shù)據(jù)相結(jié)合的集成建模方法36。 1 機(jī)理建模方法 機(jī)理建模方法建立在對工藝機(jī)理深刻認(rèn)識的基礎(chǔ)上， 通過列寫宏觀或者微觀的質(zhì)量平衡、能量平衡、動(dòng)量平衡方程、相平衡方程以及反應(yīng)動(dòng)力學(xué)方程等來確定難測的主導(dǎo)變量和易測的輔助變量之間的數(shù)學(xué)關(guān)系。 與其它方法建立的模型相比，機(jī)理模型的可解釋性強(qiáng)、外推性能最好，是最理想的過程模型。但是機(jī)理模型也有其不足的地方，第一個(gè)不足之處是模型的專用性，不同的對象其機(jī)理模型無論模型結(jié)構(gòu)還是模型參數(shù)都千差萬別，模型的可移植性較差；第二個(gè)不足之處是機(jī)理建模過程要花費(fèi)很大的人力物力，從反應(yīng)本質(zhì)動(dòng)力學(xué)和各種設(shè)備模型的確定、實(shí)際裝置傳熱傳質(zhì)效果的表征到大量參數(shù)（從試驗(yàn)設(shè)備到試驗(yàn)裝置）的估計(jì)，每一步都很困難；第三個(gè)不足是當(dāng)模型復(fù)雜時(shí)求解較困難，由于機(jī)理模型一般是由代數(shù)方程組、微分方程組甚至偏微分方程組組成，當(dāng)模型結(jié)構(gòu)龐大時(shí)，其求解過程的計(jì)算量很大，收斂慢，難以滿足在線實(shí)時(shí)估計(jì)的要求。 2 基于數(shù)據(jù)驅(qū)動(dòng)建模的方法 對于機(jī)理模型不清楚的對象， 可以采用基于數(shù)據(jù)驅(qū)動(dòng)的建模方法建立過程模中南大學(xué)碩士學(xué)位論文 第一章 緒論 5 型，該方法從歷史的輸入輸出數(shù)據(jù)中提取有用信息，構(gòu)造主導(dǎo)變量和輔助變量之間的數(shù)學(xué)關(guān)系。該方法無須了解太多的過程知識，是一種通用的過程建模方法。根據(jù)對象是否存在非線性， 該建模方法又可以分為線性回歸方法、 神經(jīng)網(wǎng)絡(luò)方法、模糊建模方法等。 線性回歸方法 線性回歸方法是一種經(jīng)典的建模方法，不需要建立復(fù)雜的數(shù)學(xué)模型，只要收集大量的輔助變量的測量數(shù)據(jù)和主導(dǎo)變量的分析數(shù)據(jù)， 運(yùn)用統(tǒng)計(jì)方法將這些數(shù)據(jù)中隱含的對象信息進(jìn)行提取，從而建立主導(dǎo)變量和輔助變量之間的數(shù)學(xué)模型。 神經(jīng)網(wǎng)絡(luò)方法 神經(jīng)網(wǎng)絡(luò)是利用計(jì)算機(jī)模擬人腦結(jié)構(gòu)和功能的一門新學(xué)科， 是當(dāng)前工業(yè)領(lǐng)域備受關(guān)注的研究熱點(diǎn)之一。它無需具備對象的先驗(yàn)知識，而根據(jù)對象的輸入輸出數(shù)據(jù)直接建模，在解決高度非線性和嚴(yán)重不確定性系統(tǒng)控制方面具有巨大的潛力。對于一些機(jī)理尚不清楚，而且非線性嚴(yán)重的系統(tǒng)，通常用人工神經(jīng)網(wǎng)絡(luò)來建立過程模型：將過程中易測量的輔助變量作為神經(jīng)網(wǎng)絡(luò)的輸入，將主導(dǎo)變量作為神經(jīng)網(wǎng)絡(luò)的輸出，通過網(wǎng)絡(luò)學(xué)習(xí)來解決主導(dǎo)變量的預(yù)測問題37。 在過程建模過程中常用的網(wǎng)絡(luò)結(jié)構(gòu)有多層前向神經(jīng)網(wǎng)絡(luò)和徑向神經(jīng)網(wǎng)絡(luò)， 雖然從理論上證明了它們都有以任意精度逼近非線性連續(xù)函數(shù)的能力， 但是該證明實(shí)質(zhì)上是一個(gè)存在性證明而非構(gòu)造性證明， 網(wǎng)絡(luò)的性能要受到訓(xùn)練樣本的空間分布、樣本的質(zhì)量和訓(xùn)練算法的影響。