CN107203140B - 一种基于模糊综合的烧结生产过程性能评估方法 - Google Patents
一种基于模糊综合的烧结生产过程性能评估方法 Download PDFInfo
- Publication number
- CN107203140B CN107203140B CN201710558056.2A CN201710558056A CN107203140B CN 107203140 B CN107203140 B CN 107203140B CN 201710558056 A CN201710558056 A CN 201710558056A CN 107203140 B CN107203140 B CN 107203140B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- subset
- sintering
- performance
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明公开了一种基于模糊综合的烧结生产过程性能评估方法;首先针对优化控制层建立两个评估因素子集,设定性能指标和评价等级,计算每个子集的模糊关系矩阵,采用信息熵方法确定子集中各个单因素性能指标的权重,建立一级综合评估模型;然后将两个子集的一级综合评估模型看作评估因素集的两个单因素性能指标,建立总的模糊关系矩阵,采用信息熵方法确定两个单因素性能指标的权重,经过模糊合成得到优化控制层的综合评判结果;最后进行碳效优化层的性能评估;这样可以保证优化控制层的最优控制,使得碳效优化层的评估结果更为合理。
Description
技术领域
本发明属于钢铁烧结生产过程性能评估技术领域,具体涉及一种基于模糊综合的烧结生产过程性能评估方法。
背景技术
钢铁工业是国民经济支柱产业之一,钢铁工业的发展也将决定我国国民经济的发展。烧结过程是炼铁过程的一个重要环节,其过程生产的烧结矿是高炉炼铁的主要原料。
目前,国际上著名钢铁企业所采用的钢铁生产方式是带式抽风烧结方式,其生产过程主要是先把原料充分混合得到混合料,然后将混合料平铺在台车上,混合料在点火炉处点燃料层表面,料层随台车移动而移动,此时台车下方的风箱开始进行负压抽风,料层将自上而下地进行燃烧,直到在烧结终点处烧穿料层,最终完成烧结过程,得到烧结矿。而实际的烧结生产过程中,涉及多个工业过程,如配料过程、点火过程和烧结燃烧过程等。
相关技术中,针对烧结生产过程采用一种基于分层递阶结构的厂级控制系统,从而实现对烧结生产过程的全流程协调控制。其中优化控制层包括烧结配料优化控制系统、烧结点火优化控制系统和烧结终点优化控制系统。但是,由于没有一定的标准衡量烧结过程分层递阶控制系统碳效优化层的优化结果是否为最优结果,导致优化控制层的各个子控制系统围绕着错误的设定值运行;严重影响了烧结矿的质量,同时浪费了大量的高炉煤气、焦炉煤气和焦粉,造成了很大的经济损失。
发明内容
有鉴于此,本发明的实施例提供了一种基于模糊综合评价方法对烧结生产过程优化控制层的性能进行评估,在保证优化控制层最优控制的基础上再进行碳效优化层的性能评估,以实现烧结过程的最优化控制。
为解决上述技术问题,本发明的实施例提供了一种基于模糊综合的烧结生产过程性能评估方法,包括以下步骤:
(1)建立优化控制层的评估因素集,根据所述优化控制层的子控制系统烧结点火优化控制系统和烧结终点优化控制系统将所述评估因素集分为两个子集,每个子集分别设定三个单因素性能指标,然后设定性能指标的评价等级,再建立每个子集的模糊关系矩阵,最后确定每个子集中各个单因素性能指标的权重模糊子集;
(2)建立一级综合评估模型,将每个一级综合评估模型作为所述评估因素集的两个单因素性能指标,并建立总模糊关系矩阵及确定所述两个单因素性能指标的权重模糊集;
(3)根据所述总模糊关系矩阵及两个单因素性能指标的权重模糊集进行模糊合成运算得到二级综合评估模型,并对所述二级综合评估模型参数进行归一化处理,计算综合评分,得到优化控制层的评估结果;
(4)根据所述优化控制层的评估结果选择是否进行烧结生产过程碳效优化层的性能评估;所述优化控制层的评估结果为合格以上时,进行烧结生产过程碳效优化层的性能评估,否则进行优化控制层的控制系统参数整定或结构优化,然后重新评估,直到合格之后再进行碳效优化层的性能评估,得到碳效优化层的评估结果。
进一步地,所述步骤(1)包括以下步骤:
(1-1)建立优化控制层的评估因素集U,所述评估因素集U分为两个子集,记为U={U1,U2},设第a个子集Ua={ua1,ua2··uai},(a=1,2;i=1,2,3);针对烧结点火控制系统的评估因素集的子集,分别设置修正标准差指标、过程能力指数指标及LQG(线性高斯二次型)性能指标三个评估指标;
所述修正标准差指标用公式(1)表示为:
其中,u11为衡量点火温度序列的分散程度,yt为点火温度时变序列中第t个时刻的点火温度,为点火温度序列平均值,N为点火温度序列总数;
所述过程能力指数指标用公式(2)表示为:
其中,u12衡量控制状态下点火过程满足技术标准的程度,为点火温度合格域上界,为点火温度合格域下界;
所述LQG型指标用公式(3)表示为:
其中,u13衡量生产过程状态反映的经济效益水平,RT为点火温度设定值,φ为历史最佳LQG型能耗,λ为大于0的加权常系数,ut为煤气流量时变序列中第t个时刻的煤气流量;
(1-2)针对烧结终点控制系统的评估因素集的子集,分别设置均方误差指标、修正标准差指标及过程能力指数指标三个评估指标;
所述均方误差指标用公式(4)表示为:
其中,u21表示N个时刻内烧结终点位置的均方误差,衡量终点位置偏离设定值的程度,N为烧结终点位置序列总数,pt表示第t个时刻终点位置测量值,RP为烧结终点位置的目标设定值;
所述修正标准差指标用公式(5)表示为:
其中,u22衡量BTP(烧结终点)位置序列的分散程度,为BTP位置序列平均值;
所述过程能力指数指标用公式(6)表示为:
其中,u23衡量控制状态下烧结终点控制过程满足技术标准的程度,为BTP位置合格域上界,为BTP位置合格域下界;
(1-3)设置性能指标的评价等级V={v1,v2···vj},(j=1,2,3),所述评价等级分为不合格、合格、良好三个等级,根据相应的隶属度函数,得到每个子集的模糊关系矩阵Ra:
其中,raij表示第a个子集Ua中评估指标uai对应V中等级vj的隶属关系,raij是第a个子集中第i个评估指标对该评价对象的单因素评价,m=3,n=3;
(1-4):确定每个子集Ua(a=1,2)中各个因素uai(i=1,2,3)的权重hai,各子集的因素权重集合的模糊集用Ha表示:Ha={ha1,ha2,ha3},并且采用信息熵法进行权重计算,信息熵计算公式(7)为:
式中,当paij=0,paij ln paij=0;由信息熵得到的各评估指标uai对应的权重hai的计算公式(8)计算。
进一步地,所述步骤(2)包括以下步骤:
(2-1)建立一级综合评估模型,每个子集Ua(a=1,2)的模糊综合评估模型表示为:
Ba=Ha×Ra=(ba1,ba2,ba3)
(2-2)根据每个子集的一级综合评估模型,建立总模糊关系矩阵,其表示为:
R=(B1,B2,…Bp)T,其中,p=2;
(2-3)确定两个单因素性能指标的权重,权重集合的模糊集用H表示:H={h1,h2}。
进一步地,所述步骤(3)包括以下步骤:
(3-1)根据所述每个子集总的模糊关系矩阵和权重集合的模糊集进行模糊合成运算得到二级综合评估模型,表示为:
B=H×R=(b1,b2,b3)
并将结果归一化;
(3-2)根据归一化结果计算综合评分,计算公式(9)为:
其中,F为优化控制层的评分结果。
进一步地,所述步骤(4)包括以下步骤:
(4-1)将所述评分结果与所述k值比较,评估结果接近合格的k值时,进行碳效优化层的性能评估,所述碳效优化层的性能指标表示为:
其中,JCCR为综合焦比的性能指标,Jdes为设计的理想综合焦比,Jach为实际的综合焦比;衡量实际烧结综合焦比接近理想综合焦比的程度;
(4-2)在得到所述碳效优化层的性能指标的基础上,设置性能指标的评价等级为不合格、合格、良好三个等级,根据评估结果,得到综合焦比性能指标的评估等级。
与相关技术比较,本发明的实施例提供的技术方案带来的有益效果是:基于模糊综合的烧结生产过程性能评估方法,通过建立评估因素集及其两个子集,设定性能指标和评价等级,再建立每个子集的模糊关系矩阵,最后采用信息熵方法确定子集中各个单因素性能指标的权重;然后建立一级综合评估模型,将两个子集的综合评估模型看作评估因素集的两个单因素性能指标,建立总的模糊关系矩阵,再采用信息熵方法确定两个单因素性能指标的权重,最后经过模糊合成得到优化控制层的综合评判结果,可解决单级评估指标过多时造成的某个权重过小问题,使得评估有层次;在确定优化控制层的烧结点火优化控制系统和烧结终点优化控制系统的评估结果为合格以上时,进行碳效优化层的性能评估;保证优化控制层的最优控制,使得碳效优化层的评估结果更为合理;保证了烧结矿的质量,节省了大量的高炉煤气、焦炉煤气和焦粉,提高了整体的经济效益。
附图说明
图1是本发明实施例的烧结生产过程性能评估方法结构框图;
图2是本发明实施例的二级模糊综合评估模型示意图;
图3是本发明实施例的烧结点火温度曲线示意图;
图4本发明实施例的BTP位置曲线示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1、2,本发明的实施例提供了一种基于模糊综合的烧结生产过程性能评估方法,包括以下步骤:
(1)建立优化控制层的评估因素集,根据所述优化控制层的子控制系统烧结点火优化控制系统和烧结终点优化控制系统将所述评估因素集分为两个子集,每个子集分别设定三个单因素性能指标,然后设定性能指标的评价等级,再建立每个子集的模糊关系矩阵,最后确定每个子集中各个单因素性能指标的权重模糊集;
所述评估因素集U分为两个子集,记为U={U1,U2},设第a个子集Ua={ua1,ua2··uai},(a=1,2;i=1,2,3);针对烧结点火控制系统的评估因素集的子集U1,分别设置修正标准差指标、过程能力指数指标及LQG(线性高斯二次型)性能指标三个评估指标;针对烧结终点控制系统的评估因素集的子集U2,分别设置均方误差指标、修正标准差指标及过程能力指数指标三个评估指标;
所述修正标准差指标用公式(1)表示为:
其中,u11为衡量点火温度序列的分散程度,yt为点火温度时变序列中第t个时刻的点火温度,为点火温度序列平均值,N为点火温度序列总数;
所述过程能力指数指标用公式(2)表示为:
其中,u12衡量控制状态下点火过程满足技术标准的程度,为点火温度合格域上界,为点火温度合格域下界;
所述LQG型指标用公式(3)表示为:
其中,u13衡量生产过程状态反映的经济效益水平,RT为点火温度设定值,φ为历史最佳LQG型能耗,λ为大于0的加权常系数,ut为煤气流量时变序列中第t个时刻的煤气流量;
所述均方误差指标用公式(4)表示为:
其中,u21表示N个时刻内烧结终点位置的均方误差,衡量终点位置偏离设定值的程度,N为烧结终点位置序列总数,pt表示第t个时刻终点位置测量值,RP为烧结终点位置的目标设定值;
所述修正标准差指标用公式(5)表示为:
其中,u22衡量BTP(烧结终点)位置序列的分散程度,为BTP位置序列平均值;
所述过程能力指数指标用公式(6)表示为:
其中,u23衡量控制状态下烧结终点控制过程满足技术标准的程度,为BTP位置合格域上界,为BTP位置合格域下界;
在得到所述评估指标的基础上,设置性能指标的评价等级V={v1,v2···vj},(j=1,2,3),所述评价等级对应设为不合格、合格、良好三个等级,根据相应的隶属度函数,得到每个子集的模糊关系矩阵Ra:
其中,raij表示第a个子集Ua中评估指标uai对应V中等级vj的隶属关系,raij是第a个子集中第i个评估指标对该评价对象的单因素评价,m=3,n=3;
确定每个评估因素集子集Ua(a=1,2)中各个因素uai(i=1,2,3)的权重hai,各评估因素集子集的因素权重集合的模糊子集用Ha表示:Ha={ha1,ha2,ha3},并且采用信息熵法进行权重计算,信息熵计算公式(7)为:
式中,当paij=0,paij ln paij=0;由信息熵得到的各评估指标因素uai对应的权重hai的计算公式(8)计算;
(2)建立每个子集的一级模糊综合评估模型,将每个一级综合评估模型作为所述评估因素集的两个单因素性能指标,并建立总模糊关系矩阵及确定所述两个单因素性能指标权重的模糊集;
所述一级模糊综合评估模型表示为;
Ba=Ha×Ra=(ba1,ba2,ba3)
根据每个子集的一级模糊综合评估模型建立总模糊关系矩阵,表示为:
R=(B1,B2,…Bp)T,其中,p=2;
采用上述信息熵的方法确定两个单因素性能指标的权重,所述两个单因素性能指标权重的模糊集用H表示:H={h1,h2};
(3)根据所述总模糊关系矩阵及两个单因素性能指标的权重模糊集进行模糊合成运算得到二级综合评估模型,并对所述二级综合评估模型参数进行归一化处理,计算综合评分,得到优化控制层的评估结果;
根据总的模糊关系矩阵和权重集合的模糊集进行模糊合成运算得到二级综合评估模型为:
B=H×R=(b1,b2,b3)
并将结果归一化;根据归一化的结果采用公式(9)计算优化控制层的综合评分,
其中,F为优化控制层的评分结果;对优化控制层的进行综合评分之后,根据评分结果判定优化控制层的控制指标是否为合格以上,可根据结果调整控制指标为最优;解决了单级评估指标过多时造成的某个权重过小问题,使得评估有层次,评估结果的准确度高;
(4)根据所述优化控制层的评估结果选择是否进行烧结生产过程碳效优化层的性能评估;所述优化控制层的评估结果为合格以上时,进行烧结生产过程碳效优化层的性能评估,否则进行优化控制层的控制系统参数整定或结构优化,然后重新评估,直到合格之后再进行碳效优化层的性能评估,得到碳效优化层的评估结果;
将所述评分结果与k值比较,评估结果接近合格的k值时,进行碳效优化层的性能评估,所述碳效优化层的性能指标用公式(10)表示为:
其中,JCCR为综合焦比的性能指标,衡量实际烧结综合焦比接近理想综合焦比的程度;Jdes为设计的理想综合焦比,Jach为实际的综合焦比;
在得到所述碳效优化层的性能指标的基础上,设置性能指标的评价等级为不合格、合格、良好三个等级,根据评估结果,得到综合焦比性能指标的评估等级。在优化控制层最优评估结果下,进行碳效优化层的评估,使得碳效优化层的评估结果更为合理,更接近实际生产,对实际生产起到重要的指导作用。
实施例二
本发明的实施例提供了一种基于模糊综合的烧结生产过程性能评估方法,包括以下步骤:
(1)建立优化控制层的评估因素集,即收集烧结生产历史数据获得原始样本数据并建立样本数据库;
烧结生产历史数据以日报表的形式保存在操作室工控机的本地数据库中,根据日报表的数据,收集点火温度和烧结终点位置一个月的历史数据,组成原始样本数据,评估周期设置为10天,每半个小时的数据平均值作为一组数据,共获得评估数据480组,以这些数据建立样本数据库;并采用实施例一的公式(1)~(6)进行计算,得到烧结优化控制层各性能指标结果,如表1所示;
表1烧结优化控制层各性能指标结果
根据烧结优化控制层各性能指标结果及其隶属度函数计算得到烧结点火控制系统的模糊关系矩阵及烧结终点控制系统的模糊关系矩阵,分别如下所示:
根据实施例一中公式(7)~(8)计算得到烧结点火控制系统和烧结终点控制系统两个子系统的单因素性能指标的信息熵及权重集合的模糊子集Ha为:
e11=0.96,e12=0.33,e13=0.94
e21=0.96,e22=0.95,e23=0.97
h11=0.05,h12=0.87,h13=0.08
h21=0.33,h22=0.42,h23=0.25
模糊子集Ha表示为:H1={0.05,0.87,0.08},H2={0.33,0.42,0.25};
(2)利用上述子系统模糊关系矩阵及权重模糊子集建立一级模糊综合评估模型并建立优化控制层评估因素集的总模糊关系矩阵R,并计算评估因素集中单个因素性能指标的权重,建立权重集合的模糊集H;
计算两个子控制系统的一级综合评估模型,如下所示:
根据每个子控制系统的一级模糊综合评估模型,得到总模糊关系矩阵R,如下所示:
根据实施例一中公式(7)~(8)计算得到优化控制层的单因素性能指标的信息熵及权重为:
e1=0.64,e2=0.97
h1=0.92,h2=0.08
模糊集H表示为:H={0.92,0.08};
(3)根据所述一级模糊综合评估模型模糊合成运算得到二级模糊综合评估模型,即两个子集的综合评判结果和优化控制层中所有因素的综合评判结果;所述二级模糊综合评估模型表示为:
归一化的结果为B=[0.13 0.15 0.72];并根据实施例一中的公式(9)进行优化控制层的综合评分结果计算F;
参照附图3、4,从综合评分结果F可以看出,优化控制层的性能结果更接近于等级“良好”,为了验证评估结果,评估周期内点火温度基本上保持在设定值1200℃附近,BTP位置接近设定值第23号风箱,可以看出两个子控制系统的结果都接近于给定目标值;
(4)计算碳效优化层中综合焦比的性能指标并得到评估等级;烧结生产过程中的综合焦比可以作为碳效优化层的性能指标,在评估周期内,实际的综合焦比Jach=56.84,历史最优的理想综合焦比Jdes=50.44,因此,碳效优化层的性能指标计算结果为JCCR=0.89,属于“合格”等级,需要对综合焦比进行优化操作。因此,通过本评估方法,能够满足实际烧结过程生产的性能评估要求,可为烧结过程的最优生产奠定基础。
在本文中,所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的,只是为了表达技术方案的清楚及方便。应当理解,所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于模糊综合的烧结生产过程性能评估方法,其特征是:包括以下步骤:
(1)建立优化控制层的评估因素集,根据所述优化控制层的子控制系统烧结点火优化控制系统和烧结终点优化控制系统将所述评估因素集分为两个子集,每个子集分别设定三个单因素性能指标,然后设定性能指标的评价等级,再建立每个子集的模糊关系矩阵,最后确定每个子集中各个单因素性能指标的权重模糊子集;具体包括:
(1-1)建立优化控制层的评估因素集U,所述评估因素集U分为两个子集,记为U={U1,U2},设第a个子集Ua={ua1,ua2··uai},(a=1,2;i=1,2,3);针对烧结点火控制系统的评估因素集的子集,分别设置修正标准差指标、过程能力指数指标及LQG(线性高斯二次型)性能指标三个评估指标;
所述修正标准差指标表示为:
其中,u11为衡量点火温度序列的分散程度,yt为点火温度时变序列中第t个时刻的点火温度,为点火温度序列平均值,N为点火温度序列总数;
