1、第38卷第3期2007年6月中南大学学报(自然科学版)JCentSouth Univ(Science and Technology)Vbl38 No3Jun2007基于神经网络的铜闪速熔炼过程工艺参数预测模型喻寿益，王吉林，彭晓波(中南大学信息科学与工程学院，湖南长沙，410083)摘要：基于铜闪速熔炼过程是典型的高温、多相多组分复杂生产过程，熔炼时，闪速炉内发生激烈而迅速的化学反应，冰铜品位、冰铜温度和渣中铁硅比是铜熔炼过程的关键三大工艺参数，在线检测时存在成本高、滞后大，实现困难等问题，在分析影响工艺参数因素的基础上，提出一种基于BP神经网络的三大工艺参数预测方法，通过收集现场生产数据，挖
2、掘其中隐含的工艺参数信息，建立预测模型。仿真结果表明，这三大工艺参数的最大绝对误差分别为O630，6680和O051，最大相对误差分别为116，055和340，说明模型预测结果与实际生产数据较吻合，该预测模型可用来指导实际生产操作，并可用于铜闪速熔炼过程参数优化。关键词：铜闪速熔炼；BP神经网络；预测模型中图分类号：TPl3 文献标识码：A 文章编号：16727207(2007)03052305Prediction model of craft parameters based on neural networkduring the process of copper flash smelti
3、ngYU Shou-yi，WANG Jilin，PENG Xiaobo(School ofInformation Science and Engineering，Central South University,Changsha 410083，China)Abstract：Copper flash smelting is a complex industrial process with multiple phases and multiple components at hiightemperatureDuring the process of smelting，the reactions
4、occur fiercely and rapidly in flash fumace，and matte grade，matte temperature and mass rate of Fe and Si02 are the three key technology parameters during the process of copperflash smeltingThe measurement method of these parameters is not only hard to be detected on-line，but also hastimedelaying and
5、costs a lotA back propagation neural network prediction model was presented to predict theseparameters，and its simulation experiment was givenThe simulative results show that the biggest absolute error of thethree parameters are 0630，6680 and 005 1 and the biggest relative error are 11 6，055and 340，
6、respectivelyThese results indicate that the prediction results of the model is in accordance with the practical data very well，and thusthe model can be used in the parameter optimization for copper flash smelting and can be used to optimize parameters inthe practical productionKey words：copper flash
7、 smelting；back propagation neu：al network；prediction model铜闪速熔炼是一个典型的高温、多相多组分的复杂生产过程，熔炼时，闪速炉内反应迅速，所有反应在23 s内完成。当处理料量不变时，闪速炉产出的冰铜品位、冰铜温度、渣中铁硅比(质量比)等参数是铜闪速炉熔炼过程的综合判断指标，只要稳定这三大参数，就可以实现熔炼、吹炼以及硫酸生产过程的稳定卜21。计算机对闪速熔炼过程的控制，实际上就是对冰铜品位、冰铜温度和渣中铁硅比这三大工艺参数进收稿日期：20061卜08基金项目：国家自然科学重点基金资助项目(60634020)；国家自然科学基金资助项目(
8、60574030)；湖南省自然科学基金资助项目(06FD007)；国家发改委专项基金资助项目(2004111317)；中国博士后科学基金资助项目(20060400885)作者简介：喻寿益(1940-)，男，江西南昌人，教授，从事自适应控制、过程控制和进化计算理论及应用等研究通讯作者：彭晓波，男，博士研究生；电话：13973353860；E-mail：pengxiaob088yahoocomcn万方数据524 中南大学学报(自然科学版) 第38卷行在线控制。目前，在生产中为了使这实现三大工艺参数稳定，某冶炼厂采用从日本引进的消耗式热电偶，在炉前冰铜出口测量冰铜温度3_4】。这种一次性热电偶测出的
9、温度存在不可重复性，只能在放出冰铜时进行测量，而冰铜每隔一段时间才从冰铜出口放出，这样测得的温度不能及时反映生产过程的变化，是一种滞后的测量方法。冰铜品位和渣中铁硅比通过取样化验计算获得，存在严重的时间滞后。在此，本文作者采用一种基于BP神经网络预测模型的方法实现三大工艺参数的软测量。1工艺参数的神经网络预测模型11模型的确定在铜闪速熔炼过程中，影响冰铜温度、冰铜品位和渣中铁硅比等参数的因素很多，主要包括入炉料干矿成分、操作参数预热空气量、工业氧气量等。用x表示影响三大工艺参数的因素，用Y表示三大工艺参数，x和Y的输入输出关系可以表示为其中：厂是石和Y的非线性映射函数。若影响因素x不同，则其对
10、输出Y作用的权重也不同。BP神经网络是一种前向神经网络，它具有较强的非线性逼近能力，各因素的权重可通过它的权值来反映；BP神经网络的自学习与自调整功能，使得实际输出可以不断逼近期望输出，且性能稳定可靠【5_6】，因此，选用BP网络拟合X和y的输入输出关系。图1所示为BP神经网络拓扑结构。其中：输入层有即个节点，对应输入x。嗝；输出层有m个节点，对应输出y1)，。；隐含层有q个节点，对应输出ZIZq；输入层与隐含层之间的权值为图1 BP神经网络拓扑结构Fig1 The structure of BP neural networkyYmVik；隐含层与输出层之间的权值为。根据BP网络拓扑结构，确定
11、预测目标(三大工艺参数)与各影响因素之问的关系原理如图2所示71。图2中，网络输入为影响工艺参数的各个影响因素，与BP网络的输入层相对应，网络输出为冰铜温度、冰铜品位和渣中铁硅比这三大工艺参数，与BP的输出层相对应。可以看出，模型由数据流的前向计算(正向传播)和误差信号的反向传播2个过程构成。正向传播时，根据输入数据和各层的传递函数计算网络输出(数据传播方向为输入层_隐层一输出层)；当输出层没达到期望的输出时，根据网络输出值与生产过程实际输出的差值来修改网络权值vik署D wkj以及阈值死和谚，可以通过反向传播学习算法来实现8_9】。该算法的步骤为：a给全部权值1，腑和以及阈值死和0j赋予较小
12、的随机值(一般取0-1之问的值)。b从学习样本中取出一个输入样本S，计算节点输出值。c计算输出层的误差和隐含层误差如，计算公式为：图2基于BP神经网络的工艺参教模型原理图Fig2 Schematic diagram of technology parameters model based on BP neural network墨万方数据第3期 喻寿益，等：基于神经网络的铜闪速熔炼过程工艺参数预测模型 525ejs=记一yj；d缸=P扣。=1式中：“为输出层第，个节点输出；Y?为样本期望输出。d修改权值M协和v聃，调整公式为Awkj(t+1)=aAwkj(t)+(彬女)； (4)s=lAvik
13、(t+1)=届av请(，)+(舭fd船)。 (5)s=l式中：n和为动量因子，A和叩为学习步长，它们均为0-1之间的值；缸为隐含层第k节点的输出；N为样本数。e调整阈值易和瓦，调整公式为aoj(t+1)=以巳(f)+re声； (6)s=laTk(t+1)=BArk(t)+蒯b。 (7)s=l取下一个样本，重复步骤be，若样本已完，则进入步骤g。晷计算总误差。若总误差E小于给定误差s或训练次数大于指定次数，则停止计算；若Ee，则返回步骤b重新修改权值和阈值，直到满足Es或达到指定次数为止。12 BP网络结构及节点数的确定根据BP网络原理，确定三大工艺参数的结构如图3所示。图中BP神经网络共有8个
14、输入量，分别为富氧率01)、吨矿氧含量)、熔剂率)、Cu含量)、S含量5)、Fe含量)、Si02含量)和MgO含量。)；网络输出量对应铜闪速熔炼过程中的三大工艺参数，分别为冰铜品位。)、冰铜温度魄)和渣中铁硅比3)；Zl为空气量；22为分配风量；z3为工艺氧量：幻为中央氧量；z；为熔剂量；W为精矿量；r-为精矿中铜的含量；圪为精矿中硫的含量；F3为精矿中铁含量；心为精矿中Si02含量；5为精矿中MgO含量。输入变量中前3个分别表示风、氧以及熔剂对输出的影响，后5个变量表示精矿成分对输出的影响。各输入变量xi(i=l8)的值通过以下公式计算得出：，一21z1+21z2+95z3+100一z41一
15、一；Zl+Z2+Z3+Z4输入层 隐含层 输出层图3工艺参数预测模型结构图Fig3 The structure oftechnology parametersprediction model21z1+21z2+95z3+100z4_c1=二=二-：WX3-Z5W；x4=wrl；X5=WF2；X6=wr3 x7=wr5；X8=WF5。其中：网络中各层的节点数由输入输出量数目确定。对于此模型，输出层与三大工艺参数对应，故其节点数为3；而输入层与三大工艺参数的影响因素对应，其节点数取8；隐含层节点数rl，可据经验公式nl-露+m+口确定(式中：，2为输入层单元数；m为输出层单元数；a为110之间的常
