車曉沁, 朱建鴻

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無(wú)錫 214122)

?

鐵水含硅量預(yù)測(cè)系統(tǒng)中數(shù)據(jù)預(yù)處理技術(shù)的研究

車曉沁, 朱建鴻

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無(wú)錫 214122)

通過(guò)使用自適應(yīng)預(yù)報(bào)模型與時(shí)差方法相結(jié)合的方法對(duì)鐵水含硅量進(jìn)行預(yù)測(cè)，模型所需的工藝參數(shù)的原始數(shù)據(jù)經(jīng)采集后需使用OPC技術(shù)標(biāo)準(zhǔn)進(jìn)行傳輸以存入數(shù)據(jù)庫(kù)系統(tǒng)中；硅預(yù)測(cè)程序通過(guò)對(duì)數(shù)據(jù)庫(kù)查詢得到所需的操作數(shù)據(jù)，由于生產(chǎn)環(huán)境對(duì)數(shù)據(jù)的干擾，需對(duì)其作均值濾波和插值運(yùn)算的一次處理，然后進(jìn)行求平均值、梯度和標(biāo)準(zhǔn)差統(tǒng)計(jì)學(xué)運(yùn)算的二次處理，之后運(yùn)用模糊理論將各個(gè)工藝參數(shù)歸一化以提取參數(shù)特征值，作為鐵水含硅量預(yù)測(cè)模型的輸入?yún)?shù)，在預(yù)測(cè)過(guò)程中使用多元線性回歸不斷修正模型中的權(quán)重系數(shù)，以提高數(shù)學(xué)模型預(yù)測(cè)的準(zhǔn)確率。

數(shù)據(jù)預(yù)處理；工藝參數(shù)； 均值濾波； 歸一化； 回歸分析

0 引言

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)普及，大型高爐基本采用三級(jí)計(jì)算機(jī)局域網(wǎng)絡(luò)系統(tǒng)。一級(jí)用于生產(chǎn)過(guò)程控制和設(shè)備控制，二級(jí)用于生產(chǎn)過(guò)程的在線操作控制、生產(chǎn)動(dòng)態(tài)畫面與數(shù)據(jù)顯示，三級(jí)用于運(yùn)行各種數(shù)學(xué)模型、數(shù)據(jù)庫(kù)系統(tǒng)、生產(chǎn)報(bào)表生成和生產(chǎn)過(guò)程遠(yuǎn)程在線監(jiān)視，并與全廠計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)通訊。三級(jí)計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)要求能夠有效采集二級(jí)計(jì)算機(jī)系統(tǒng)PLC儀表數(shù)據(jù)作為數(shù)學(xué)模型輸入?yún)?shù)并保證數(shù)學(xué)模型運(yùn)算結(jié)果準(zhǔn)確[1-2]。

在眾多高爐數(shù)學(xué)模型中，鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型是最基本模型之一，因?yàn)榭刂坪酶郀t的爐溫水平，是保證高爐生產(chǎn)穩(wěn)定、順利的關(guān)鍵所在。事實(shí)上，高爐冶煉過(guò)程是在高溫和一定壓力條件下的傳熱、傳質(zhì)和動(dòng)量傳遞的同時(shí)進(jìn)行的一系列復(fù)雜的化學(xué)和物理反應(yīng)過(guò)程，而且整個(gè)過(guò)程是在高爐這個(gè)封閉的系統(tǒng)內(nèi)進(jìn)行的，高爐的爐溫水平是很難通過(guò)直接測(cè)量而獲得。如果能提前預(yù)報(bào)鐵水含硅量，高爐操作者可以提前掌握爐溫變化趨勢(shì)和爐溫水平，做出適當(dāng)操作調(diào)整，使得可以保證高爐穩(wěn)定順行[2-4]。由于高爐冶煉過(guò)程的復(fù)雜性及工作環(huán)境的惡劣性，鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型涉及檢測(cè)參數(shù)多、且檢測(cè)參數(shù)數(shù)量級(jí)不統(tǒng)一，以及容易受到干擾而產(chǎn)生錯(cuò)誤數(shù)據(jù)。因此，需要采用準(zhǔn)確方法對(duì)采集檢測(cè)參數(shù)進(jìn)行預(yù)處理，提高鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型的命中率。

1 鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型基本原理

1.1 數(shù)學(xué)模型數(shù)學(xué)描述

鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型采用自適應(yīng)模型與時(shí)差方法相結(jié)合的方法，這是因?yàn)榭紤]高爐在冶煉過(guò)程中始終處于一個(gè)動(dòng)態(tài)不穩(wěn)定的狀態(tài)，模型參數(shù)必須隨高爐冶煉過(guò)程的進(jìn)行而不斷地修改，采用時(shí)差方法是將網(wǎng)絡(luò)模型參數(shù)的修改在多步預(yù)報(bào)中進(jìn)行[5]。

為了進(jìn)一步提高高爐熱狀態(tài)判斷的準(zhǔn)確性，不但依據(jù)當(dāng)前鐵次鐵水含硅量實(shí)際值，而且依據(jù)影響鐵水含硅量各種高爐冶煉工藝參數(shù)及其變化趨勢(shì)，提取工藝參數(shù)特征值，根據(jù)高爐操作專家的操作經(jīng)驗(yàn)知識(shí)確定工藝參數(shù)產(chǎn)生作用的延滯時(shí)間，提高鐵水含硅量預(yù)報(bào)的命中率。

當(dāng)?shù)玫疆?dāng)前鐵次鐵水含硅量分析結(jié)果后。由于二次出鐵有1小時(shí)間隔時(shí)間，因此采取4步方法，每步間隔15分鐘預(yù)報(bào)下次鐵水含硅量。神經(jīng)網(wǎng)絡(luò)中影響鐵水含硅量各工藝參數(shù)特征值總值(ΔW)也按4步修正。即：

(1)

式中,i=1，2，…4；PT為當(dāng)前鐵水含硅預(yù)報(bào)值，%；Z為當(dāng)前鐵次鐵水含硅實(shí)際值，%；ΔW為當(dāng)前影響鐵水含硅量的輸入?yún)?shù)求得的9個(gè)特征值之和，無(wú)量綱。

(2)

式中：Pj為某個(gè)工藝參數(shù)權(quán)重值，無(wú)量綱；Wj為某個(gè)工藝參數(shù)計(jì)算得出的特征值，無(wú)量綱。

1.2 工藝參數(shù)選擇

鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型的輸入?yún)?shù)選用一些影響鐵水含硅量參數(shù)的工藝參數(shù)，參數(shù)選用詳見(jiàn)表1。工藝參數(shù)每5秒鐘采集一次，1分鐘計(jì)算一次平均值，數(shù)學(xué)模型每5分鐘預(yù)報(bào)一次。

料速是二次參數(shù)，即料尺在向下移動(dòng)的加速度，延遲時(shí)間為0；風(fēng)量、鐵水溫度、熱風(fēng)溫度、熱風(fēng)壓力、頂溫、爐頂壓力、富氧量、料線、下料批數(shù)參數(shù)延遲時(shí)間均為0；焦炭負(fù)荷延遲時(shí)間為5小時(shí)；煤粉噴吹量是利用噴吹罐電子稱信號(hào)模擬計(jì)算得到，利用曲線斜率平滑后的值作為單位小時(shí)的煤粉噴吹量，煤粉噴吹量延遲4小時(shí)。鐵水含硅的實(shí)際值，由化驗(yàn)室通過(guò)網(wǎng)絡(luò)直接輸入到數(shù)據(jù)庫(kù)中，不需要人工輸入。

表1 模型選擇工藝參數(shù)

