引用本文

杜胜, 吴敏, 陈略峰, Pedrycz Witold. 基于粒度聚类的铁矿石烧结过程运行性能评价. 自动化学报, 2023, 49(6): 1272−1282 doi: 10.16383/j.aas.c200267

Du Sheng, Wu Min, Chen Lue-Feng, Pedrycz Witold. Operating performance assessment based on granular clustering for iron ore sintering process. Acta Automatica Sinica, 2023, 49(6): 1272−1282 doi: 10.16383/j.aas.c200267

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200267

关键词

粒度聚类，烧结过程，时间序列，运行性能 

摘要

烧结过程的运行性能是生产效率和能源利用的综合表现. 运行性能评价是保持烧结过程的运行性能处于最优等级的前提. 考虑到时间序列数据的冗余, 提出一种基于粒度聚类的铁矿石烧结过程运行性能评价方法. 首先, 利用单因素方差分析方法选取影响运行性能等级的检测参数; 然后, 采用多粒度区间信息粒化实现检测参数时间序列数据的降维, 并进行粒度聚类, 得到聚类标签; 最后, 以聚类得到的聚类标签为输入, 利用随机森林算法进行运行性能等级评价. 利用实际钢铁企业的运行数据进行实验, 构建两个对比实验, 分别采用基于时间序列数据聚类(Time series data clustering, TSDC)方法和基于时间序列特征聚类(Time series feature clustering, TSFC)方法. 实验结果表明, 该方法为有效评价烧结过程的运行性能提供了一套可行方案, 为操作人员提升烧结过程运行性能提供了有力的指导.

文章导读

铁矿石烧结是人工富矿的主要途径, 生成的烧结矿是高炉冶炼的主要原料. 烧结过程是一个包含一系列复杂物理化学反应的热聚合过程, 原料包括铁矿粉、返矿、助熔剂和固体燃料(焦炭)[1]. 烧结过程具有强非线性、强耦合性和大时滞性, 这使得很难建立精确的烧结过程数学模型. 强非线性主要是由烧结过程中存在复杂的固相和液相反应[2-3]导致的, 这些反应很难用数学关系描述. 强耦合性主要是指在生产过程中参数与参数之间存在耦合, 一个参数变化会导致一个或多个参数的联动[4]. 大时滞性[5]是指烧结过程耗时长, 参数的调节需要一段时间才能得到响应. 这些特性使得操作人员很难把控烧结过程的进度, 导致操作人员难以通过经验判断当前运行状态的好坏.

运行性能可用于衡量一段生产过程的运行状态, 它关系到烧结过程的生产效率和能源利用. 但是随着时间推移, 运行性能会偏离最优等级. 运行性能评价是将一段时间内的生产过程的运行性能划分为多个等级, 如优、良、一般、差等, 这本质上是一个时间序列的评价与分类问题. 运行性能评价是确保烧结过程的运行性能处于最优等级的前提. 运行性能评价不仅能指导操作人员控制烧结过程的高效运行, 而且为烧结过程运行性能提升奠定基础. 因此, 实现烧结过程的运行性能评价具有重要的经济价值.

对于工业过程运行性能的评价问题, 许多学者做出了贡献. Liu等[6]以综合经济指标预测为基础, 提出了一种运行性能评价方法. 文献[7]提出了一种基于性能相似度的在线运行性能评估方法, 利用全潜结构投影模型提取数据中的变异信息, 为运行性能评价提供依据. 考虑多种工作模式、多种类信息源的工业过程特征, 如金湿法冶金过程, 学者们提出了分层分块评价结构的运行性能评估[8-9]. 对于闭环控制下的工业过程中的运行性能, 学者们提出了一种同时进行的静态和动态评估方法[10]. 为了评估具有少量历史数据的新建过程的性能, Zou等[11]提出了一种跨域特征转移学习评价方法.

虽然上述方法在一些特定的流程工业中得到了有效应用, 但是这些方法很难适用于烧结过程的运行性能评价问题. 烧结过程的运行性能评价主要是对烧结燃烧过程的评价. 烧结燃烧过程可以用烧结热状态的时间序列数据来描述. 烧结过程的运行性能评价是一个时间序列的评价与分类问题.

