智能信息处理在烧结质量推断中的应用

0I:10.13374/j.1ssn1001-053x.1997.05.018 第19卷第5期 北京科技大学学报 Vol.19 No.5 1997年10月 Journal of University of Science and Technology Beijing 0ct.1997 智能信息处理在烧结质量推断中的应用 孙铁王粉花 郭秀荣 北京科技大学信息工程学院，100083 摘要研究了智能信息处理在烧结质量推断中的应用，在对图象序列的范型描述和BP算法改 进的基础上，成功地应用了图象序列分析与动态模式识别相结合的方法，解决了烧结质量的动 态推断问题.实例表明，该方法有很好的实用效果 关键词信息处理，模式识别，烧结矿/图象序列 中图分类号TP391.41,TF046.4 烧结矿质量的优劣将直接影响到炼铁生产的产量、质量和能源消耗”烧结过程是高度 复杂的动态系统，具有显著的非线性、时变性和空间分布不确定性，对于这类系统建立其精确 的数学模型十分困难.目前，普遍采用的烧结矿离线检验方法，从取样、检验，到检验结果，时 间滞后过长，与之相反，烧结生产的配料点火温度、料层厚度等配套环节的自动化程度发展很 快，离线的烧结质量检测已成为以质量为目的的闭环控制系统发展的主要障碍. 90年代初人们对烧结过程的信息获取与模式识别进行了探讨，并取得了不少成就2) 但仅仅用模糊与聚类的方法还不足以有效地解决许多实际问题.为此，本文凭借自动视觉检 测系统，摄取在不同时刻的烧结机尾断面图像序列，即模式列，用动态模式识别与时间序列分 析相结合的方法，动态地在线推断烧结质量，为最终实现闭环在线质量控制提供基础，同时也 为复杂过程的智能自动化开辟一条新途径 1模式列的动态描述 模式列的动态识别是在模式紧致性假设的基础上进行的.图像空间的一个紧致性点集相 应于一个简单的模式).在此基础上，把烧结过程中不同时刻反映不同图像的特征矢量序列 集合记为X,把烧结过程中最能反映质量的矢量序列集合记为I可称之为各种质量的集 合).如果把烧结质量按一定的指标分为m类，则： z=02 (1) 其中Z为代表第j类质量的特征矢量序列组成的集合.相应地，X也有如下分类： x-0x (2) -1 1996-07-02收稿第一作者男45岁副教授 *国家自然科学基金资助项目

第 卷 年 第 期 月 北 京 科 技 大 学 学 报 。 《 智能信息处理在烧结质量推断中的应用 孙 铁 王粉花 郭秀荣 北京科技大学信息工 程 学 院 ， 摘要 研究 了智能信息处理 在烧结质量 推断中的应用 ， 在对 图象序列 的范型描述 和 算法 改 进 的基 础上 ， 成功地 应用 了 图象序列 分析 与动态模式识别相 结合 的方 法 ， 解 决 了 烧结 质量 的动 态推断间题 实例表 明 ， 该方法 有很好的实用效果 关键词 信息处理 ， 模式识别 ， 烧结矿 图象序列 中图分类号 ， 烧结矿质量 的优劣将直 接 影 响到 炼铁 生 产 的产 量 、 质量 和 能 源 消耗 川 烧结过 程 是 高 度 复杂的动态系 统 ， 具有 显著 的非线性 、 时变性 和 空 间分布不 确定性 ， 对于 这类 系 统建 立其精确 的数 学模 型 十分 困难 目前 ， 普 遍 采 用 的烧 结 矿 离 线检 验方 法 ， 从 取 样 、 检 验 ， 到 检 验 结 果 ， 时 间滞后过 长 ， 与之相 反 ， 烧结生产 的配料点火温 度 、 料 层 厚度等配套环 节 的 自动化程 度 发展很 快 ， 离线 的烧结质量检测 已 成 为 以 质量 为 目的 的 闭环 控 制 系 统 发展 的主要 障碍 年代初人们对烧结过程 的信息获取 与模 式 识别进 行 了探讨 ， 并取得 了不 少成 就 ， ’」 但仅仅用模 糊 与 聚类 的方 法 还 不 足 以 有 效地 解 决许 多 实 际 问题 为此 ， 本 文 凭借 自动 视 觉 检 测系 统 ， 摄 取在 不 同时刻 的烧结 机尾 断面 图像 序 列 ， 即模 式列 ， 用 动态模 式 识别 与 时 间序 列分 析相结合的方 法 ， 动态地在 线推 断烧结质量 ， 为最 终实现 