2 工藝參數(shù)采集與數(shù)據(jù)預(yù)處理

2.1 工藝參數(shù)數(shù)據(jù)采集與數(shù)據(jù)通訊

鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型所需要工藝參數(shù)，除鐵水含硅的實(shí)際值由化驗(yàn)室通過(guò)網(wǎng)絡(luò)直接輸入到三級(jí)服務(wù)器數(shù)據(jù)庫(kù)中外，其它參數(shù)均需要從二級(jí)計(jì)算機(jī)DCS系統(tǒng)中采集。

工藝參數(shù)采集既要有完整的實(shí)時(shí)采集功能，又不能影響一級(jí)和二級(jí)計(jì)算機(jī)系統(tǒng)可靠運(yùn)行。在二級(jí)計(jì)算機(jī)系統(tǒng)上采集數(shù)據(jù)，涉及到以太網(wǎng)的數(shù)據(jù)隔離技術(shù)，數(shù)據(jù)采集機(jī)通過(guò)RS232串口傳送數(shù)據(jù)，數(shù)據(jù)采集機(jī)運(yùn)行在三級(jí)網(wǎng)絡(luò)系統(tǒng)中，實(shí)現(xiàn)了二級(jí)與三級(jí)之間的TCP/IP協(xié)議隔離，以解決數(shù)據(jù)的安全問(wèn)題[2-3]。利用控制系統(tǒng)所使用的OPC服務(wù)器功能，編寫相應(yīng)的OPC客戶端程序，通過(guò)OPC協(xié)議標(biāo)準(zhǔn)通信實(shí)現(xiàn)從基礎(chǔ)自動(dòng)化系統(tǒng)中讀取生產(chǎn)過(guò)程實(shí)時(shí)數(shù)據(jù)的通信過(guò)程[6]，鐵水含硅量預(yù)測(cè)程序?qū)⑻幚磉^(guò)的實(shí)時(shí)數(shù)據(jù)從數(shù)據(jù)庫(kù)中調(diào)取代入數(shù)學(xué)模型中進(jìn)行處理運(yùn)算，流程如圖1。

圖1 工藝參數(shù)采集流程

工藝參數(shù)每5秒鐘采集一次，由于龐大的數(shù)據(jù)無(wú)法全部保存，5秒數(shù)據(jù)只保留24小時(shí)，然后全部變成1分鐘數(shù)據(jù)作為歷史數(shù)據(jù)保存。

2.2 工藝參數(shù)數(shù)據(jù)一次處理

2.2.1 干擾數(shù)據(jù)處理

在高爐眾多的傳感器中,由于環(huán)境因素不可避免地會(huì)產(chǎn)生一些干擾信號(hào),即常見(jiàn)的噪聲,為了提高實(shí)時(shí)采集的工藝參數(shù)數(shù)據(jù)精度,必須除去這些隨機(jī)噪聲,這里采用均值濾波處理的方法[7]。例如熱風(fēng)溫度參數(shù)(Tb)，在1分鐘內(nèi)實(shí)際采集熱風(fēng)溫度數(shù)據(jù)如下：

(3)

但在高爐實(shí)際生產(chǎn)過(guò)程中,數(shù)據(jù)的真正值往往有變化，需要根據(jù)實(shí)際情況采取不同處理方式。例如鐵水溫度(Tf),鐵水溫度采用非接觸式測(cè)溫儀表，出鐵前和出鐵結(jié)束后采集數(shù)據(jù)均不代表鐵水實(shí)際溫度，此時(shí)需要增加出鐵開(kāi)始和結(jié)束開(kāi)關(guān)信號(hào)，只有在該時(shí)間段內(nèi)數(shù)據(jù)才是有效數(shù)據(jù)，鐵水溫度有效數(shù)據(jù)再重新從頭排序，Tf7～Tf12值均等于Tf6，數(shù)據(jù)實(shí)例見(jiàn)圖2。

圖2 鐵水溫度數(shù)據(jù)一次處理

又例如料線數(shù)據(jù)(Ls),作為計(jì)算料速(As)的中間參數(shù)，料線數(shù)據(jù)只有大于0的數(shù)據(jù)才具有實(shí)際意義，料線數(shù)據(jù)等于0或?yàn)樨?fù)值，代表已經(jīng)提尺準(zhǔn)備布料，無(wú)任何意義，此時(shí)需要過(guò)濾掉小于或等于0的數(shù)據(jù)，料線數(shù)據(jù)排序及處理方法與鐵水溫度相同。

2.2.2 復(fù)合參數(shù)

影響鐵水含硅含量工藝參數(shù)不僅有風(fēng)壓、風(fēng)量、料線等單一參數(shù),還需要一些由單一參數(shù)組合或再次處理后的復(fù)合參數(shù)，例如透氣性指數(shù)和料速。透氣性指數(shù)計(jì)算公式如下：

(4)

式中：i=1,2,3…12；Qb為風(fēng)量，Nm3/min；Pt為熱風(fēng)壓力，kPa ；Tp為爐頂壓力，kPa。

料速計(jì)算過(guò)程如下：

首次提取料線經(jīng)過(guò)干擾處理后的有效數(shù)據(jù)，然后計(jì)算料線向下移動(dòng)速度，最后計(jì)算料線向下移動(dòng)的加速度，具體過(guò)程如下:

(5)

(6)

式中,i=1,2,3…11；v為料線向下移動(dòng)速度，m/s；Ls，為料線，m；t為采樣時(shí)間，s；As為料線向下移動(dòng)加速度，m/s2。

料線向下移動(dòng)加速度大于0，則鐵水含硅量將會(huì)降低，反之則升高。

2.3 工藝參數(shù)數(shù)據(jù)二次處理

2.3.1 檢測(cè)參數(shù)1分鐘平均值處理

影響鐵水含硅含量工藝參數(shù)如鐵水溫度、熱風(fēng)溫度、熱風(fēng)壓力等及其復(fù)合工藝參數(shù)每5秒鐘采集1次和計(jì)算1次，由于龐大數(shù)據(jù)無(wú)法全部保存，5秒數(shù)據(jù)保留24小時(shí)，然后全部變成1分鐘數(shù)據(jù)作為歷史數(shù)據(jù)保存。1分鐘工藝參數(shù)不僅要考慮在當(dāng)前1分鐘時(shí)刻參數(shù)的瞬時(shí)值，還要考慮在過(guò)去一段時(shí)間的參數(shù)值及其變化趨勢(shì)，主要包括平均值、變化梯度和標(biāo)準(zhǔn)方差等[4]。

2.3.2 工藝參數(shù)相互關(guān)系處理

由于高爐冶煉過(guò)程復(fù)雜性及工作環(huán)境惡劣性，影響鐵水含硅量單個(gè)和由其組合形成的復(fù)合13個(gè)工藝參數(shù)存在一定波動(dòng)，如果波動(dòng)范圍在±σ內(nèi)則認(rèn)為正常波動(dòng)，對(duì)鐵水含硅量數(shù)值沒(méi)有影響；如果波動(dòng)范圍在±σ～±2σ范圍內(nèi)則認(rèn)為對(duì)鐵水含硅量數(shù)值有一定影響；如果波動(dòng)范圍超過(guò)±2σ范圍則認(rèn)為對(duì)鐵水含硅量數(shù)值有較大影響，尤其具有互聯(lián)性工藝參數(shù)出現(xiàn)反向互動(dòng)變化作用更大。例如風(fēng)量和熱風(fēng)壓力兩個(gè)工藝參數(shù)，當(dāng)風(fēng)量波動(dòng)范圍在σ～2σ內(nèi)，而熱風(fēng)壓力也在波動(dòng)范圍在σ～2σ內(nèi)，預(yù)示鐵水含硅量將會(huì)瞬時(shí)下降0.05%；如果風(fēng)量波動(dòng)范圍超過(guò)2σ，而熱風(fēng)壓力波動(dòng)范圍也超過(guò)2σ內(nèi)，預(yù)示鐵水含硅量將會(huì)瞬時(shí)下降0.10%。

