数理混合驱动的高炉冶炼系统建模与全局串行优化方法

    公开(公告)号:CN118332787A

    公开(公告)日:2024-07-12

    申请号:CN202410427371.1

    申请日:2024-04-10

    Applicant: 浙江大学

    Abstract: 高炉炼铁和烧结制料是高炉冶炼系统中最关键的环节,其中烧结矿质量对后续高炉炼铁具有重要影响。为此,本发明提出了一种数据与机理混合驱动的建模与全局串行优化策略。通过结合操作经验和质量/热量守恒关系,建立了铁水产量和高炉能耗的机理模型。为建模系统的动态和非线性特性,构建了宽度学习拟合子空间辨识方法(Broad learning approximate subspace identification method,BLASIM)。在该数据驱动模型中,本发明引入了相关性误差为基础的参数化建模策略,实现了非线性状态空间辨识。其次,在灰狼优化算法基础上,提出全局串行优化策略。最后,实际的高炉冶炼数据充分验证了所提出方法在建模准确性和优化效果方面的可行性和有效性。

    一种基于生成对抗框架的高炉故障自愈控制方法

    公开(公告)号:CN118377254A

    公开(公告)日:2024-07-23

    申请号:CN202410430280.3

    申请日:2024-04-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于生成对抗框架的高炉故障自愈控制方法,包括数据集标签属性等级化、构建潜空间转换自愈控制模型、模型多路径训练、高炉故障样本的控制变量调节。首先需要采集数据样本,选择控制变量作为样本标签,再将标签属性等级化,从而获得自制的数据集。然后构建潜空间转换自愈控制模型,用自制的数据集输入模型,根据多训练路径构建目标函数进行训练。最后,将高炉故障样本输入到训练好的模型中,模型会输出一个方案矩阵显示不同操作下转换样本的工况,只需选择健康工况对应的操作即可。本发明建立“控制变量‑样本故障特征‑异常炉况关系”的大型高炉特征广义模型,为应对异常炉况提供一定的操作指导。

    时间约束下的全局与局部非线性稳态子空间分析方法

    公开(公告)号:CN116884533A

    公开(公告)日:2023-10-13

    申请号:CN202310838984.X

    申请日:2023-07-10

    Applicant: 浙江大学

    Abstract: 本发明公开了一种时间约束下的全局与局部非线性稳态子空间分析方法,以提升高炉炼铁过程的监测表现。尽管现有的静止子空间分析方法已经可以用来估计出过程的一致性关系。然而,复杂的非线性、周期性非稳态和时间变化的冶炼条件的存在,使得完整的稳态预测估计难以实现。为此,本发明利用多个核函数和流形学习方法,建立了具有时间约束的全局和局部非线性结构,这将由周期性非稳态激发的独特非线性所确定。同时,构建了一个基于奇异值分解的建模效率提升策略,以显著降低所提出的Tc‑GLNASSA的计算复杂性,并给出了一个整体的高炉炼铁过程监控框架。随后,开发正交模型更新方案,以估计独立的长期和近期一致的关系,从而保持长期可更新的监测能力。

Patent Agency Ranking