闭环在 线质量 控 制提供基 础 ， 同时也 为复 杂过 程 的智能 自动化 开辟 一 条新途 径 模式列 的动态描述 模式列 的动态 识别是 在模 式 紧致性 假设 的基 础上 进行 的 图像空 间的一个 紧致性 点集 相 应于 一 个 简单的模 式 在 此 基 础 上 ， 把 烧 结过 程 中不 同时刻 反 映不 同 图像 的特 征 矢 量 序列 集合 记 为 ， 把 烧 结 过 程 中最 能 反 映 质 量 的 矢 量 序 列 集 合 记 为 双 可 称 之 为 各 种 质 量 的集 合 如果把烧结质量 按 一定 的指标分 为 类 ， 则 一 ，目乙 其 中 乙为代表第 类质量 的特 征 矢量序列组 成 的集合 · 相应地 ， 也有 如下 分类 刀 一 日 一 一 收稿 第 一作 者 男 岁 副教授 国 家 自然科学基金 资助项 目 DOI ：10．13374／j ．issn1001－053x．1997．05．018

·502· 北京科技大学学报 1997年第5期 其中，X为代表图象的第j个特征矢量序列. 用下述映射来表示上述集合之间的相互关系： f:X→Z (3) 这样，第种质量模式Z,所对应的1时刻的图像X()为： X(1)=fa..(Z) (4) 在方程(4)中，映射∫是时变的，且带有一定的不确定性，其中不确定性用B表示.这样，便把时 变图像序列用模式范型表示出来， 用图像的特征矢量代表一幅图像，这时图像集合中的每一幅图像可以用特征空间的一个 点来表示.在方程(4)中，当j为常量，1为变量时，X,(④表示了烧结过程中对应第j种质量模式 的所有图像组成的图像序列，它在特征空间中用一条轨迹来表示：当j为变量，t为变量时，X, ()表示了烧结过程中对应所有质量模式的图像组成的图像序列，它在特征空间中表示为一 系列轨迹，这些轨迹组成奇特的超平面.因此，在特征空间中，每】个模式对应1个这样的超 平面.对于烧结过程而言，属于不同质量模式的某些像可能非常相似，这表示不同模式所对应 的超平面可以相交.在识别几个模式时，特征空间中存在一些这样的超平面，它们的相互位置 实际上不允许在它们之间划分边界.可见，对烧结这种复杂的分布参数系统，不可能通过简单 的聚类来达到质量的正确识别，因此，有必要寻找一种更有效的方法. 2 自适应动态识别 2.1基本思路 烧结矿的质量是通过大量特征参数来判断的.从现场收集了100多个原始样本，根据工 艺知识和专家经验，进行综合分析后，得到59个特征矢量，但其中仍包含着许多冗余信息（即 彼此相关的因素)，为此，有必要将这些特征矢量进行压缩，当这些特征矢量压缩到一定数目 时，经压缩后得到的特征矢量应能完全满足推断烧结质量的需要，从这个意义上说，这是一种 信息压缩，是寻求最优特征矢量的问题，只要能得到最优解，就可以根据压缩后的特征矢量来 判断烧结质量，从而实现动态推断， 一些的研究表明4.列，在大多数情况下，BP算法都可以使网络收敛到最优解，而且BP算 法在权值修正过程中，体现了输人特征矢量的时序性，故在此采用BP网络来实现特征矢量的 压缩. 设X={X,j=1,2,,n}表示烧结机尾断面图像的n个特征矢量，Z={Z,i=1,2, …,m}表示对应烧结矿的某种质量模式，特征矢量X与烧结质量Z之间的内在关系用函数 F表示，即： Z=F(X) (5) 则烧结质量推断问题可表述为：利用BP网络的学习算法，对X和Z组成的样本集进行训 练，当网络达到收敛后，可实现X和Z之间的映射关系FF,满足： F(X)-FF(X)<E (6) 其中ε为任意小的正数 可以证明，用3层BP网络能够实现FF,且满足|F()一FF)I<E