另外神經(jīng)網(wǎng)絡(luò)黑箱式的知識表達(dá)是的模型不具備可解釋性。一般用泛化能力來評價(jià)一個(gè)神經(jīng)網(wǎng)絡(luò)的性能，泛化能力包括網(wǎng)絡(luò)的擬合能力和外推能量，神經(jīng)網(wǎng)絡(luò)最大的缺點(diǎn)之一是外推能力很差，也就是說對超出訓(xùn)練樣本分布空間的樣本不能給出正確的模糊輸出值。 出現(xiàn)這種現(xiàn)象的根本原因是訓(xùn)練數(shù)據(jù)的不完備性。這種不完備性在實(shí)際工業(yè)過程是經(jīng)常遇到的，這就要求神經(jīng)網(wǎng)絡(luò)具有在線學(xué)習(xí)的能力， 但是復(fù)雜的網(wǎng)路結(jié)構(gòu)又會(huì)給在線學(xué)習(xí)帶來一系列的問題。 模糊建模方法 模糊建模是人們處理復(fù)雜系統(tǒng)建模的另一個(gè)有效的工具， 在過程建模中也得到了應(yīng)用， 但是用的最多的還是將模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的模糊神經(jīng)網(wǎng)絡(luò)模型。這融合了二者的優(yōu)點(diǎn)，既有模糊邏輯那樣表達(dá)近似于定性信息的能力，又有神經(jīng)網(wǎng)絡(luò)很強(qiáng)的學(xué)習(xí)能力和非線性表達(dá)能力， 而且模糊神經(jīng)網(wǎng)絡(luò)的物理性質(zhì)也要清楚些。 在基于數(shù)據(jù)驅(qū)動(dòng)的過程建模中，無論是基于線性回歸的方法，還有基于神經(jīng)網(wǎng)絡(luò)所謂的智能算法，實(shí)質(zhì)上都是從數(shù)據(jù)中尋找輸入到輸出的映射關(guān)系的方法，都受到訓(xùn)練樣本的分布、質(zhì)量以及數(shù)量的影響。 中南大學(xué)碩士學(xué)位論文 第一章 緒論 6 3 集成建模方法 純機(jī)理建模和基于數(shù)據(jù)驅(qū)動(dòng)的模型都各有其優(yōu)缺點(diǎn)： 機(jī)理建模能從本質(zhì)上反映過程的規(guī)律，外推性好，具有可解釋性，缺點(diǎn)是建模過程比較繁瑣，而對復(fù)雜工業(yè)過程而言，能得到的機(jī)理模型一般也是經(jīng)過若干簡化后的模型?；跀?shù)據(jù)驅(qū)動(dòng)的模型直接根據(jù)輸入輸出數(shù)據(jù)直接建模，幾乎不需要了解過程對象的先驗(yàn)知識，缺點(diǎn)也是很明顯的，例如神經(jīng)網(wǎng)絡(luò)，作為一種黑箱建模方法，學(xué)習(xí)速度慢，外推性能差，模型具有不可解釋性，難以確定合適的網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)終止指標(biāo)，容易造成過擬合現(xiàn)象，還可能把噪聲也擬合進(jìn)來。 以上兩種建模方法的局限性引發(fā)了集成建模思想， 對于存在簡化機(jī)理模型的過程，可以將簡化機(jī)理模型和基于數(shù)據(jù)驅(qū)動(dòng)的模型相結(jié)合，互為補(bǔ)充。簡化機(jī)理模型提供的先驗(yàn)知識，可以為基于數(shù)據(jù)驅(qū)動(dòng)的模型節(jié)省訓(xùn)練樣本，同時(shí)基于數(shù)據(jù)驅(qū)動(dòng)的模型也補(bǔ)償簡化機(jī)理模型的未建模特性。 多年來，國內(nèi)外許多學(xué)者在智能集成建模方面做了大量的研究工作，并取得了顯著的研究成果38文獻(xiàn) 38將智能集成建模進(jìn)行了詳細(xì)的論述，提出了基于經(jīng)驗(yàn)機(jī)理模型和 燒結(jié)塊鉛鋅成分智能集成模型，取得了理想效果；文獻(xiàn) 39針對多傳感器系統(tǒng)難以選擇模型輸入變量的問題，提出了一種級聯(lián)遺傳算法，該算法克服了傳統(tǒng)遺傳算法不能剔除不相關(guān)變量的缺點(diǎn)，因此能非常的合理選擇輸入變量。