论文部分内容阅读
在“化解产能,绿色生产”的时代背景下,钢铁行业面临着严峻的考验。球团矿作为高炉入炉的必备原料,其冶金性能直接影响铁水质量和高炉顺行。故,球团矿入炉前的质检必不可少。但是,质检环节复杂且耗材大。文章从“球团矿微观结构决定其冶金性能,冶金性能反映其微观结构”的角度出发,基于矿相特征,重点研究了一种球团矿冶金性能预测的支持向量机(SVM)改进算法,以提高球团矿冶金性能评价效率。文章主要研究内容有:第一,在透视SVM算法原理的基础上,重点分析了RBF核、多项式核与Sigmoid核3种典型核函数。基于误差最小和算法运行时间最短,制定了SVM核参数选取与核种类复合的改进策略。第二,基于遗传算法理论框架,定义了SVM核参数为个体的解空间、单一核函数的SVM预测准确率和算法运行时间为适应度函数的形式,设计了一种SVM核参数自适应选取算法;构建了一种将RBF核、多项式核和Sigmoid核加权复合的SVM原函数,定义了核种类复合权值为个体的解空间、复合核函数的SVM预测准确率和算法运行时间为适应度函数的形式,设计了一种SVM核种类自适应复合算法;最后,将SVM核参数自适应选取与SVM核种类自适应复合进行了有机耦合,实现了论文目标算法(SVM改进算法)的设计。第三,基于200组原始样本信息,采用图像图形处理算法和PCA算法研究了球团矿冶金性能指标和矿相特征,构建了矿相主特征为输入、球团矿冶金性能技术指标(还原膨胀指数RS、还原度指数RI、低温还原粉化指数RDI)的品级标签为输出的精华样本集。在该样本集上,设计了3种单一核函数的SVM、3种核参数自适应选取的SVM和核种类自适应复合的SVM,等9种对照算法,以算法对照的方式检验文章目标算法的优越性。研究结果表明:目标算法在迭代次数阈值下,RSI预测准确率100%、RI预测准确率98%、RDI预测准确率100%,显著优于9种对照算法,目标算法是一种球团矿冶金性能预测的高效绿色算法,可降低球团矿质检环节的耗材,间接分担钢铁行业产能化解的压力,值得在实践中推广。