亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        銅閃速熔煉過程操作模式的多類分類策略研究

        2014-07-08 02:27:54王魁武吳松林
        科技創(chuàng)新與應(yīng)用 2014年21期
        關(guān)鍵詞:支持向量機(jī)

        王魁武+++吳松林

        摘 要:針對(duì)銅閃速熔煉操作模式易獲取而標(biāo)記困難的特點(diǎn),文章利用支持向量機(jī)在解決小樣本、非線性及高維模式識(shí)別問題中特有的優(yōu)勢(shì),構(gòu)造了一種基于邊緣交叉的支持向量機(jī)決策樹模型,能有效的減小傳統(tǒng)決策樹方法出現(xiàn)的誤差積累現(xiàn)象,提高銅閃速熔煉過程操作模式分類的準(zhǔn)確度。

        關(guān)鍵詞:操作模式;支持向量機(jī);多類分類

        引言

        銅是重要的有色金屬之一,在能源、航空、冶金、機(jī)械、石油、化工、電器、醫(yī)療衛(wèi)生等工業(yè)部門中有著重要的應(yīng)用。熔煉是提取銅、鉛、鋅、鎳等有色金屬的主要工藝方法,世界上85%的銅是通過熔煉工藝生產(chǎn)的,但我國(guó)銅熔煉工藝能耗比發(fā)達(dá)國(guó)家高出21.2%,有價(jià)金屬隨爐渣損失大。因此,研究研究銅閃速熔煉過程的操作參數(shù)優(yōu)化,對(duì)于實(shí)現(xiàn)銅閃速熔煉過程的節(jié)能降耗、提高資源利用率以及充分發(fā)揮生產(chǎn)潛力、提高生產(chǎn)過程的技術(shù)經(jīng)濟(jì)指標(biāo),實(shí)現(xiàn)企業(yè)的可持續(xù)發(fā)展,都具有重大意義[1]。

        銅閃速熔煉過程是一個(gè)復(fù)雜的物理化學(xué)變化過程,具有非線性、時(shí)變性、強(qiáng)耦合、大滯后等特點(diǎn)。Goto和Maruyama等[2-5]開發(fā)了符合熱力學(xué)反應(yīng)條件和物料平衡、熱量平衡的操作參數(shù)優(yōu)化模型。然而,由于數(shù)學(xué)模型是通過大量簡(jiǎn)化得到的,很難應(yīng)用數(shù)學(xué)模型來實(shí)現(xiàn)操作參數(shù)的優(yōu)化。無法完全依靠傳統(tǒng)方法建立精確的物理模型進(jìn)行管理監(jiān)控。但在長(zhǎng)期的運(yùn)行過程中產(chǎn)生了大量反映其運(yùn)行機(jī)理和運(yùn)行狀態(tài)的數(shù)據(jù)。由于實(shí)際需求和成本優(yōu)化等因素考慮,如何利用這些海量數(shù)據(jù)來優(yōu)化系統(tǒng)操作參數(shù),提高產(chǎn)量已成為亟待解決的問題。文獻(xiàn)[6]針對(duì)銅閃速熔煉過程的特點(diǎn),充分利用在生產(chǎn)過程中長(zhǎng)期積累的工業(yè)數(shù)據(jù),提出了基于數(shù)據(jù)驅(qū)動(dòng)的操作模式優(yōu)化方法。文章在此基礎(chǔ)上,針對(duì)銅閃速熔煉過程生產(chǎn)過程的特點(diǎn),進(jìn)行了銅閃速熔煉過程操作模式的分類策略研究,提出一種改進(jìn)的多類支持向量機(jī)分類方法,并將其應(yīng)用到銅閃速熔煉過程的操作模式分類。

        1 銅閃速熔煉過程控制機(jī)理

        銅閃速熔煉工藝機(jī)理為:將深度脫水的精礦粉末,在閃速爐噴嘴處與空氣或氧氣混合,然后從反應(yīng)塔頂部噴入反應(yīng)塔內(nèi)并發(fā)生反應(yīng),形成熔融硫化物和氧化物的混合熔體,并下降到反應(yīng)塔底部,在沉淀池中匯集并沉淀分離,最終形成冰銅與爐渣。閃速熔煉爐結(jié)構(gòu)如圖1所示。

        圖1 閃速熔煉結(jié)構(gòu)圖

        銅閃速熔煉優(yōu)化控制的基本思想是以銅閃速熔煉三大工藝指標(biāo)的穩(wěn)定優(yōu)化運(yùn)行為控制目標(biāo)。精礦、造渣劑等混合物以規(guī)定的速率加入到閃速爐中,在這個(gè)速率上建立所有其他的控制。熔煉過程所需要的熱消耗主要通過提高爐內(nèi)富氧濃度,利用氧氣自熱反應(yīng)(不加燃料)來解決,通過設(shè)定合適的富氧濃度使冰銅溫度達(dá)到期望值;同時(shí),富氧濃度的變化將會(huì)影響到冰銅品位值的變化;通過調(diào)整造渣劑的給入量實(shí)現(xiàn)渣中鐵硅比的優(yōu)化控制。因此,在給定的加入量的情況下,反應(yīng)塔工藝風(fēng)量、反應(yīng)塔工藝氧量及造渣劑加入量就是需要優(yōu)化的控制參數(shù),也就是閃速爐的控制量,直接影響閃速熔煉過程的優(yōu)化控制。