在此基礎(chǔ)上，建立了 經(jīng)網(wǎng)絡(luò)模型，并應(yīng)用于氣體傳感器組多種成分的預(yù)測問題，取得了理想的效果；文獻(xiàn) 40將一種混合模糊建模方法用于希臘電力系統(tǒng)短期負(fù)荷預(yù)報(bào)， 該方法基于最小二乘法建立模糊模型，再利用約束優(yōu)化算法進(jìn)行參數(shù)學(xué)習(xí)，實(shí)際數(shù)據(jù)驗(yàn)證了方法能達(dá)到滿意的精度；文獻(xiàn) 41比較了三種用于預(yù)測紙漿 的模型：確定性模型、神經(jīng)網(wǎng)絡(luò)模型及這綜合兩種模型的集成模型， 結(jié)果表明集成模型具有更高的預(yù)測精度并能縮短訓(xùn)練時(shí)間。總之，智能集成建模是解決復(fù)雜工業(yè)過程建模的最有效的方法之一，也是過程建模技術(shù)發(fā)展的必然趨勢。 能優(yōu)化控制技術(shù) 智能控制是驅(qū)動(dòng)智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程， 或者說智能控制是一類無需人干預(yù)就能夠獨(dú)立自主地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制。近幾十年來，智能控制技術(shù)在在眾多領(lǐng)域和學(xué)科取得令世人矚目的成績。模糊系統(tǒng)基于模糊語言描述的產(chǎn)生式規(guī)則；專家系統(tǒng)基于知識和經(jīng)驗(yàn)產(chǎn)生啟發(fā)式規(guī)則；神經(jīng)網(wǎng)絡(luò)控制基于蘊(yùn)涵某種函數(shù)關(guān)系的網(wǎng)路結(jié)構(gòu)，這些非解析性方法使其在過程建模、優(yōu)化和控制中，表現(xiàn)出不同于傳統(tǒng)控制的優(yōu)勢42。 優(yōu)化控制分為穩(wěn)態(tài)優(yōu)化控制和動(dòng)態(tài)優(yōu)化控制兩種。 穩(wěn)態(tài)優(yōu)化控制是指調(diào)整各中南大學(xué)碩士學(xué)位論文 第一章 緒論 7 控制器的設(shè)定值，使某種與經(jīng)濟(jì)效益直接掛鉤的目標(biāo)函數(shù)為最優(yōu)的控制方法；動(dòng)態(tài)優(yōu)化控制是指調(diào)整控制規(guī)律及控制器參數(shù)， 使得與過渡過程品質(zhì)有關(guān)的目標(biāo)函數(shù)為最優(yōu)的控制方法。 目前工業(yè)生產(chǎn)過程最期待解決的是生產(chǎn)過程的穩(wěn)態(tài)優(yōu)化控制，這里簡稱優(yōu)化控制。優(yōu)化控制包括在線和離線兩種。離線優(yōu)化是指利用各種建模、優(yōu)化方法在約束條件下求解最優(yōu)的工藝生產(chǎn)參數(shù)，提供操作指導(dǎo)。這是目前用的最多的一類優(yōu)化。在線優(yōu)化則是利用計(jì)算機(jī)自動(dòng)周期地完成模型計(jì)算、模型修正和參數(shù)尋優(yōu)，并將最優(yōu)參數(shù)值直接送到控制器作為設(shè)定值，因能以一種動(dòng)態(tài)的方法處理穩(wěn)態(tài)優(yōu)化問題，使參數(shù)優(yōu)化得到及時(shí)的修正，因此可以取得更好的效益43。 智能優(yōu)化控制是利用人工智能、神經(jīng)計(jì)算、進(jìn)化計(jì)算、專家推理等一種或多種先進(jìn)的智能控制技術(shù)來自動(dòng)求取工業(yè)生產(chǎn)過程中各控制器的最優(yōu)設(shè)定值， 以達(dá)到目標(biāo)最優(yōu)的方法。以下是幾種常見的智能優(yōu)化算法。 1 專家系統(tǒng) 一般地說，專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個(gè)領(lǐng)域的知識與經(jīng)驗(yàn)， 能夠利用人類專家的知識和解決問題的方法來解決該領(lǐng)域的問題。也就是說，專家系統(tǒng)是一個(gè)具有大量專門知識與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)， 根據(jù)某個(gè)領(lǐng)域中一個(gè)或多個(gè)人類專家提供的知識和經(jīng)驗(yàn)進(jìn)行推理和判斷， 模擬人類專家的決策過程， 以解決那些需要專家決定的復(fù)雜問題。 2 神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)元是生物神經(jīng)元特性及功能的數(shù)學(xué)抽象， 神經(jīng)網(wǎng)絡(luò)通常指由大量簡單神經(jīng)元互連而構(gòu)成的一種計(jì)算結(jié)構(gòu)， 它在某種程度上可以模擬生物神經(jīng)系統(tǒng)的工作過程，從而具備解決實(shí)際問題的能力。神經(jīng)網(wǎng)絡(luò)優(yōu)化算法就是利用神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的協(xié)同并行計(jì)算能力來構(gòu)造的優(yōu)化算法， 它將實(shí)際問題的優(yōu)化解與神經(jīng)網(wǎng)絡(luò)的穩(wěn)定狀態(tài)相對應(yīng)， 把對實(shí)際問題的優(yōu)化過程映射為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的演化過程44。 3 遺傳算法 遺傳算法（ 模仿生物遺傳學(xué)和自然選擇機(jī)理，通過人工方式構(gòu)造的一類優(yōu)化搜索算法，是對生物進(jìn)化過程進(jìn)行的一種數(shù)學(xué)仿真，是進(jìn)化計(jì)算的一種最重要的形式。 基于“適者生存”的一種高度并行、隨機(jī)和自適應(yīng)的優(yōu)化算法，它將問題的求解表示成“染色體”的適者生存過程，通過“染色體”群的一代代不斷進(jìn)化，包括復(fù)制、交叉和變異等操作，最終收斂到“最適應(yīng)環(huán)境”的個(gè)體從而求得問題的最優(yōu)解或滿意解。 一種通用的優(yōu)化算法，其編碼技術(shù)和遺傳操作比較簡單，優(yōu)化不受限制性條件的約束，而其兩個(gè)最顯著特點(diǎn)則是隱中南大學(xué)碩士學(xué)位論文 第一章 緒論 8 含并行性和全局解空問搜索。經(jīng)過 30 多年的研究， 在已發(fā)展到一個(gè)比較成熟的階段，并且在實(shí)際中得到很好的應(yīng)用。 然而，常規(guī)遺傳算法在解決一些實(shí)際問題時(shí)，由于它一般具有較大的群體規(guī)模，需要對較多的個(gè)體進(jìn)行大量的遺傳和進(jìn)化操作，特別是要對大量的個(gè)體進(jìn)行適應(yīng)度計(jì)算或評價(jià)， 從而使得算法的進(jìn)化運(yùn)算的并行計(jì)算問題就受到了較大的重視。人們開發(fā)出了多種并行遺傳算法以提高遺傳算法的運(yùn)行速度，同時(shí)也有維持群體多樣性的能力，從而有可能抑制早熟現(xiàn)象的發(fā)生。但并行遺傳算法一般要運(yùn)行在并行機(jī)或局域網(wǎng)上，許多時(shí)候無法滿足該條件。因此周明等人利用并行遺傳算法的思想，對簡單遺傳算法進(jìn)行改進(jìn)，開發(fā)出一種偽并行遺傳算法，使其具有克服早熟現(xiàn)象的能力。574 混沌優(yōu)化 混沌 (存在于非線性系統(tǒng)中的一種較為普遍的現(xiàn)象，混沌并不是一片混亂，其行為復(fù)雜且類似隨機(jī)，但存在精致的內(nèi)在規(guī)律性?；煦绲陌l(fā)現(xiàn)，對科學(xué)的發(fā)展具有空前深遠(yuǎn)的影響。近年來，混沌控制、混沌同步和混沌神經(jīng)網(wǎng)絡(luò)受到了廣泛關(guān)注，并展現(xiàn)出誘人的應(yīng)用與發(fā)展前景?；煦缇哂须S機(jī)性，即混沌具有類似隨機(jī)變量的雜亂表現(xiàn)；遍歷性，即混沌能夠不重復(fù)地歷經(jīng)一定范圍內(nèi)的所有狀態(tài)；規(guī)律性，即混沌是由確定性的迭代式產(chǎn)生的。介于確定性和隨機(jī)性之間，混沌具有豐富的時(shí)空動(dòng)態(tài)，系統(tǒng)動(dòng)態(tài)的演變可導(dǎo)致吸引子的轉(zhuǎn)移。最重要的是，混沌的遍歷性特點(diǎn)可作為搜索過程中避免陷入局部極小的一種優(yōu)化機(jī)制， 這與模擬退火的概率性劣向轉(zhuǎn)移和禁忌搜索的禁忌表檢驗(yàn)存在明顯的區(qū)別。 混沌己成為一種新穎的優(yōu)化技術(shù)，并受到廣泛重視和大量研究。 5 聚類分析 聚類分析是在無法預(yù)知樣本的類別時(shí)， 根據(jù)樣本間的距離或一定的相似性準(zhǔn)則來自動(dòng)進(jìn)行分類的一種方法。 聚類分析按照劃分的結(jié)果不同分為硬聚類和軟聚類，其中硬聚類指不同聚類間的界限是明顯的；軟聚類（基本上是指模糊聚類）的每個(gè)輸入樣本可能以不同的隸屬函數(shù)或概率屬于一個(gè)或多個(gè)聚類， 隸屬函數(shù)或概率是由輸入樣本和聚類中心的關(guān)系表示的 01 的值， 該輸入與所有分類的關(guān)系值總和為 1。由于大多數(shù)化工過程的變量往往很難找到明顯的分類，因而限制了聚類方法的應(yīng)用 ,而模糊聚類方法克服了這方面的不足，它給出了每個(gè)樣本隸屬于某個(gè)聚類的隸屬度，其中模糊 C 均值聚類算法（ 模糊聚類方法中非常有效的一種55。 6 融合的優(yōu)化方法 單一的優(yōu)化方法通常都有各自的不足， 因此越來越多的人開始嘗試將兩種或中南大學(xué)碩士學(xué)位論文 第一章 緒論 9 多種優(yōu)化方法進(jìn)行結(jié)合，產(chǎn)生新的優(yōu)化算法，以結(jié)合各自的優(yōu)點(diǎn)，彌補(bǔ)各自的缺點(diǎn)。例如：模糊神經(jīng)網(wǎng)絡(luò)、混沌神經(jīng)網(wǎng)絡(luò)、模糊專家系統(tǒng)、混沌遺傳算法等。 以混沌遺傳算法為例，遺傳算法容易陷入局部最優(yōu)以及過早收斂等問題，而混沌優(yōu)化具有搜索的盲目性和大范圍內(nèi)的不收斂性。 結(jié)合了混沌優(yōu)化和遺傳算法的混沌遺傳算法可以結(jié)合混沌優(yōu)化的遍歷性和遺傳算法的反演性， 克服其各自的缺點(diǎn)?；煦邕z傳優(yōu)化算法具有全局搜索、并行性、高效性的特點(diǎn)。 這些融合的優(yōu)化方法在智能優(yōu)化控制領(lǐng)域受到了越來越廣泛的應(yīng)用。 文的主要研究內(nèi)容 本論文針對閃速熔煉過程銅锍溫度、銅锍品位及渣中鐵硅比測量時(shí)間滯后，難以及時(shí)起到反饋修正操作參數(shù)的作用等問題， 深入研究了閃速熔煉過程的智能集成模型以及閃速爐智能優(yōu)化控制技術(shù)。本論文以工程實(shí)際應(yīng)用為背景，注重理論與實(shí)際的結(jié)合，在過程建模方法和智能優(yōu)化進(jìn)行了較全面的研究，對其它對象的工業(yè)過程的建模及智能優(yōu)化控制也具有一定的參考價(jià)值。 本論文總共分五章進(jìn)行論述。緒論為第一章，主要對閃速熔煉的國內(nèi)外研究現(xiàn)狀、課題研究的背景和任務(wù)，過程建