所述过程能力指数指标表示为:
其中,u12衡量控制状态下点火过程满足技术标准的程度,为点火温度合格域上界,为点火温度合格域下界;
所述LQG型指标表示为:
其中,u13衡量生产过程状态反映的经济效益水平,RT为点火温度设定值,φ为历史最佳LQG型能耗,λ为大于0的加权常系数,ut为煤气流量时变序列中第t个时刻的煤气流量;
(1-2)针对烧结终点控制系统的评估因素集的子集,分别设置均方误差指标、修正标准差指标及过程能力指数指标三个评估指标;
所述均方误差指标表示为:
其中,u21表示N个时刻内烧结终点位置的均方误差,衡量终点位置偏离设定值的程度,N为烧结终点位置序列总数,pt表示第t个时刻终点位置测量值,RP为烧结终点位置的目标设定值;
所述修正标准差指标表示为:
其中,u22衡量BTP(烧结终点)位置序列的分散程度,为BTP位置序列平均值;
所述过程能力指数指标为:
其中,u23衡量控制状态下烧结终点控制过程满足技术标准的程度,为BTP位置合格域上界,为BTP位置合格域下界;
(1-3)设置性能指标的评价等级V={v1,v2···vj},(j=1,2,3),所述评价等级分为不合格、合格、良好三个等级,根据相应的隶属度函数,得到每个子集的模糊关系矩阵Ra:
其中,raij表示第a个子集Ua中评估指标uai对应V中等级vj的隶属关系,raij是第a个子集中第i个评估指标对该评价对象的单因素评价,m=3,n=3;
(1-4):确定每个子集Ua(a=1,2)中各个因素uai(i=1,2,3)的权重hai,各子集的因素权重集合的模糊集用Ha表示:Ha={ha1,ha2,ha3},并且采用信息熵法进行权重计算,信息熵计算公式(1)为:
式中,当paij=0,paijlnpaij=0;由信息熵得到的各评估指标uai对应的权重hai的计算公式(2)计算;
(2)建立一级综合评估模型,将每个一级综合评估模型作为所述评估因素集的两个单因素性能指标,并建立总模糊关系矩阵及确定所述两个单因素性能指标的权重模糊集;
(3)根据所述总模糊关系矩阵及两个单因素性能指标的权重模糊集进行模糊合成运算得到二级综合评估模型,并对所述二级综合评估模型参数进行归一化处理,计算综合评分,得到优化控制层的评估结果;
(4)根据所述优化控制层的评估结果选择是否进行烧结生产过程碳效优化层的性能评估;所述优化控制层的评估结果为合格以上时,进行烧结生产过程碳效优化层的性能评估,否则进行优化控制层的控制系统参数整定或结构优化,然后重新评估,直到合格之后再进行碳效优化层的性能评估,得到碳效优化层的评估结果。
2.根据权利要求1所述的一种基于模糊综合的烧结生产过程性能评估方法,其特征是:所述步骤(2)包括以下步骤:
(2-1)建立一级综合评估模型,每个子集Ua(a=1,2)的一级模糊综合评估模型用公式(3)表示;
Ba=Ha×Ra=(ba1,ba2,ba3)(3)
(2-2)根据每个子集的一级综合评估模型,建立所述总模糊关系矩阵,表示为:
R=(B1,B2,…Bp)T,其中,p=2;
(2-3)采用所述信息熵计算方法确定两个单因素性能指标的权重,确定所述两个单因素性能指标的权重模糊集H={h1,h2}。
3.根据权利要求1所述的一种基于模糊综合的烧结生产过程性能评估方法,其特征是:所述步骤(3)包括以下步骤:
(3-1)根据所述总模糊关系矩阵和权重集合的模糊集进行模糊合成运算得到二级综合评估模型,用公式(4)表示为:
B=H×R=(b1,b2,b3) (4)
并将结果归一化;
(3-2)根据归一化结果计算综合评分,用公式(5)表示为:
其中,F为优化控制层的评分结果。
4.根据权利要求1所述的一种基于模糊综合的烧结生产过程性能评估方法,其特征是:所述步骤(4)包括以下步骤:
(4-1)将所述评分结果与k值比较,评估结果接近合格的k值时,进行碳效优化层的性能评估,所述碳效优化层的性能指标表示为:
其中,JCCR为综合焦比的性能指标,Jdes为设计的理想综合焦比,Jach为实际的综合焦比;衡量实际烧结综合焦比接近理想综合焦比的程度;
(4-2)在得到所述碳效优化层的性能指标的基础上,设置性能指标的评价等级为不合格、合格、良好三个等级,根据评估结果,得到综合焦比性能指标的评估等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710558056.2A CN107203140B (zh) | 2017-07-10 | 2017-07-10 | 一种基于模糊综合的烧结生产过程性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710558056.2A CN107203140B (zh) | 2017-07-10 | 2017-07-10 | 一种基于模糊综合的烧结生产过程性能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107203140A CN107203140A (zh) | 2017-09-26 |