        2 操作模式的形成

        閃速熔煉過程的操作參數(shù)之間相互關(guān)聯(lián),而且是強(qiáng)耦合的。將描述工藝狀況的多個(gè)參數(shù)作為一個(gè)整體來考慮,即操作模式。

        當(dāng)前工藝狀況的參數(shù)一般分為輸入條件、狀態(tài)參數(shù)、操作參數(shù)以及工藝指標(biāo)描述[7]。輸入條件是指原料的種類、品味、雜質(zhì)含量等原始信息,t時(shí)刻的輸入條件可表示為I(t)=[i1(t),i2(t),il(t)]T,其中l(wèi)為輸入條件的個(gè)數(shù);狀態(tài)參數(shù)是指生產(chǎn)過程中各類傳感器檢測(cè)到的溫度、壓力和火焰顏色等的一系列可以反映生產(chǎn)運(yùn)行狀態(tài)的數(shù)據(jù),t時(shí)刻的狀態(tài)參數(shù)可以表示為S(t)=[s1(t),s2(t),sm(t)]T,其中m為狀態(tài)參數(shù)的個(gè)數(shù)。操作參數(shù)是生產(chǎn)過程中可以進(jìn)行調(diào)節(jié)控制的參數(shù),如壓力、風(fēng)量、氧量等,t時(shí)刻的操作參數(shù)可表示為P(t)=[p1(t),p2(t),pn(t)]T,其中,n為操作參數(shù)的個(gè)數(shù)。

        一定的輸入條件(l維)及與之對(duì)應(yīng)的操作參數(shù)(n維)所組成的l+n維向量定義為一個(gè)操作模式,即

        (1)

        在長(zhǎng)期積累的工業(yè)數(shù)據(jù)中,可以抽取出一個(gè)操作模式庫(kù)。工況有優(yōu)良中差之分,同樣的,操作模式通??梢苑譃閮?yōu)秀操作模式,良好操作模式,正常操作模式以及故障操作模式。根據(jù)當(dāng)前的操作模式與操作模式庫(kù)進(jìn)行對(duì)比,即可適當(dāng)調(diào)整當(dāng)前的操作參數(shù),使得工況達(dá)到最優(yōu)。基于操作模式的控制過程如圖2所示。

        圖2 基于操作模式的控制簡(jiǎn)圖

        然而,操作模式庫(kù)中樣本是沒有標(biāo)簽的,銅閃速熔煉反應(yīng)復(fù)雜,難以根據(jù)機(jī)理建立工況評(píng)價(jià)模型,只能通過有豐富經(jīng)驗(yàn)的專家,人工給予標(biāo)簽。對(duì)于大量的數(shù)據(jù)樣本,人工標(biāo)簽的代價(jià)相當(dāng)昂貴,而且不切實(shí)際。支持向量機(jī)在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出了許多特有的優(yōu)勢(shì),并能夠推廣應(yīng)用到函數(shù)擬合等其它機(jī)器學(xué)習(xí)問題中。文章從歷史數(shù)據(jù)庫(kù)中獲得一部分擁有標(biāo)記的操作模式,提出一種改進(jìn)的支持向量機(jī)多類分類方法來對(duì)這些操作模式進(jìn)行分類,形成四個(gè)操作模式庫(kù),為生產(chǎn)優(yōu)化提供指導(dǎo)。

        3 支持向量機(jī)分類方法

        支持向量機(jī)方法最初是針對(duì)兩分類問題提出的,而操作模式分類問題是一個(gè)典型的多分類問題。支持向量機(jī)方法要應(yīng)用于操作模式分類問題就必須進(jìn)行擴(kuò)展。將支持向量機(jī)方法延伸到多類分類問題,已成為學(xué)者們研究的重點(diǎn),并提出了一些多分類的方法并應(yīng)用到實(shí)際問題。

        3.1 支持向量機(jī)基本原理

        SVM方法是從線性可分情況下的最優(yōu)分類面提出的。最優(yōu)分類面是一種分類超平面,它不但能夠?qū)⒂?xùn)練樣本正確分類,而且使訓(xùn)練樣本中離分類面最近的點(diǎn)到分類面的距離(定義為間隔)最大,即通過使間隔最大化來控制分類器的復(fù)雜度,實(shí)現(xiàn)較好的泛化能力。設(shè)訓(xùn)練樣例為 。其中n維輸入向量xi由非負(fù)定的核函數(shù)k映射到一個(gè)高維空間,在該空間中存在一個(gè)線性的判決曲面:

        (2)

        其中:

        (3)

        (4)endprint

        ?琢i為拉格朗日乘子,xi,i∈{l1,...,ln}為支持向量,b為偏置,?椎(·)為變化函數(shù),實(shí)現(xiàn)輸入空間到高維空間的變換。

        3.2 改進(jìn)支持向量機(jī)

        基于銅閃速熔煉操作模式這樣的四分類問題,文章根據(jù)二分類方法建立二叉樹支持向量機(jī)模型。由于二叉樹決策在分類過程中存在誤差積累,一旦在父節(jié)點(diǎn)分類錯(cuò)誤,將導(dǎo)致子節(jié)點(diǎn)延續(xù)父節(jié)點(diǎn)的錯(cuò)誤分類,而這在工業(yè)應(yīng)用中是非常危險(xiǎn)的。如果將故障操作模式分類成優(yōu)良操作模式,將會(huì)給生產(chǎn)帶來極大的傷害。為此,文章提出一種改進(jìn)二叉樹支持向量機(jī)方法,在同一個(gè)父節(jié)點(diǎn)的子節(jié)點(diǎn)之間引入邊緣交叉因子,在同一層次進(jìn)行交叉。該方法還能夠隨著分類數(shù)目進(jìn)行擴(kuò)展,模型結(jié)構(gòu)如圖3所示。

        圖3 邊緣交叉模型

        考慮到樹型結(jié)構(gòu)的整體復(fù)雜度,采用同時(shí)考慮訓(xùn)練樣本中的所有類別模式的方法來構(gòu)建一個(gè)整體分類器,也就是需要為分配到每個(gè)中間節(jié)點(diǎn)上的訓(xùn)練樣本子集構(gòu)建教師信號(hào)。

        令樣本集為S,需要分裂為n個(gè)子集S1,...,Sn,其中si∩sj=?準(zhǔn),?坌i≠j,算法過程如下:

        (1)初始化,令si=?準(zhǔn),i=1,...,n;

        (2)對(duì)于任意(x,y)∈S,若找到一個(gè)(x,y)∈S,若找到一個(gè)si=?準(zhǔn),則將(x,y)并入子集Si,其他子集保持不變;

        (3)否則,若存在(x',y')∈S,且,y=y',則將(x,y)并入到Si,其他子集保持不變;

        (4)否則若對(duì)于(x',y')∈S,滿足 ,則將(x,y)并入子集Si,其他子集保持不變。

        設(shè)SVMj和SVMj+1為兩個(gè)具有同一個(gè)父節(jié)點(diǎn)SVMp的中間節(jié)點(diǎn),Sp為分配到節(jié)點(diǎn)SVMp上的訓(xùn)練樣本集??紤]輸入模式x對(duì)于SVMp節(jié)點(diǎn)上的支持向量機(jī)模塊的空間變量:

        (5)

        文章提出樣例交叉因子作為訓(xùn)練樣本在子節(jié)點(diǎn)上的分配依據(jù),取代了簡(jiǎn)單的符號(hào)函數(shù)sign(?酌)。定義樣例交叉因子為

        (6)

        其中m為中間節(jié)點(diǎn)SVMj和SVMj+1所在的層數(shù)(按從上到下順

        序,跟節(jié)點(diǎn)所在為第0層),?籽0∈(0,1)為初始交叉因子, ,

        ?姿控制樣例交叉因子隨著樹層數(shù)增加而收斂的速度。交叉的過程也就是是以樣例交叉因子為判別依據(jù),對(duì)子節(jié)點(diǎn)上訓(xùn)練樣例進(jìn)行分配的過程,即SVMj和SVMj+1節(jié)點(diǎn)上的樣例分配分別為

        (7)

        (8)

        這樣,靠近決策曲面從而易于被誤分的混淆訓(xùn)練樣例

        (9)

        被同時(shí)保存SVMP的下層中間節(jié)點(diǎn)SVMj和SVMj+1的訓(xùn)練樣例集中,從而使得那些以混淆交叉因子為衡量依據(jù),對(duì)決策曲面有較大影響的訓(xùn)練樣例能夠在樹型結(jié)構(gòu)更深層次的中間節(jié)點(diǎn)的訓(xùn)練過程中參與更精細(xì)的分類超曲面的構(gòu)建,保障支撐向量機(jī)樹的泛化性能。

        4 仿真分析

        為了檢測(cè)操作模式的多類分類方法用于工況評(píng)估模型的可靠性,文章從現(xiàn)場(chǎng)收集了2011年9月1日至2011年9月15日的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行實(shí)用性測(cè)試。