· · 北 京 科 技 大 学 学 报 年 第 期 其 中 ， 为代表 图象 的第 个特征矢量 序列 · 用 下 述 映射来表 示 上 述集合之 间的相 互 关 系 这 样 ， 第 种 质 量 模 式 乙所 对 应 的 ‘ 时 刻 的 图 像 戈 为“ 尤 ， ， ， 乙 在 方程 中 ， 映射 是 时变 的 ， 且 带有一 定 的不 确 定性 ， 其 中不 确定性 用声表示 这 样 ， 便 把 时 变 图像序 列 用模 式 范型 表示 出来 用 图像 的特征矢量代 表 一 幅 图像 ， 这 时 图像集合 中的每一 幅 图像 可 以 用 特 征 空 间的一 个 点来 表 示 · 在 方程 中 ， 当 为 常量 ， ‘ 为变量 时 ， 弋 表示 了烧结过程 中对应第 种 质量 模式 的所有 图像 组成 的 图像序列 ， 它在特 征 空 间 中用 一条轨迹来表示 当 为变量 ， 为变量 时 ， 戈 表示 了烧 结过 程 中对应所 有质 量 模 式 的 图像 组 成 的 图像序 列 ， 它 在 特 征 空 间 中表 示 为 一 系列 轨迹 ， 这 些 轨迹 组 成奇特 的超 平 面 因此 ， 在特 征 空 间 中 ， 每 个模 式 对应 个 这样 的超 平 面 对于烧结过程而 言 ， 属于 不 同质量模式 的某 些像可 能非常相似 ， 这表示 不 同模式 所 对应 的超 平 面可 以 相 交 在识别几个模式 时 ， 特征 空 间 中存 在 一些 这样 的超 平 面 ， 它们 的相 互位置 实 际上 不 允许在它们 之 间划分边 界 可 见 ， 对烧结这种 复杂 的分 布参数 系 统 ， 不 可 能通 过 简单 的聚类来达到质量 的正 确识别 ， 因此 ， 有必要 寻 找一种更 有效 的方 法 自适应动态识别 基本思路 烧 结 矿 的质量 是 通 过 大量 特 征 参数来 判 断 的 从 现 场 收集 了 多 个 原 始样 本 ， 根 据工 艺知 识 和 专家经验 ， 进 行 综合分析 后 ， 得 到 个 特 征 矢量 ， 但其 中仍 包含 着许 多冗余信息 即 彼此 相 关 的 因 素 为此 ， 有 必 要 将 这 些 特 征 矢 量 进 行 压 缩 ， 当这 些 特 征 矢 量 压 缩 到 一 定 数 目 时 ， 经压缩后 得 到 的特 征 矢量 应 能 完全满足 推 断烧结 质 量 的需 要 从这 个意 义 上说 ， 这 是 一 种 信息压 缩 ， 是 寻求最优特 征 矢量 的 问题 ， 只 要 能得 到最 优解 ， 就 可 以 根 据 压缩 后 的特 征 矢 量来 判断烧结 质量 ， 从而 实现 动态推 断 一 些 的研究 表 明 ’ ， 在 大 多数情 况 下 ， 算 法 都 可 以 使 网络 收敛到最 优解 ， 而 且 算 法在 权值修正 过程 中 ， 体现 了 输人特 征 矢量 的时序性 ， 故在 此采 用 网络来 实现特 征矢 量 的 压缩 设 若 ， ， ， · “ 一 ” 表示 烧结机 尾 断面 图像 的 。 个特 征 矢量 ， 一 笼 户 一 ， ， …… ， 表示 对应烧结 矿 的某种质量 模式 ， 特 征 矢量 与烧结质量 之 间的 内在 关 系 用 函 数 表示 ， 即二 幻 则烧结 质 量 推 断 问题 可 表 述 为 利 用 网 络 的学 习 算 法 ， 对 和 组 成 的样 本集 进 行 训 练 ， 当网络达到 收敛后 ， 可 实现 和 之 间的 映射 关 系 ， 满 足 幻 一 ’ 幻 ￡ 其 中 为任意小 的正 数 可 以 证 明 ， 用 层 网络能够 实现 仟 ， 且满足 幻 一 刀

Vol.19 No.5 王铁等：智能信息处理在烧结质量推新中的应用 ·503* 2.2算法改进 由于常规的BP算法收敛速度与计算量之间存在尖锐的矛盾，为克服这一缺点，提高快 速性，采用线性再励的自适应变步长快速BP算法： △m)）=el(n-1) (7) 其中，0≤e≤1，为常数，一般可取e=0.2~0.3,且1定义为： =sgn(dE/dω(m)·dE/dw(n-I) (8) 此算法实际上是利用并记忆了梯度方向dE/dω(n)符号变化频度的信息，即：dEdω(n)与 dEdw(n-1)方向相反时，令1=-1，对其罚；反之，令1=1，对其奖，这时BP算法成为： w(n+1)@(n)-n(n)-dE/do(n) (9) 带动量项的自适应变步长快速BP学习算法为： w(n+1)=w(n)-(n)·n) (10) An)dE/do(n)+aan -1) (11) 这里，0sa<1为动量项系数 2,3烧结质量动态推断的实施步骤 (1)根据对烧结质量的具体要求和专家经验，确定BP网络质量模型的结钩，包括输人单 元数，输出单元数，隐层单元数及学习系数. (2)采集代表当前烧结质量的数据，根据工艺知识和专家经验提取特征参数 (3)利用线性再励的自适应变步长快速BP算法，对模型进行训练，使模型输出和实际目 标输出的误差平方和足够小，建立模型F.训练过程中需合理选取学习率和动量因子， (4)应用建立的质量模型FF对烧结质量进行推断. (5)对推断结果进行评价.推断误差计算公式：E=1/2m2(FF)其中，共有m个输出 值，FT为模型输出值，F为实际输出值. 3实例分析 从唐钢炼铁厂烧结车间现场采集了大量的原始数据，经过综合分析处理后，得到了表征 质量合格的有效样本59个，经归一化处理后，形成一个新的数据文件，该文件共有59个样 本，每个样本含19个特征，这59个样本按质量分成4类.BP网络的参数为：输入层19个节 点，隐含层10个节点，输出层4个节点，学习率取0.9，动量系数取0.7，e=0.2. 利用自适应变步长BP算法进行训练，学习1000步以后，误差为0.00155，对应于各特征 节点的权系数绝对值之和如表1所示，最终的质量推断结果检如表2所示 从表2的数据可以看出，采用图象序列分析和动态模式识别相结合的智能信息处理方 法，对烧结质量的动态推断达到了良好的效果.取阈值为0,70时，分类正确率都在85%以上

王 铁等 智能信息处理在烧结质量 推断 中的应 用 算法 改进 由于 常规 的 算法 收敛速 度 与计算量 之 间存 在 尖 锐 的矛盾 ， 为 克服 这 一缺点 ， 提 高快 速性 ， 采用线性 再 励 的 自适应变步 长快速 算法 △刀 以叮 一 其 中 ， ￡ ‘ ， 为常数 ， 一般 可取 。 二 一 ， 且又定义 为 又 彻 · 面 一 此 算 法 实 际 上 是 利 用 并 记 忆 了 梯 度 方 向 田 符 号 变 化 频 度 的 信 息 ， 即 面 与 面 一 方 向相 反 时 ， 令又 一 ， 对其罚 反 之 ， 令 几 二 ， 对其奖 这 时 算法 成 为 田 一 刁 · 面 带动量 项 的 自适 应变步 长快速 学 习算法 为 。 田 一 叮 ， 双 双 面 城 一 这 里 ， 为动量项 系数 烧结质 动态推 断 的实施步骤 根 据对烧结 质量 的具体要求 和 专家经验 ， 确 定 网络质量 模 型 的结 钩 ， 包括 输 人 单 元 数 ， 输 出单元数 ， 隐层单元数及 学 习系数 采 集代表 当前烧结质量 的数据 ， 根据工 艺知识 和 专家经验提 取 特征参数 利 用 线性 再励 的 自适 应变步 长快 速 算 法 ， 对模 型进行 训 练 ， 使模 型 输 出和 实 际 目 标输 出的误差 平方和 足够小 ， 建立模 型 训 练过 程 中需 合理 选取学 习 率和 动量 因子 ， 应 用建立 的质量模型 汗 对烧结质量 进行 推断 对推 断结 果 进 行 评 价 推 断 误 差 计 算 公 式 二 残 其 中 ， 共 有 个 输 出 值 ， 职为模 型输 出值 ， 双为实 际输 出值 实例分析 从 唐钢炼铁厂 烧结 车 间现 场采集 了大 量 的原 始数 据 ， 经 过 综合分 析处理 后 ， 得 到 了表征 质量 合格 的有 效 样 本 个 ， 经 归 一 化 处 理 后 ， 形 成 一 个 新 的数 据 文 件 ， 该 文 件 共 有 个 样 本 ， 每个样 本含 个 特 征 ， 这 个样 本 按 质 量分 成 类 网络 的参数 为 输人 层 个 节 点 ， 隐含层 个节 点 ， 输 出层 个节 点 ， 学 习率取 ， 动量 系数取 ， ￡ 利 用 自适 应变步 长 算法 进 行 训 练 ， 学 习 步 以 后 ， 误差 为 ， 对应 于各特 征 节点 的权 系数绝 对值之 和 如 表 所示 ， 最 终 的质量 推 断结果 检 如 表 所示 从 表 的数 据 可 以 看 出 ， 采 用 图象序 列 分 析 和 动 态模 式 识别 相 结 合 的智 能 信 息处理 方 法 ， 对烧结质量 的动态推 断达到 了 良好 的效果 取 阂值 为 时 ， 分类 正 确率都在 以上

