基于CJS-SLLE降维与即时学习的转炉炼钢终点碳温软测量方法

作     者：赵安 刘辉 陈甫刚 刘旭琛 张大锦 ZHAO An;LIU Hui;CHEN Fu-gang;LIU Xu-chen;ZHANG Da-jin

作者机构：昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500 云南昆钢电子信息科技有限公司云南昆明650500 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2023年第40卷第10期

页      面：1839-1850页

核心收录：

学科分类：080602[工学-钢铁冶金] 08[工学] 081104[工学-模式识别与智能系统] 0806[工学-冶金工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(62263016,61863018) 云南省科技厅应用基础研究项目(202001AT070038)资助。 

主　　题：转炉炼钢 即时学习 相似性度量 预测分析 降维 

摘      要：转炉炼钢中碳温的准确检测是终点判断的关键,基于数据驱动的终点碳温软测量方法是一种有效途径,但转炉炼钢生产过程数据存在高维度、非线性和数据波动大的问题.针对这一问题,本文提出一种降维与即时学习的终点碳温软测量(CJS-SLLE)算法用于过程数据的监督降维.通过在距离度量中引入量化后的碳温标签信息,从而构造了一种带有监督信息的度量方式实现类内类间方差的调整,然后在带标签信息的基础上引入数据间方向信息,从而实现了样本标签、方向和距离三者信息融合的一种新型(CJS)相似性度量策略,应用到局部线性嵌入中获得高维训练样本低维坐标;其次,提出一种自适应局部线性投影策略用于无标签待测样本,实现其低维坐标中同样包含标签信息;最后,根据即时学习算法选取样本子集建立偏最小二乘局部回归模型对终点碳温预测.在实际转炉炼钢生产过程数据仿真下,碳含量在±0.02%误差范围内预测精度达到90%,温度在±10℃误差范围内预测精度达到87%.