        在某廠銅閃速熔煉實(shí)際生產(chǎn)過程中,裝入干礦總量、反應(yīng)塔熱風(fēng)量、反應(yīng)塔富氧濃度、空氣水分率,這4個(gè)參數(shù)可以通過傳感器實(shí)時(shí)檢測(cè),檢測(cè)頻率為5秒一次;裝入物含Cu率、裝入物含F(xiàn)e率、裝入物含S率、裝入物含SiO2率,這4個(gè)參數(shù)需要進(jìn)行人工化驗(yàn),化驗(yàn)時(shí)間為1小時(shí)一次。為了使工況評(píng)估更貼近生產(chǎn)過程,裝入干礦總量、裝入物含Cu率、裝入物含F(xiàn)e率、裝入物含S率、裝入物含SiO2率在采樣點(diǎn)設(shè)置在反應(yīng)塔噴嘴處,反應(yīng)塔熱風(fēng)量、反應(yīng)塔富氧濃度、空氣水分率取值為4個(gè)小時(shí)內(nèi)的平均值。由于冰銅品位、渣中鐵硅比每4個(gè)小時(shí)檢測(cè)一次,故總共獲得90組數(shù)據(jù)。對(duì)基于邊緣交叉的支持向量機(jī)決策樹工況評(píng)估模型進(jìn)行測(cè)試,得到測(cè)試結(jié)果如圖4所示。

        圖4 工況評(píng)估模型應(yīng)用結(jié)果

        從圖中可以看出評(píng)估工況與實(shí)際生產(chǎn)工況基本吻合,正確分類樣本81個(gè)、錯(cuò)誤分類樣本9個(gè),評(píng)估正確率為90%。值得注意的是,該模型對(duì)工況等級(jí)為1(即優(yōu)秀工況)、工況等級(jí)為4(即故障工況)評(píng)估正確率為100%。

        結(jié)果表明,采用文章提出的基于邊緣交叉的支持向量機(jī)決策樹模型適用于實(shí)際生產(chǎn)過程,可以為現(xiàn)場(chǎng)工作人員提供操作指導(dǎo)。

        5 結(jié)束語(yǔ)

        文章針對(duì)銅閃速熔煉操作模式多分類問題,提出了一種帶邊緣交叉的支持向量機(jī)樹模型,該模型使得那些對(duì)決策曲面有較大影響的訓(xùn)練樣例能夠在樹型結(jié)構(gòu)更深層次的中間節(jié)點(diǎn)的訓(xùn)練過程中參與更精細(xì)的分類超曲面的構(gòu)建,在充分利用每個(gè)中間節(jié)點(diǎn)支撐向量機(jī)優(yōu)良的泛化性能的同時(shí)增強(qiáng)了支撐向量機(jī)樹模型整體的泛化性能。然而,基于數(shù)據(jù)的操作模式分類方法的研究還需要深入的研究,對(duì)于分類好的操作模式如果進(jìn)行操作模式的匹配仍是下一步研究重點(diǎn)之一。

        參考文獻(xiàn)

        [1]彭曉波.銅閃速熔煉過程智能優(yōu)化方法及應(yīng)用[D].中南大學(xué),中國(guó).長(zhǎng)沙,2008.

        [2]Maruyama T,F(xiàn)urui N, Hamamoto M, et al. On the evolution of mathematical modeling of single-step flash smelting of copper concentrates [J]. Progress in Computational Fluid Dynamics, 2005, 5(3-5):207-221.

        [3]Xin-feng Li, Mei Chi,Xiao Tian-yuan.Numerical modeling of Jinlong CJD burner copper flash smelting furnace [J]. International Journal of Minerals Metallurgy and Materials, 2002,9(6):417-421.

        [4]Goto S. Equilibrium calculations between matte slag and gaseous phases in copper smelting copper metallurgy-practice and theory[P]. London: Institute of Mining and Metallurgy,1974:23-29.

        [5]吳扣根,洪新.冰銅富氧吹煉工藝的模型開發(fā)與應(yīng)用[J].有色金屬, 1999,51(2):40-46.

        [6]桂衛(wèi)華,陽(yáng)春華,李勇剛,等.基于數(shù)據(jù)驅(qū)動(dòng)的銅閃速熔煉過程操作模式優(yōu)化及應(yīng)用[J].自動(dòng)化學(xué)報(bào),2009,35(6):717~724

        [7]胡志坤.復(fù)雜有色金屬熔煉過程操作模式智能優(yōu)化方法研究[D].中南大學(xué),2005.endprint

        ?琢i為拉格朗日乘子,xi,i∈{l1,...,ln}為支持向量,b為偏置,?椎(·)為變化函數(shù),實(shí)現(xiàn)輸入空間到高維空間的變換。

        3.2 改進(jìn)支持向量機(jī)