对于时间序列数据的评价与分类的研究主要可分为3类: 第1类是直接利用时间序列数据进行评价和分类, 如Du等[12]直接利用时间序列数据进行聚类, 构建了烧结过程的工况识别方法; 第2类是对时间序列数据进行特征提取, 然后进行评价与分类, 如文献[13]对时间序列数据进行几何特征提取, 用于电力系统的振荡识别; 第3类是对时间序列数据进行信息粒化, 然后进行评价与分类, 例如Guo等[14]提出了时间序列数据的粒度模糊聚类方法, 用于时间序列分类.

信息粒是由(时间、空间、功能等)相似性(紧密度)而收集在一起的实体的集合[15]. 对时间序列进行信息粒化, 不仅可以有效减少时间序列的信息冗余, 而且可以提取时间序列的动态特征[16]. 烧结过程运行性能评价是对一段时间内的所有检测参数的时间序列数据进行评价. 由于运行性能评价的周期远大于传感器的检测周期, 而且很多检测参数在一定时间内是缓慢变化的, 短周期的采样会采集很多无用信息, 这导致了时间序列的信息冗余. 本文引入时间序列进行信息粒化, 提取烧结过程时间序列数据的动态特性, 进而实现烧结过程运行性能评价.

考虑到实际生产中对关键状态参数的边界约束, 本文引入田口过程能力指数作为烧结过程运行性能的衡量指标. 田口过程能力指数弥补了传统的过程能力指数, 只考虑工序平均值对规格中心的偏移的缺陷[17]. 田口过程能力指数更完整地解释了质量特性偏离目标值的原因: 一是因为质量特性的波动, 二是因为工序平均值的偏移.

针对时间序列数据的冗余, 本文提出一种基于粒度聚类的铁矿石烧结过程运行性能评价方法. 首先, 该方法利用单因素方差分析方法选取运行性能评价所需的参数, 并利用多粒度区间信息粒化方法实现时间序列数据的降维; 然后, 结合随机森林算法进行运行性能等级评价; 最后, 利用实际钢铁企业的运行数据进行了实验. 实验结果表明, 该方法能有效评价烧结过程的运行性能, 能为操作人员提升烧结过程运行性能提供有力指导.

本文的创新点主要有以下3个方面: 1)设计了烧结过程运行性能评价方案, 并通过参数选择、信息粒化和粒度聚类, 以及利用随机森林算法进行运行性能等级评价; 2)采用时间序列的多粒度区间信息粒化方法处理烧结过程时间序列数据的冗余问题, 实现时间序列数据的降维; 3)利用实际钢铁企业的运行数据, 对该方法的有效性进行了验证, 表明本文为烧结过程的运行性能评价提供了一套可行方案.

图 1  风箱废气温度和烧结带分布

图 2  运行性能等级评价方案

图 3  部分检测参数的数据箱图

针对烧结过程检测参数的时间序列数据冗余, 本文引入多粒度区间信息粒化实现时间序列数据的降维, 并保留时间序列的动态特征. 在此基础上, 提出了一种基于粒度聚类的烧结过程运行性能评价方法. 实验结果表明, 该方法相比传统的时间序列数据聚类和特征聚类方法, 能更有效评价烧结过程的运行性能等级, 可为操作人员控制烧结过程提供指导.

作者简介

杜胜

中国地质大学(武汉)自动化学院教授. 主要研究方向为复杂工业过程建模与控制. E-mail: dusheng@cug.edu.cn

吴敏

中国地质大学(武汉)自动化学院教授. 主要研究方向为过程控制, 鲁棒控制和智能系统. 本文通信作者. E-mail: wumin@cug.edu.cn

陈略峰

中国地质大学(武汉)自动化学院教授. 主要研究方向为智能系统, 模式识别和计算智能. E-mail: chenluefeng@cug.edu.cn

PEDRYCZ Witold

加拿大阿尔伯塔大学电子与计算机工程系教授. 主要研究方向为计算智能, 模糊建模, 粒度计算, 知识发现, 数据挖掘, 模糊控制和模式识别. E-mail: wpedrycz@ualberta.ca