烧结矿质量级联集成智能预测模型

针对钢铁烧结配料工序完成后,烧结工况未知,仅依靠配料参数信息难以准确预测烧结矿质量的问题,提出了一种烧结矿质量级联集成智能预测模型。首先,分析并阐述了配料过程中预测烧结矿质量的意义,采用机理分析、数据统计以及灰色关联分析方法,确定影响烧结矿质量的关键参数,并将其划分为在配料过程中可知的配料参数信息与未来生产中的烧结过程状态参数、操作参数信息;然后,提出了级联结构烧结矿质量智能集成预测模型,模型第1级采用基于T-S模糊融合的时间序列集成预测算法,准确预测烧结过程状态参数、操作参数以避免仪器仪表检测的滞后性,第2级根据第1级的预测输出和配料参数信息,采用基于BP神经网络与最小二乘支持向量机的信息熵集成预测模型,有效预测烧结矿铁品位、碱度和转鼓指数。仿真实验和工业应用表明:所建立的预测模型提高了烧结矿质量预测精度,对烧结生产具有重要指导意义。