        基于銅閃速熔煉操作模式這樣的四分類問題,文章根據(jù)二分類方法建立二叉樹支持向量機(jī)模型。由于二叉樹決策在分類過程中存在誤差積累,一旦在父節(jié)點(diǎn)分類錯(cuò)誤,將導(dǎo)致子節(jié)點(diǎn)延續(xù)父節(jié)點(diǎn)的錯(cuò)誤分類,而這在工業(yè)應(yīng)用中是非常危險(xiǎn)的。如果將故障操作模式分類成優(yōu)良操作模式,將會(huì)給生產(chǎn)帶來極大的傷害。為此,文章提出一種改進(jìn)二叉樹支持向量機(jī)方法,在同一個(gè)父節(jié)點(diǎn)的子節(jié)點(diǎn)之間引入邊緣交叉因子,在同一層次進(jìn)行交叉。該方法還能夠隨著分類數(shù)目進(jìn)行擴(kuò)展,模型結(jié)構(gòu)如圖3所示。

        圖3 邊緣交叉模型

        考慮到樹型結(jié)構(gòu)的整體復(fù)雜度,采用同時(shí)考慮訓(xùn)練樣本中的所有類別模式的方法來構(gòu)建一個(gè)整體分類器,也就是需要為分配到每個(gè)中間節(jié)點(diǎn)上的訓(xùn)練樣本子集構(gòu)建教師信號(hào)。

        令樣本集為S,需要分裂為n個(gè)子集S1,...,Sn,其中si∩sj=?準(zhǔn),?坌i≠j,算法過程如下:

        (1)初始化,令si=?準(zhǔn),i=1,...,n;

        (2)對(duì)于任意(x,y)∈S,若找到一個(gè)(x,y)∈S,若找到一個(gè)si=?準(zhǔn),則將(x,y)并入子集Si,其他子集保持不變;

        (3)否則,若存在(x',y')∈S,且,y=y',則將(x,y)并入到Si,其他子集保持不變;

        (4)否則若對(duì)于(x',y')∈S,滿足 ,則將(x,y)并入子集Si,其他子集保持不變。

        設(shè)SVMj和SVMj+1為兩個(gè)具有同一個(gè)父節(jié)點(diǎn)SVMp的中間節(jié)點(diǎn),Sp為分配到節(jié)點(diǎn)SVMp上的訓(xùn)練樣本集。考慮輸入模式x對(duì)于SVMp節(jié)點(diǎn)上的支持向量機(jī)模塊的空間變量:

        (5)

        文章提出樣例交叉因子作為訓(xùn)練樣本在子節(jié)點(diǎn)上的分配依據(jù),取代了簡(jiǎn)單的符號(hào)函數(shù)sign(?酌)。定義樣例交叉因子為

        (6)

        其中m為中間節(jié)點(diǎn)SVMj和SVMj+1所在的層數(shù)(按從上到下順

        序,跟節(jié)點(diǎn)所在為第0層),?籽0∈(0,1)為初始交叉因子, ,

        ?姿控制樣例交叉因子隨著樹層數(shù)增加而收斂的速度。交叉的過程也就是是以樣例交叉因子為判別依據(jù),對(duì)子節(jié)點(diǎn)上訓(xùn)練樣例進(jìn)行分配的過程,即SVMj和SVMj+1節(jié)點(diǎn)上的樣例分配分別為

        (7)

        (8)

        這樣,靠近決策曲面從而易于被誤分的混淆訓(xùn)練樣例

        (9)

        被同時(shí)保存SVMP的下層中間節(jié)點(diǎn)SVMj和SVMj+1的訓(xùn)練樣例集中,從而使得那些以混淆交叉因子為衡量依據(jù),對(duì)決策曲面有較大影響的訓(xùn)練樣例能夠在樹型結(jié)構(gòu)更深層次的中間節(jié)點(diǎn)的訓(xùn)練過程中參與更精細(xì)的分類超曲面的構(gòu)建,保障支撐向量機(jī)樹的泛化性能。

        4 仿真分析

        為了檢測(cè)操作模式的多類分類方法用于工況評(píng)估模型的可靠性,文章從現(xiàn)場(chǎng)收集了2011年9月1日至2011年9月15日的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行實(shí)用性測(cè)試。

        在某廠銅閃速熔煉實(shí)際生產(chǎn)過程中,裝入干礦總量、反應(yīng)塔熱風(fēng)量、反應(yīng)塔富氧濃度、空氣水分率,這4個(gè)參數(shù)可以通過傳感器實(shí)時(shí)檢測(cè),檢測(cè)頻率為5秒一次;裝入物含Cu率、裝入物含F(xiàn)e率、裝入物含S率、裝入物含SiO2率,這4個(gè)參數(shù)需要進(jìn)行人工化驗(yàn),化驗(yàn)時(shí)間為1小時(shí)一次。為了使工況評(píng)估更貼近生產(chǎn)過程,裝入干礦總量、裝入物含Cu率、裝入物含F(xiàn)e率、裝入物含S率、裝入物含SiO2率在采樣點(diǎn)設(shè)置在反應(yīng)塔噴嘴處,反應(yīng)塔熱風(fēng)量、反應(yīng)塔富氧濃度、空氣水分率取值為4個(gè)小時(shí)內(nèi)的平均值。由于冰銅品位、渣中鐵硅比每4個(gè)小時(shí)檢測(cè)一次,故總共獲得90組數(shù)據(jù)。對(duì)基于邊緣交叉的支持向量機(jī)決策樹工況評(píng)估模型進(jìn)行測(cè)試,得到測(cè)試結(jié)果如圖4所示。

        圖4 工況評(píng)估模型應(yīng)用結(jié)果

        從圖中可以看出評(píng)估工況與實(shí)際生產(chǎn)工況基本吻合,正確分類樣本81個(gè)、錯(cuò)誤分類樣本9個(gè),評(píng)估正確率為90%。值得注意的是,該模型對(duì)工況等級(jí)為1(即優(yōu)秀工況)、工況等級(jí)為4(即故障工況)評(píng)估正確率為100%。

        結(jié)果表明,采用文章提出的基于邊緣交叉的支持向量機(jī)決策樹模型適用于實(shí)際生產(chǎn)過程,可以為現(xiàn)場(chǎng)工作人員提供操作指導(dǎo)。

        5 結(jié)束語(yǔ)

        文章針對(duì)銅閃速熔煉操作模式多分類問題,提出了一種帶邊緣交叉的支持向量機(jī)樹模型,該模型使得那些對(duì)決策曲面有較大影響的訓(xùn)練樣例能夠在樹型結(jié)構(gòu)更深層次的中間節(jié)點(diǎn)的訓(xùn)練過程中參與更精細(xì)的分類超曲面的構(gòu)建,在充分利用每個(gè)中間節(jié)點(diǎn)支撐向量機(jī)優(yōu)良的泛化性能的同時(shí)增強(qiáng)了支撐向量機(jī)樹模型整體的泛化性能。然而,基于數(shù)據(jù)的操作模式分類方法的研究還需要深入的研究,對(duì)于分類好的操作模式如果進(jìn)行操作模式的匹配仍是下一步研究重點(diǎn)之一。

        參考文獻(xiàn)

        [1]彭曉波.銅閃速熔煉過程智能優(yōu)化方法及應(yīng)用[D].中南大學(xué),中國(guó).長(zhǎng)沙,2008.

        [2]Maruyama T,F(xiàn)urui N, Hamamoto M, et al. On the evolution of mathematical modeling of single-step flash smelting of copper concentrates [J]. Progress in Computational Fluid Dynamics, 2005, 5(3-5):207-221.

        [3]Xin-feng Li, Mei Chi,Xiao Tian-yuan.Numerical modeling of Jinlong CJD burner copper flash smelting furnace [J]. International Journal of Minerals Metallurgy and Materials, 2002,9(6):417-421.

        [4]Goto S. Equilibrium calculations between matte slag and gaseous phases in copper smelting copper metallurgy-practice and theory[P]. London: Institute of Mining and Metallurgy,1974:23-29.

        [5]吳扣根,洪新.冰銅富氧吹煉工藝的模型開發(fā)與應(yīng)用[J].有色金屬, 1999,51(2):40-46.

        [6]桂衛(wèi)華,陽(yáng)春華,李勇剛,等.基于數(shù)據(jù)驅(qū)動(dòng)的銅閃速熔煉過程操作模式優(yōu)化及應(yīng)用[J].自動(dòng)化學(xué)報(bào),2009,35(6):717~724

        [7]胡志坤.復(fù)雜有色金屬熔煉過程操作模式智能優(yōu)化方法研究[D].中南大學(xué),2005.endprint

        ?琢i為拉格朗日乘子,xi,i∈{l1,...,ln}為支持向量,b為偏置,?椎(·)為變化函數(shù),實(shí)現(xiàn)輸入空間到高維空間的變換。

        3.2 改進(jìn)支持向量機(jī)

        基于銅閃速熔煉操作模式這樣的四分類問題,文章根據(jù)二分類方法建立二叉樹支持向量機(jī)模型。由于二叉樹決策在分類過程中存在誤差積累,一旦在父節(jié)點(diǎn)分類錯(cuò)誤,將導(dǎo)致子節(jié)點(diǎn)延續(xù)父節(jié)點(diǎn)的錯(cuò)誤分類,而這在工業(yè)應(yīng)用中是非常危險(xiǎn)的。如果將故障操作模式分類成優(yōu)良操作模式,將會(huì)給生產(chǎn)帶來極大的傷害。為此,文章提出一種改進(jìn)二叉樹支持向量機(jī)方法,在同一個(gè)父節(jié)點(diǎn)的子節(jié)點(diǎn)之間引入邊緣交叉因子,在同一層次進(jìn)行交叉。該方法還能夠隨著分類數(shù)目進(jìn)行擴(kuò)展,模型結(jié)構(gòu)如圖3所示。

        圖3 邊緣交叉模型

        考慮到樹型結(jié)構(gòu)的整體復(fù)雜度,采用同時(shí)考慮訓(xùn)練樣本中的所有類別模式的方法來構(gòu)建一個(gè)整體分類器,也就是需要為分配到每個(gè)中間節(jié)點(diǎn)上的訓(xùn)練樣本子集構(gòu)建教師信號(hào)。

        令樣本集為S,需要分裂為n個(gè)子集S1,...,Sn,其中si∩sj=?準(zhǔn),?坌i≠j,算法過程如下:

        (1)初始化,令si=?準(zhǔn),i=1,...,n;

        (2)對(duì)于任意(x,y)∈S,若找到一個(gè)(x,y)∈S,若找到一個(gè)si=?準(zhǔn),則將(x,y)并入子集Si,其他子集保持不變;

        (3)否則,若存在(x',y')∈S,且,y=y',則將(x,y)并入到Si,其他子集保持不變;

        (4)否則若對(duì)于(x',y')∈S,滿足 ,則將(x,y)并入子集Si,其他子集保持不變。

        設(shè)SVMj和SVMj+1為兩個(gè)具有同一個(gè)父節(jié)點(diǎn)SVMp的中間節(jié)點(diǎn),Sp為分配到節(jié)點(diǎn)SVMp上的訓(xùn)練樣本集。考慮輸入模式x對(duì)于SVMp節(jié)點(diǎn)上的支持向量機(jī)模塊的空間變量:

        (5)

        文章提出樣例交叉因子作為訓(xùn)練樣本在子節(jié)點(diǎn)上的分配依據(jù),取代了簡(jiǎn)單的符號(hào)函數(shù)sign(?酌)。定義樣例交叉因子為

        (6)

        其中m為中間節(jié)點(diǎn)SVMj和SVMj+1所在的層數(shù)(按從上到下順

        序,跟節(jié)點(diǎn)所在為第0層),?籽0∈(0,1)為初始交叉因子, ,

        ?姿控制樣例交叉因子隨著樹層數(shù)增加而收斂的速度。交叉的過程也就是是以樣例交叉因子為判別依據(jù),對(duì)子節(jié)點(diǎn)上訓(xùn)練樣例進(jìn)行分配的過程,即SVMj和SVMj+1節(jié)點(diǎn)上的樣例分配分別為

        (7)

        (8)

        這樣,靠近決策曲面從而易于被誤分的混淆訓(xùn)練樣例

        (9)

        被同時(shí)保存SVMP的下層中間節(jié)點(diǎn)SVMj和SVMj+1的訓(xùn)練樣例集中,從而使得那些以混淆交叉因子為衡量依據(jù),對(duì)決策曲面有較大影響的訓(xùn)練樣例能夠在樹型結(jié)構(gòu)更深層次的中間節(jié)點(diǎn)的訓(xùn)練過程中參與更精細(xì)的分類超曲面的構(gòu)建,保障支撐向量機(jī)樹的泛化性能。

        4 仿真分析

        為了檢測(cè)操作模式的多類分類方法用于工況評(píng)估模型的可靠性,文章從現(xiàn)場(chǎng)收集了2011年9月1日至2011年9月15日的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行實(shí)用性測(cè)試。

        在某廠銅閃速熔煉實(shí)際生產(chǎn)過程中,裝入干礦總量、反應(yīng)塔熱風(fēng)量、反應(yīng)塔富氧濃度、空氣水分率,這4個(gè)參數(shù)可以通過傳感器實(shí)時(shí)檢測(cè),檢測(cè)頻率為5秒一次;裝入物含Cu率、裝入物含F(xiàn)e率、裝入物含S率、裝入物含SiO2率,這4個(gè)參數(shù)需要進(jìn)行人工化驗(yàn),化驗(yàn)時(shí)間為1小時(shí)一次。為了使工況評(píng)估更貼近生產(chǎn)過程,裝入干礦總量、裝入物含Cu率、裝入物含F(xiàn)e率、裝入物含S率、裝入物含SiO2率在采樣點(diǎn)設(shè)置在反應(yīng)塔噴嘴處,反應(yīng)塔熱風(fēng)量、反應(yīng)塔富氧濃度、空氣水分率取值為4個(gè)小時(shí)內(nèi)的平均值。由于冰銅品位、渣中鐵硅比每4個(gè)小時(shí)檢測(cè)一次,故總共獲得90組數(shù)據(jù)。對(duì)基于邊緣交叉的支持向量機(jī)決策樹工況評(píng)估模型進(jìn)行測(cè)試,得到測(cè)試結(jié)果如圖4所示。

        圖4 工況評(píng)估模型應(yīng)用結(jié)果

        從圖中可以看出評(píng)估工況與實(shí)際生產(chǎn)工況基本吻合,正確分類樣本81個(gè)、錯(cuò)誤分類樣本9個(gè),評(píng)估正確率為90%。值得注意的是,該模型對(duì)工況等級(jí)為1(即優(yōu)秀工況)、工況等級(jí)為4(即故障工況)評(píng)估正確率為100%。