2.3.3 工藝參數(shù)與復(fù)合參數(shù)歸一化處理

影響鐵水含硅量工藝參數(shù)有13個(gè)，工藝參數(shù)經(jīng)過(guò)一次預(yù)處理后得到的9個(gè)參數(shù)依然處于不同數(shù)量級(jí)，尤其是對(duì)鐵水含硅量有影響的相互關(guān)聯(lián)參數(shù)更無(wú)法確切知道每個(gè)參數(shù)對(duì)鐵水含硅量影響具體值, 例如，料速(As)在-1.0～1.0 m/s2之間，與鐵水含硅量呈副相關(guān)關(guān)系；風(fēng)量(Qb)在4 500～5 500 Nm3/min之間，與鐵水含硅量呈副相關(guān)關(guān)系；鐵水溫度(Tf)在1 450～1 520 ℃之間，與鐵水含硅量呈正相關(guān)關(guān)系；熱風(fēng)溫度(Tb)在1 150～1 240 ℃之間，與鐵水含硅量呈正相關(guān)關(guān)系；熱風(fēng)壓力(Pt)在330～360 kPa之間，與鐵水含硅量呈正相關(guān)關(guān)系；焦負(fù)荷(Oc)在4.5～5.5 t/t之間，與鐵水含硅量呈副相關(guān)關(guān)系；爐頂溫度(Td)在100～250 ℃之間，與鐵水含硅量呈正相關(guān)關(guān)系；煤粉噴吹量(Mi)在25～36 t/h之間，與鐵水含硅量呈正相關(guān)關(guān)系；富氧量(Ol)在7 000～10 000 Nm3/h之間，與鐵水含硅量呈正相關(guān)關(guān)系；小時(shí)下料批數(shù)(Lp)在10～18批/h之間，與鐵水含硅量呈副相關(guān)關(guān)系。

因此這種影響是模糊的,應(yīng)采用模糊數(shù)學(xué)中隸屬函數(shù)的辦法來(lái)表示這種模糊性[8]，根據(jù)高爐的實(shí)際情況,可選用多種隸屬函數(shù)應(yīng)利用各種數(shù)學(xué)方法對(duì)參數(shù)進(jìn)行不同的處理,提取不同特征值,即需進(jìn)行二次預(yù)處理[4,9]，對(duì)于與鐵水含硅量呈副相關(guān)關(guān)系的工藝參數(shù)，歸一化處理后，參數(shù)特征值均在-1～0范圍內(nèi)，計(jì)算方法如下：

(7)

對(duì)于與鐵水含硅量呈正相關(guān)關(guān)系的工藝參數(shù)，歸一化處理后，參數(shù)特征值均在0～1范圍內(nèi)，計(jì)算方法如下：

(8)

經(jīng)過(guò)歸一化處理后，所有影響鐵水含硅量工藝參數(shù)的特征值均在-1～1同一數(shù)量級(jí)[10]。

2.3.4 工藝參數(shù)的修正

經(jīng)過(guò)對(duì)現(xiàn)場(chǎng)數(shù)據(jù)的分析得出數(shù)學(xué)模型預(yù)測(cè)結(jié)果與多個(gè)工藝參數(shù)特征值存在的相關(guān)性，這種相關(guān)性是多重的，反應(yīng)在數(shù)學(xué)模型中的權(quán)重系數(shù)Pj中，由于冶煉過(guò)程中的高爐系統(tǒng)始終處于動(dòng)態(tài)不穩(wěn)定的狀態(tài)，權(quán)重系數(shù)Pj必須在高爐冶煉過(guò)程中不斷地進(jìn)行修正。通過(guò)回歸分析找出鐵水含硅量預(yù)測(cè)值與9個(gè)工藝參數(shù)的特征值存在有多重線性的關(guān)系[11]，這里可以使用多元線性回歸的方法來(lái)處理這種修正，方法如下：

(9)

式中,i=1，2，…n；j=1, 2，…9；PT為當(dāng)前鐵水含硅預(yù)報(bào)值，%；Z 為當(dāng)前鐵次鐵水含硅實(shí)際值，%；P為某個(gè)工藝參數(shù)權(quán)重值，無(wú)量綱；W為某個(gè)工藝參數(shù)計(jì)算得出的特征值。

使用普通最小二乘法(OLS)[12]求得β的最小二乘估計(jì)為：

(10)

其中:

(11)

由于每次出鐵經(jīng)過(guò)4次硅預(yù)報(bào)周期，所以硅預(yù)報(bào)每4步要進(jìn)行一次權(quán)重系數(shù)修正，每次取當(dāng)前鐵次之前20次的特征值與硅預(yù)測(cè)值、實(shí)際值進(jìn)行回歸分析，修正后的影響累加到下一次對(duì)鐵水含硅量的預(yù)測(cè)中，由此可推得式(1)。

3 Matlab仿真結(jié)果

利用鞍鋼煉鐵總廠三級(jí)計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)，采集11#高爐11個(gè)影響鐵水含硅量工藝參數(shù)和鐵水含硅量化驗(yàn)室數(shù)據(jù)，共4天45個(gè)鐵次。在實(shí)驗(yàn)室通過(guò)對(duì)11個(gè)工藝參數(shù)一次處理，形成11個(gè)有效的一次參數(shù)和2個(gè)復(fù)合參數(shù)總計(jì)13個(gè)參數(shù)，再經(jīng)過(guò)二次處理，生成1分鐘平均值、梯度和標(biāo)準(zhǔn)偏差數(shù)據(jù)，由于眾多工藝參數(shù)數(shù)量級(jí)不同，經(jīng)過(guò)歸一化處理提取出9個(gè)特征值，作為數(shù)學(xué)模型輸入?yún)?shù)，然后每4步對(duì)權(quán)重系數(shù)進(jìn)行修正。經(jīng)過(guò)Matlab軟件仿真結(jié)果如圖3，實(shí)際生產(chǎn)數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)預(yù)處理后數(shù)學(xué)模型預(yù)報(bào)命中率為81.64%(鐵水含硅量允許誤差范圍為(0.1%)。

圖3 鐵水含硅量預(yù)報(bào)數(shù)學(xué)模型運(yùn)行效果

4 結(jié)論

現(xiàn)代大型高爐控制系統(tǒng)通常是三級(jí)計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)，運(yùn)行一些數(shù)學(xué)模型監(jiān)視和管理高爐復(fù)雜冶煉進(jìn)程。鐵水含硅量預(yù)測(cè)模型便是運(yùn)行在第三級(jí)計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)中的控制監(jiān)控系統(tǒng)中，其需要從一級(jí)和二級(jí)計(jì)算機(jī)系統(tǒng)中采集大量的實(shí)時(shí)工藝參數(shù)，由于環(huán)境因素，采集實(shí)時(shí)工藝參數(shù)中會(huì)夾雜一些干擾信號(hào)和無(wú)效數(shù)據(jù),采用均值濾波方法剔除干擾數(shù)據(jù)和無(wú)效數(shù)據(jù)，在此基礎(chǔ)上進(jìn)行二次處理，生成1分鐘平均值、梯度和標(biāo)準(zhǔn)差數(shù)據(jù)，然后存入服務(wù)器數(shù)據(jù)庫(kù)中提供程序查詢。由于眾多工藝參數(shù)數(shù)量級(jí)不同，在輸入數(shù)學(xué)模型中還需要進(jìn)行歸一化處理，形成統(tǒng)一數(shù)量級(jí)數(shù)據(jù)，提取工藝參數(shù)和復(fù)合參數(shù)特征值，作為數(shù)學(xué)模型的輸入?yún)?shù)，根據(jù)高爐的冶煉周期，每4步對(duì)權(quán)重系數(shù)進(jìn)行修正，提高鐵水含硅量預(yù)測(cè)模型的運(yùn)行效果。從鞍鋼11#高爐采集的45個(gè)鐵次生產(chǎn)數(shù)據(jù)進(jìn)行的硅預(yù)測(cè)模型的仿真結(jié)果，命中率達(dá)到81.64%(允許誤差(0.1%)，可以滿足實(shí)際生產(chǎn)需求。

[1] 凌小芬. 高爐自動(dòng)化控制系統(tǒng)研究與應(yīng)用[J]. 機(jī)電信息,2015(6): 44-45.

[2] 陳長(zhǎng)輝. 基于工業(yè)以太網(wǎng)的自動(dòng)化控制系統(tǒng)設(shè)計(jì)[J]. 軟件導(dǎo)刊, 2015(2): 132-133.

[3] 劉春裕. 基于VBA開(kāi)發(fā)技術(shù)的接口測(cè)試技術(shù)研究[J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2014(1): 69-72, 76.

[4] 張 慧. 自適應(yīng)模糊時(shí)間序列預(yù)測(cè)模型的研究[D].大連：大連海事大學(xué), 2012.

[5] 肖伸平,吳 敏,劉代飛. 基于小波神經(jīng)網(wǎng)絡(luò)的高爐鐵水含硅預(yù)報(bào)[J]. 有色金屬, 2005(2): 106-110.

[6] 郇 極,劉艷強(qiáng). 工業(yè)以太網(wǎng)現(xiàn)場(chǎng)總線EtherCAT驅(qū)動(dòng)程序設(shè)計(jì)及應(yīng)用[M]. 北京: 北京航空航天大學(xué)出版社, 2010.

[7] 徐雅娜. 鐵水含硅量實(shí)時(shí)預(yù)報(bào)專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 遼寧省交通高等?？茖W(xué)校學(xué)報(bào), 2005(3): 58-60.

[8] 郝曉靜,張 蘋,王 鵬,等. 高爐操作參數(shù)預(yù)處理及相互關(guān)系的研究[J]. 材料與冶金學(xué)報(bào), 2003(4): 241-245.

[9] 劉金琨,鄧守強(qiáng),田 青,等. 高爐專家系統(tǒng)的數(shù)據(jù)采集與處理[J]. 東北大學(xué)學(xué)報(bào), 1996(5): 27-31.

[10] 李界家,楊志宇,曹 陽(yáng). 鐵水硅含量的集成模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J]. 計(jì)算機(jī)與應(yīng)用化學(xué),2013(10): 1113-1116.

[11] 李虎山,曾燕飛. 基于專家規(guī)則判斷的高爐爐溫控制[J]. 微計(jì)算機(jī)信息,2007,16: 96-97.

[12] 王惠文,孟 潔. 多元線性回歸的預(yù)測(cè)建模方法[J]. 北京航空航天大學(xué)學(xué)報(bào),2007(4):500-504.

Study of a Data Preprocessing Used in a Mathematical Model Forecasting Silicon Content in Hot Metal

Che Xiaoqin，Zhu Jianhong

(School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, China)

Adaptive prediction model combined with the time difference method is used in the model of hot metal silicon content prediction. Required original data of model parameters collected after using OPC technology standard for transmission to store in the database system. Due to the interference of production environment， computing the data for the mean filtering and interpolation on the first process is needed. Then average, and standard deviation statistics gradient computation is needed as the secondary process。Using fuzzy theory to various process parameters normalization parameter extraction complex eigenvalues as iron the silicon content of the model input parameters. While the process，continuously correcting the weight coefficient through multiple linear regression is necessary. The operating result in improving the mathematical model.

data preprocessing; process parameters; mean filter; standardization; regression analysis

2015-09-19；

2015-10-26。

車曉沁(1990-)，男，遼寧鞍山人，碩士，主要從事檢測(cè)與傳感方向的研究。

1671-4598(2016)03-0221-03

10.16526/j.cnki.11-4762/tp.2016.03.060

TP3

A