·504· 北京科技大学学报 1997年第5期 表1特征选择算法结果 特征名称原序号 权系数 从大到小 特征名称原序号 权系数 从大到小 绝对值之和 排序序号 绝对值之和 排序序号 C 0 13.30 3 Ti9 10 12.18 17 13.92 11 T20 11 13.33 12 CaO 2 16.15 9 T2 12 12.42 16 T 3 22.89 1 P 13 15.87 10 T 4 18.07 8 P 14 22.19 Ts 5 22.92 0 P 15 18.67 Tu 6 20.96 4 Ps 16 22.30 T2 7 12.68 15 P18 17 20.90 Tv 8 11.97 18 P2 18 13.02 14 Tis 9 19.00 6 表2 网络检验结果 训练样本类 检验样本类 阙值 正确识别率/% 0.900 68.80 A类 B类 0.800 79.31 0.700 86.20 0.900 76.67 B类 A类 0.800 86.67 0.700 参考文献 1周取定，孔令坛，铁矿石造块理论及工艺.北京：冶金工业出版社，1989 2邱道尹，瞿寿德.模糊模式识别的一种应用一产生最佳的工况类别.自动化学报，1994,20(1)：110~113 3瓦西里耶夫B.机器识别方法与系统.北京：科学出版社1991.66 4 Rumelhart D E,McClell J L.Parallel Distributed Processing,vol.18.Cambridge:MIT Press,1986.106 5 Waibel A.Phoneme Recognition:Neural Network vs Hidden Markov Models.In:Proceedings from ICASSP,New York,1988.328~339 Application of Intelligent Information Processing to Deducing Agglomerate Quality Sun Tie Wang Fenhua Guo Xiurong Information Engineering School,UST Beijing,Beijing 100083.China ABSTRACT The application of intelligent information processing used in deducing based on the norm description of image series and improvement of BP algorithm,the dynamic deduction of agglomerate equality was solved,Using the method of combining the norm description of image sevies with dynamic pattern recognition,which carved out a new way of applying information science to the intelligent control of complicated dynamic system. KEY WORDS information processing,patter recognition,agglimerates,image series

北 京 科 技 大 学 学 报 年 第 期 表 特征选择算法结果 特征名称 原序号 权系数 从大到小 特征名称 原序” 绝 绝对值之 和 排序序号 黯氛 锗麟粤 毛 爪 毛 毛 马 几 一 训 练样本类 表 网络检验结果 检验样本类 正 确识别率 类 类 类 类 闭值 参 考 文 献 周取定 ， 孔令坛 铁矿石造块理论及 工 艺 北京 冶金 工 业 出版社 ， 邱道尹 ， 瞿 寿德 模糊模式识别 的一 种应用一产生最佳 的工 况类别 自动化学报 ， ， 一 瓦 西 里耶 夫 机器 识别方法 与系 统 北京 科学 出版社 “ 班 ， 以 ， ， 掩 从 司 · ， 亡 ， 一 万 瀚 万 ， ， ， ， 而 ， ， ， ，