        結(jié)果表明,采用文章提出的基于邊緣交叉的支持向量機(jī)決策樹模型適用于實(shí)際生產(chǎn)過程,可以為現(xiàn)場(chǎng)工作人員提供操作指導(dǎo)。

        5 結(jié)束語(yǔ)

        文章針對(duì)銅閃速熔煉操作模式多分類問題,提出了一種帶邊緣交叉的支持向量機(jī)樹模型,該模型使得那些對(duì)決策曲面有較大影響的訓(xùn)練樣例能夠在樹型結(jié)構(gòu)更深層次的中間節(jié)點(diǎn)的訓(xùn)練過程中參與更精細(xì)的分類超曲面的構(gòu)建,在充分利用每個(gè)中間節(jié)點(diǎn)支撐向量機(jī)優(yōu)良的泛化性能的同時(shí)增強(qiáng)了支撐向量機(jī)樹模型整體的泛化性能。然而,基于數(shù)據(jù)的操作模式分類方法的研究還需要深入的研究,對(duì)于分類好的操作模式如果進(jìn)行操作模式的匹配仍是下一步研究重點(diǎn)之一。

        參考文獻(xiàn)

        [1]彭曉波.銅閃速熔煉過程智能優(yōu)化方法及應(yīng)用[D].中南大學(xué),中國(guó).長(zhǎng)沙,2008.

        [2]Maruyama T,F(xiàn)urui N, Hamamoto M, et al. On the evolution of mathematical modeling of single-step flash smelting of copper concentrates [J]. Progress in Computational Fluid Dynamics, 2005, 5(3-5):207-221.

        [3]Xin-feng Li, Mei Chi,Xiao Tian-yuan.Numerical modeling of Jinlong CJD burner copper flash smelting furnace [J]. International Journal of Minerals Metallurgy and Materials, 2002,9(6):417-421.

        [4]Goto S. Equilibrium calculations between matte slag and gaseous phases in copper smelting copper metallurgy-practice and theory[P]. London: Institute of Mining and Metallurgy,1974:23-29.

        [5]吳扣根,洪新.冰銅富氧吹煉工藝的模型開發(fā)與應(yīng)用[J].有色金屬, 1999,51(2):40-46.

        [6]桂衛(wèi)華,陽(yáng)春華,李勇剛,等.基于數(shù)據(jù)驅(qū)動(dòng)的銅閃速熔煉過程操作模式優(yōu)化及應(yīng)用[J].自動(dòng)化學(xué)報(bào),2009,35(6):717~724

        [7]胡志坤.復(fù)雜有色金屬熔煉過程操作模式智能優(yōu)化方法研究[D].中南大學(xué),2005.endprint

        猜你喜歡
        支持向量機(jī)
        基于支持向量回歸機(jī)的電能質(zhì)量評(píng)估
        基于智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測(cè)
        數(shù)據(jù)挖掘技術(shù)在電廠經(jīng)濟(jì)性分析系統(tǒng)中的應(yīng)用Q
        基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型
        基于SVM的煙草銷售量預(yù)測(cè)
        動(dòng)態(tài)場(chǎng)景中的視覺目標(biāo)識(shí)別方法分析
        論提高裝備故障預(yù)測(cè)準(zhǔn)確度的方法途徑
        基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測(cè)
        基于支持向量機(jī)的金融數(shù)據(jù)分析研究
        管理類研究生支持向量機(jī)預(yù)測(cè)決策實(shí)驗(yàn)教學(xué)研究
        考試周刊(2016年53期)2016-07-15 09:08:21
        精品免费在线| 999zyz玖玖资源站永久| 日本午夜精品一区二区三区电影| 国产午夜视频在线观看| 精品国产一区二区三区久久女人| 少妇特殊按摩高潮对白| 大桥未久av一区二区三区| 国产肥熟女视频一区二区三区| 国产乱淫视频| av资源在线永久免费观看| 丝袜美腿国产一区精品| 国产福利精品一区二区| 毛片网站视频| 东京道一本热码加勒比小泽| 国产精品一区二区三区免费视频| 免费人成网ww555kkk在线| 国产日b视频| 亚洲香蕉视频| 元码人妻精品一区二区三区9| 成年人一区二区三区在线观看视频| 国精品人妻无码一区免费视频电影| 久久夜色精品国产| 无码中文av有码中文av| 免费人成网站在线观看| 中文字幕免费在线观看动作大片 | 男女av一区二区三区| 久久久久香蕉国产线看观看伊| 亚洲熟妇在线视频观看| 日韩av一区二区无卡| 国产高清在线观看av片| 女人大荫蒂毛茸茸视频| 2021年性爱喷水视频| 亚洲第一黄色免费网站| 亚洲无亚洲人成网站77777| 狠狠久久精品中文字幕无码| 男女后入式在线观看视频| 98色婷婷在线| 夜夜揉揉日日人人| 加勒比东京热综合久久| 华人免费网站在线观看| 大肉大捧一进一出好爽视频mba |