鏈篦機-回轉(zhuǎn)窯成品球團質(zhì)量預(yù)測模型的研究.pdf

1、隨著現(xiàn)代鋼鐵業(yè)的不斷發(fā)展，對入爐原料的要求日趨嚴格。球團礦作為人造富礦之一，由于其特有的冶金性能而成為當(dāng)今冶煉爐料中不可缺少的重要組成部分。球團廠質(zhì)量的檢測大多數(shù)是產(chǎn)品生產(chǎn)出來以后才進行，它不利于操作人員針對生產(chǎn)過程的實時質(zhì)量狀況來調(diào)整生產(chǎn)工藝參數(shù)以便調(diào)整生產(chǎn)質(zhì)量，影響企業(yè)的生產(chǎn)質(zhì)量和效益。因此，成品球團質(zhì)量預(yù)測對于球團廠生產(chǎn)有著十分重要的意義。 由Z.Pawlak提出的粗糙集理論是一種刻化不完整性和不確定性的又一個強有力的數(shù)學(xué)

2、工具，它能有效地分析不精確、不一致、不完整、等各種不完備的信息，還可以對數(shù)據(jù)進行分析和推理，從中發(fā)現(xiàn)隱含的知識，揭示潛在規(guī)律。 神經(jīng)模糊推理系統(tǒng)是一種效果較好的考慮多種因素的預(yù)測建模方法，它是基于Sugeo模糊模型，其結(jié)構(gòu)類似于神經(jīng)網(wǎng)絡(luò)，采用反向傳播算法和最小二乘法調(diào)整模糊推理系統(tǒng)的參數(shù)，并能自動產(chǎn)生模糊規(guī)則。 本文通過分析鏈篦機．回轉(zhuǎn)窯球團的生產(chǎn)過程的特點，提出了一種基于粗糙集屬性約簡和減法聚類的神經(jīng)模糊推理系統(tǒng)質(zhì)量預(yù)

3、測模型。用粗糙集(Rough Set)理論對屬性進行約簡，選擇出與待預(yù)測量相關(guān)性大的參數(shù)作為預(yù)測模型的輸入，充分保證了模型輸入?yún)?shù)的合理性，有效地減少了模型的計算工作量；用減法聚類建立T-S模糊模型，通過調(diào)整聚類半徑優(yōu)選模糊規(guī)則數(shù)，取得了具有良好泛化性能的模型，并利用梯度下降混合最小二乘算法精調(diào)參數(shù)；用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機制來補償模糊系統(tǒng)的不足，通過對大量的已知數(shù)據(jù)的學(xué)習(xí)得到模糊系統(tǒng)的隸屬度函數(shù)及模糊規(guī)則，使得模型更具有客觀真實性；在MAT