基于二次相似性度量的即时学习转炉炼钢终点碳温软测量方法

摘要

转炉炼钢过程中碳、温连续实时预报是终点控制的关键,针对炉次间的时间序列样本差异度大进而影响模型预测精度的问题,提出一种二次相似性度量的即时学习策略加具有反馈补偿机制的长短期记忆网络混合模型预测终点碳温方法.利用灰色关联度准则进行一次度量建立初始局部模型,在其局部模型中定位出"质心"样本进行二次度量,从而获取最优局部模型;长短期记忆网络训练时,将输出反馈回输入端,使其二次训练能够提高泛化能力.通过钢厂转炉炼钢生产过程的实际数据对方法进行测试和验证,结果表明,按照炼钢工艺要求,温度预测误差在±5°C的精度为76.7％,碳预测误差在±0.01的精度为86.7％.