基于RBFNN的燒結(jié)礦FeO含量預(yù)報(bào)系統(tǒng)研究

針對燒結(jié)礦FeO 含量存在的非線性、隨機(jī)性和不確定性的特點(diǎn)，提出了基于RBF 神
經(jīng)網(wǎng)絡(luò)的FeO 含量測量模型，將燒結(jié)斷尾圖像特征和主要操作工藝參數(shù)等多種數(shù)據(jù)進(jìn)行融合，對FeO 含量進(jìn)行在線預(yù)報(bào)，并開發(fā)了“燒結(jié)礦FeO 含量在線智能檢測系統(tǒng)”。應(yīng)用表明該模型計(jì)算量小、精度高，算法實(shí)用簡單，達(dá)到了理想效果。
燒結(jié)礦FeO 含量是評價(jià)燒結(jié)生產(chǎn)的一項(xiàng)綜合指標(biāo)，合理控制FeO 含量有利于降低燒結(jié)
能耗，改善燒結(jié)礦的還原性。因此，對燒結(jié)礦中FeO 含量的檢測和控制對燒結(jié)生產(chǎn)有著十分重要的意義。當(dāng)前，燒結(jié)礦FeO 含量的檢測方法主要有：化學(xué)分析法、廢氣分析法、燒結(jié)機(jī)尾觀察法和燒結(jié)參數(shù)數(shù)值分析法?；瘜W(xué)分析法需要人工提取燒結(jié)礦樣本進(jìn)行化學(xué)分析，結(jié)果精確但不能做到實(shí)時(shí)檢測。廢氣分析法通過對燒結(jié)尾氣成分含量進(jìn)行分析來估計(jì)FeO含量，該方法也需要人工取樣，且容易受到外界因素干擾，結(jié)果誤差大。燒結(jié)機(jī)尾觀察法可分為看火工觀察法和基于機(jī)器視覺方法[1]，二者都是通過對燒結(jié)機(jī)尾斷面圖像進(jìn)行分析，從而估計(jì)FeO 含量。燒結(jié)參數(shù)數(shù)值分析法是通過對影響燒結(jié)過程中各個(gè)參數(shù)進(jìn)行分析，建立數(shù)學(xué)模型，對FeO 含量進(jìn)行預(yù)測。
燒結(jié)過程的復(fù)雜性質(zhì)和系統(tǒng)的灰色性，決定了FeO 含量很難用準(zhǔn)確的數(shù)學(xué)模型描述其
現(xiàn)象和過程，燒結(jié)理論和光學(xué)CCD 成像理論表明，燒結(jié)礦FeO 含量不僅與燒結(jié)機(jī)尾斷面圖像特征有關(guān)，同時(shí)與燒結(jié)操作工藝參數(shù)也存在著復(fù)雜的非線性映射關(guān)系。國內(nèi)外在燒結(jié)礦FeO 預(yù)報(bào)方面進(jìn)行了較深入的研究，張石[2]等應(yīng)用燒結(jié)機(jī)尾斷面圖像特征值進(jìn)行FeO 回歸分析，但誤差大；蔣大軍[3]等根據(jù)燒結(jié)操作工藝參數(shù)建立FeO 含量的BP 網(wǎng)絡(luò)模型，該模型命中率高，但是收斂速度慢，很難在線運(yùn)行。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)為一種性能良好的前饋型人工神經(jīng)網(wǎng)絡(luò)，具有較高的運(yùn)算速度，能以任意精度全局逼近一個(gè)非線性函數(shù)，并且是全局最優(yōu)。為此，本文通過RBF 神經(jīng)網(wǎng)絡(luò)將主要工藝參數(shù)和圖像特征進(jìn)行融合，對FeO 含量進(jìn)行在線預(yù)報(bào)。針對某鋼鐵集團(tuán)公司煉鐵廠六號燒結(jié)機(jī)開發(fā)了“燒結(jié)礦FeO 含量在線智能檢測系統(tǒng)”。應(yīng)用表明，該模型運(yùn)行速度快，命中率高，達(dá)到了理想效果。