16、数10 11】)。参考经验公式及考虑网络的泛化能力和收敛速度等因素【12。51，最终确定隐层节点数为15，于是，得到8153的BP网络结构。2仿真结果及分析为验证上述BP网络模型的可行性，利用matlab70对其进行训练和仿真。在仿真过程中，隐含层、输出传递函数分别为sigmoid()和tansig()16_1 71。神经网络训练和仿真数据来自生产现场DCS系统，并经过数据完备性处理和时问同步处理的数据记录，取60组生产数据对上述神经网络模型进行训练和仿真，其中50组作为训练样本，另外10组对网络模型进行检验。训练结果如图4-6所示。训练结果表明：BP神经网络训练结果(图中虚线)和实际生产数据
17、(图中实线)较吻合，说明网络已经挖掘生产实际数据中隐含的工艺参数信息。万方数据526 中南大学学报(自然科学版) 第38卷鋈翅喀曝惫样本数1冰铜品位实际值；2一冰铜品位训练值图4 50组冰铜品位训练结果Fig4 The matte grade training results of 50 training samplesp划赠器兹样本数1一冰铜温度实际值；2一冰铜温度训练值图5 50组冰铜温度训练结果Fig5 The matte temperature training results of50 training samples釜镬蝼导铡样本数1一渣中铁硅比实际值2一渣中铁硅比训练值图6 50
18、组渣中铁硅比训练结果Fig6 Rates of Fe and Si02 in slag training result of50 training samples仿真结果如表1所示。可以看出：神经网络模型仿真的冰铜品位、冰铜温度及渣中铁硅比与检验样本实际值的最大绝对误差分别为O630，6680和0051，最大相对误差分别为116，055并n 340，网络输出与实际生产数据较吻合。这表明该神经网络模型的泛化能力强，能根据输入参数较精确地预测冰铜品位、冰铜温度及渣中铁硅比等目标值。同时，在实际运算中采用此方法，能在很短的时间内，利用以往的历史数据获得当前的参数预测值，很好地解决以往测量的滞后问题。
19、因此，此模型可用于铜闪速熔炼过程的在线生产操作指导和优化控制。表1神经网络模型仿真数据与检验样本对照表Table 1 Comparison of datum between simulation results of neural network and checking samples万方数据第3期 喻寿益，等：基于神经网络的铜闪速熔炼过程工艺参数预测模型 5273结论a基于BP神经网络建立铜闪速熔炼过程中冰铜品位、冰铜温度和渣中铁硅比这三大工艺参数的预测模型，模型预测结果与实际生产结果基本吻合，最大绝对误差分别为0630，6680和005 1，最大相对误差分别为116，055和340，说明
20、BP模型准确地挖掘了生产数据中的隐含信息，模型具有可行性。b该模型实现简单，通过输入数据就能预测铜闪速熔炼过程关键工艺参数，因而对实现铜熔炼生产的在线控制具有参考价值。参考文献：1 曾青云铜闪速熔炼操作数据的回归分析J】有色金属，1994(、5，)：4-6ZENG QingyunRegressmn analysis of operation datum forcopper flash smeltingJNonferrous Metals，1994(5)：4-62】 梅炽，姚俊峰，胡军，等粗铜冶炼中铜锍品位的动态预测模式ARQ)与指数平滑最优组合法【J】中南工业大学学报：自然科学版，2000,3
21、1(1)：34二。-36 。MEt Chi，YAO Jun-feng，HU Jun,et a1The dynamicpre-estimating model of the grade of copper matte in the courseof raw copper metallurgy：the best combined approach of autoregressive and exponential smoothingJJournal of CentralSouth University of Technology：Natural Science，2000，3 l(1)：34-363
22、】 张卫华冰铜温度测量方法研究J江西铜业工程，1999(4)：15ZHANG Weihua Study on measurement of mattetemperatureJJiangxi Copper Engineering，1999(4)：15【4 周 璇，喻寿益分布参数系统参数辨识的最佳测量位置J中南大学学报：自然科学版，2004，35(1)：97100ZHOU Xuan，YU ShouyiOptimal sensor location for theparameter identification in the distributed parameter systemJJournal
23、of Central South University：Science and Technology,2004，35(1)：971005】 飞思科技产品研发中心神经网络理论与实现【M】北京：电子工业出版社，2005Feisi Technology R姚俊峰;胡军 粗铜冶炼中铜锍品位的动态预测模式-AR(p)与指数平滑最优组合法期刊论文-中南工业大学学报(自然科学版) 2000(01)3.张卫华 冰铜温度测量方法研究 1999(04)4.周璇;喻寿益 分布参数系统参数辨识的最佳测量位置期刊论文-中南大学学报(自然科学版) 2004(01)5.飞思科技产品研发中心 神经网络理论与实现 20056.
24、范磊;张运陶;程正军 基于Matlab的改进BP神经网络及其应用期刊论文-西华师范大学学报(自然科学版)2005(01)7.汪金良;曾青云;汪仁良 应用神经网络技术建立铜闪速熔炼温度模型期刊论文-有色金属 2002(01)8.Cichocki A;Unbehauen R Neural networks for optimization and signal processing 19939.邹明虎;王志云;高福生 基于模糊神经网络的雷达印制板故障智能诊断系统研究期刊论文-微计算机信息2004(04)10.曾青云;汪金良 铜闪速熔炼神经网络模型的建立期刊论文-南方冶金学院学报 2003(05)1
25、1.伍春香;刘琳 三层BP网络隐层节点数确定方法的研究 1999(02)12.Li B;Chow M Y;Tipsuwan Y Neural-network-based motor rolling bearing fault diagnosis外文期刊2000(05)13.TANG Wan-Mei The study of the optimal structure of BP neural network期刊论文-SystemsEngineering-Theory Cheung C C;Leung S H Fast convergence for back-propagation netwo
26、rk with magnified gradientfunction外文会议 2003(03)15.Ng S C;Cheung C C;Leung S H A new adaptive learning algorithm using magnified gradient function外文会议 200116.Deduth H;Beatle M Neural network toolbox for use with MATLAB 200117.闻新;周露;李翔 Matlab神经网络仿真与应用 2003本文读者也读过(8条)1. 顾毅.颜青君.GU Yi.YAN Qing-jun 铜闪速熔炼过
27、程参数预测模型期刊论文-有色冶金设计与研究2007,28(6)2. 阳春华.谢明.桂卫华.彭晓波.YANG Chun-hua.XIE Ming.GUI Wei-hua.PENG Xiao-bo 铜闪速熔炼过程冰铜品位预测模型的研究与应用期刊论文-信息与控制2008,37(1)3. 汪金良.卢宏.曾青云.张传福.WANG Jin-liang.LU Hong.ZENG Qing-yun.ZHANG Chuan-fu 基于遗传算法的铜闪速熔炼过程控制优化期刊论文-中国有色金属学报2007,17(1)4. 梅炽.陈卓.任鸿九.张卫华.吴军.白猛.钟灵 闪速炉生产合理强化方案的计算机仿真研究期刊论文-有
28、色金属2000,52(4)5. YANG Chun-hua.王晓丽.TAO Jie.桂卫华.WANG Ya-lin.YANG Chun-hua.WANG Xiao-li.TAO Jie.GUI Wei-hua.WANG Ya-lin 铜闪速熔炼配料过程建模与智能优化方法研究期刊论文-系统仿真学报2008,20(8)6. 余齐汉.YU Qi-han 贵冶2#闪速炉工艺过程及试生产实践期刊论文-有色金属(冶炼部分)2009(2)7. 余齐汉.洪育民.YU Qi-han.HONG Yu-min 闪速熔炼的铜精矿干燥技术期刊论文-湿法冶金2007,26(1)8. 尧颖瑾.艾元方.周萍.陈卓.刘安明.谢
29、俊才.黄辉荣 闪速炉预分散下料偏析模型实验的研究期刊论文-有色冶金设计与研究2010,31(1)引证文献(8条)1.甘敏.彭辉 不同基函数对RBF-ARX模型的影响期刊论文-中南大学学报（自然科学版） 2010(6)2.甘敏.彭辉 不同基函数对RBF-ARX模型的影响期刊论文-中南大学学报（自然科学版） 2010(6)3.汪金良.童长仁.张文海 FeO-Fe2O3-SiO2渣系的作用浓度模型及其应用期刊论文-江西理工大学学报 2008(6)4.王伟.吴敏.雷琪.曹卫华 炼焦生产过程综合生产指标的改进神经网络预测方法期刊论文-控制理论与应用2009(12)5.喻寿益.汪少军.贺建军.桂卫华 1万t多向模锻水压机分配器转角智能控制系统期刊论文-中南大学学报（自然科学版） 2009(1)6.赵彬.王新民.史良贵.张钦礼.南世卿.苏明.宋爱东 基于BP神经网络的爆破参数优选期刊论文-矿冶工程2009(4)7.王新民.赵彬.王贤来.张钦礼 基于BP神经网络的凿岩爆破参数优选期刊论文-中南大学学报（自然科学版）2009(5)8.汪金良.张传福.童长仁.张文海 CaO-FeO-Fe2O3-SiO2-Cu2O渣系作用浓度计算模型期刊论文-中南大学学报（自然科学版） 2009(2)本文链接：http:/