CN107203140B true CN107203140B (zh) | 2019-11-15 |
Family
ID=59911777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710558056.2A Active CN107203140B (zh) | 2017-07-10 | 2017-07-10 | 一种基于模糊综合的烧结生产过程性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107203140B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109654897B (zh) * | 2018-11-30 | 2020-03-31 | 中国地质大学(武汉) | 一种提高碳效的烧结终点智能控制方法 |
CN110387444B (zh) * | 2019-08-27 | 2021-04-27 | 山西太钢不锈钢股份有限公司 | 一种优化高炉喷吹配煤结构的方法 |
CN111210122B (zh) * | 2019-12-26 | 2022-05-03 | 中国地质大学(武汉) | 基于参数隔离的烧结非优运行性能原因追溯方法及系统 |
CN111210147B (zh) * | 2020-01-06 | 2022-07-19 | 中国地质大学(武汉) | 基于时序特征提取的烧结过程运行性能评价方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4529163B2 (ja) * | 2005-05-20 | 2010-08-25 | 直人 福島 | システムの最適制御方法 |
CN101244403B (zh) * | 2008-03-17 | 2011-07-20 | 西安艾贝尔科技发展有限公司 | 一种磨矿分级过程优化控制方法 |
CN102103057B (zh) * | 2009-12-22 | 2012-08-22 | 元磁新型材料(苏州)有限公司 | 一种评估方法 |
CN103631140B (zh) * | 2013-12-09 | 2016-01-06 | 中南大学 | 基于性能评估的焦炉加热燃烧过程火道温度自动调节方法 |
CN104808627A (zh) * | 2015-04-20 | 2015-07-29 | 海安县申菱电器制造有限公司 | 一种离散制造系统的车间布局方法 |
CN105046034B (zh) * | 2015-09-11 | 2018-07-06 | 中国商用飞机有限责任公司 | 多分辨率翼型设计方法和系统 |
CN106122062A (zh) * | 2016-05-31 | 2016-11-16 | 哈尔滨工程大学 | 一种利用超临界二氧化碳流体为工质的压气机性能预测与评估方法 |
CN106487015A (zh) * | 2016-06-29 | 2017-03-08 | 南京软核科技有限公司 | 一种配电网多级协调控制系统及其节能优化方法 |
-
2017
- 2017-07-10 CN CN201710558056.2A patent/CN107203140B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107203140A (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203140B (zh) | 一种基于模糊综合的烧结生产过程性能评估方法 | |
Zhang et al. | Coordinated development between green finance and environmental performance in China: The spatial-temporal difference and driving factors | |
Cui et al. | Assessing sustainability environmental performance of three urban agglomerations in China: An input–output modeling approach | |
CN106777684B (zh) | 一种建立综合焦比预测模型和预测综合焦比的方法 | |
Zhang et al. | Evaluating ecological efficiency of Chinese industrial enterprise | |
CN103544273A (zh) | 利用模式识别技术对炉况整体状态进行评估的方法 | |
CN104881707B (zh) | 一种基于集成模型的烧结能耗预测方法 | |
CN106755972B (zh) | 一种基于数据降维法预测烧结过程综合焦比的方法 | |
CN106521059A (zh) | 用相控阵雷达测量高炉料面矿焦比来控制高炉气流分布的方法 | |
CN111915080A (zh) | 一种基于铁水质量约束的原燃料成本最优配比方法 | |
Li et al. | Evolutionary trend of the coal industry chain in China: Evidence from the analysis of IO and APL model | |
Zhou et al. | [Retracted] Regional Variation in the Carbon Dioxide Emission Efficiency of Construction Industry in China: Based on the Three‐Stage DEA Model | |
Xu et al. | Optimization path of energy-economy system from the perspective of minimum industrial structure adjustment | |
Lu et al. | Can environmental governance policy synergy reduce carbon emissions? | |
Sun et al. | Research on the competitive and synergistic evolution of the water-energy-food system in China | |
Libao et al. | Prediction of CO2 emissions based on multiple linear regression analysis | |
Gao et al. | Multi-objective optimization of the combustion chamber geometry for a highland diesel engine fueled with diesel/n-butanol/PODEn by ANN-NSGA III | |
Xu et al. | The Environmental Consequences of Place‐Based Policies in China: An Empirical Study Based on SO2 Emission Data | |
Wang et al. | Pathways to achieve low-carbon transition in the transportation sector under the constraints of carbon peak and carbon neutrality targets: a comprehensive analysis of intra-and extra-industry factors | |
CN112329269A (zh) | 一种基于工况识别的烧结点火温度建模预测方法 | |
CN101339177A (zh) | 基于神经网络的烧结矿FeO预报系统 | |
CN109654897A (zh) | 一种提高碳效的烧结终点智能控制方法 | |
Yu et al. | Research on the post occupancy evaluation of green public building environmental performance combined with carbon emissions accounting | |
CN106834662B (zh) | 一种基于多工况烧结过程的co/co2比值预测方法 | |
CN110895735A (zh) | 加热炉用板坯燃耗计算方法和系统及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |