申请/专利权人：唐山阿诺达自动化有限公司

申请日：2024-04-08

公开（公告）日：2024-05-10

公开（公告）号：CN118011835A

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了基于机器学习的高炉炼铁控制系统，系统包括数据采集模块、数据预处理模块、高炉炼铁预测模型建立模块、模型超参数设置模块和高炉炼铁控制模块。本发明属于数据处理技术领域，具体是指基于机器学习的高炉炼铁控制系统，本方案结合聚类和模糊理论，基于聚类分析和模糊划分矩阵计算，充分考虑时间序列数据的特性，提高了模型对数据特征的抽象能力和预测准确性；通过划分精英组和平行组，设计非线性参数提高搜索效率；基于位置移动和突变策略，既能保持种群的多样性进行全局搜索，又能在个体周围进行局部搜索，有利于找到更优的超参数组合；提高超参数优化的效果，助于优化模型性能。

主权项：1.基于机器学习的高炉炼铁控制系统，其特征在于：系统包括数据采集模块、数据预处理模块、高炉炼铁预测模型建立模块、模型超参数设置模块和高炉炼铁控制模块；所述数据采集模块采集高炉操作数据、原料数据、高炉生产数据、环境数据和时间序列；所述数据预处理模块对采集的数据进行数据清洗、数据转换、标准化处理和划分数据集；所述高炉炼铁预测模型建立模块结合聚类和模糊理论，基于聚类分析和模糊划分矩阵计算，得到模糊时间序列数据，使用双向长短期记忆网络模型进行预测；所述模型超参数设置模块通过划分精英组和平行组，设计非线性参数；基于位置移动和突变策略，从而进行超参数搜索设置；所述高炉炼铁控制模块通过建立的高炉炼铁预测模型和实时采集的数据进行高炉炼铁控制；在模型超参数设置模块中设计非线性参数，所用公式如下： ；式中，a是非线性参数；T是搜索迭代次数；maxT是最大迭代次数；是种群平均适应度值；在模型超参数设置模块中设计惯性权重参数，所用公式如下： ；式中，ω是惯性权重参数；是惯性常数；是随机扰动项。

全文数据：

权利要求：

百度查询： 唐山阿诺达自动化有限公司 基于机器学习的高炉炼铁控制系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD