D0I:10.13374/i.issnl001153.2008.02.021 第30卷第2期 北京科技大学学报 Vol.30 No.2 2008年2月 Journal of University of Science and Technology Beijing Feh.2008 数据挖掘在安钢电极预测建模中的应用 郭飞李华德冉正云 北京科技大学信息工程学院，北京100083 摘要从安钢电极控制的实际应用出发，应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定·首先 介绍了建立电极预测模型的数据挖掘过程：然后在数据挖掘算法中提出了一种新的变结构遗传Eman网络方法，该算法用改 进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优·将基于BP算法的Elma网络和本文提出的变结构遗传 Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明：采用变结 构遗传lman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上，把建立的模 型应用于安钢电极控制系统的参数整定，取得了良好的控制效果， 关键词数据挖掘；电极；变结构：混合遗传算法；Elman神经网络 分类号TP273+.3 Application of data mining in electrode prediction modeling of Anyang Steel GUO Fei,LI Huade,RA N Zhengyun School of Information Engineering.University of Science and Technology Beijing.Beijing 100083.China ABSTRACT On the basis of electrode control in Anyang Steel.a prediction model was established by adopting data mining technique and applied to parameter tuning of an electrode control system.First the data mining process of the electrode prediction model was in- troduced.A variable structure generic Elman neural network,which can evolve the network structure,the weights and self-feedback gain coefficient simultaneously.was proposed based on a new hybrid generic algorithm and data mining algorithm.The Elman based on BP algorithm and the variable structure generic Elman neural network were applied to establishing of an electrode prediction model for Anyang Steel.The simulation results based on the spot real data of Anyang Steel show that data mining algorithm combined with the variable structure generic Elman neural network has better dynamic characteristic,faster approach speed,better precision than BP algorithm.Finally,when this model was applied to parameter tuning of the electrode control system in Anyang Steel,its control ef- fect was remarkable. KEY WORDS data mining:electrode:variable structure:hybrid generic algorithm:Elman neural network 交流电弧炉电极控制系统是一种典型的多变 手段 量、非线性、参数时变、复杂强耦合的系统，其动态特 数据挖掘(data mining,DM)也称为数据库中的 性很难被准确全面的描述，这增加了对其模型建立 知识发现(knowledge discovery in database,KDD), 和控制设计的难度，在现有的电弧炉电极控制中， 它是从大量数据中提取出可信、新颖、有效并能被人 有的用统计方法建立预报模型山，有的建立经验模 理解的模式的高级处理过程)，实现数据挖掘的方 型]，这些方法往往缺乏对海量、复杂数据的处理 法有多种，本文是针对电极预测模型的建模，采用人 能力，所以很难建立精确模型，使控制不能达到满意 工神经网络和遗传算法相结合的方法，动态递归神 的效果，数据挖掘技术为自动和智能地把海量、复 经网络（dynamic recurrent neural network, 杂的数据转化为有用的信息和知识提供了有力的 DRNN)[是在神经网络中引入动态环节来自动记 收稿日期：2006-11-06修回日期：2007-05-11 录某些历史信息，动态递归神经网络在控制系统的 基金项目：北京市教育委员会重点学科共建项目(N 辨识和控制]中极具发展潜力，它直接反映了系 XK100080537) 作者简介：郭飞(1978一)女，博士研究生：李华德(1941一)：男， 统的动态特性.而遗传算法](genetic algorithm, 教授，博士生导师 GA)是自然界的遗传进化理论发展而来的全局优化数据挖掘在安钢电极预测建模中的应用 郭 飞 李华德 冉正云 北京科技大学信息工程学院‚北京100083 摘 要 从安钢电极控制的实际应用出发‚应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定．首先 介绍了建立电极预测模型的数据挖掘过程；然后在数据挖掘算法中提出了一种新的变结构遗传 Elman 网络方法‚该算法用改 进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优．将基于 BP 算法的 Elman 网络和本文提出的变结构遗传 Elman 网络都应用于安钢交流电弧炉的电极预测模型中进行比较．通过基于安钢现场数据的计算机仿真实验表明：采用变结 构遗传 Elman 网络的数据挖掘算法比 BP 算法具有更好的动态性能、更快的逼近速度和更高的精度．在此基础上‚把建立的模 型应用于安钢电极控制系统的参数整定‚取得了良好的控制效果． 关键词 数据挖掘；电极；变结构；混合遗传算法；Elman 神经网络 分类号 TP273＋∙3 Application of data mining in electrode prediction modeling of Anyang Steel GUO Fei‚LI Huade‚RA N Zhengyun School of Information Engineering‚University of Science and Technology Beijing‚Beijing100083‚China ABSTRACT On the basis of electrode control in Anyang Steel‚a prediction model was established by adopting data mining technique and applied to parameter tuning of an electrode control system．First the data mining process of the electrode prediction model was in￾troduced．A variable structure generic Elman neural network‚which can evolve the network structure‚the weights and self-feedback gain coefficient simultaneously‚was proposed based on a new hybrid generic algorithm and data mining algorithm．T he Elman based on BP algorithm and the variable structure generic Elman neural network were applied to establishing of an electrode prediction model for Anyang Steel．T he simulation results based on the spot real data of Anyang Steel show that data mining algorithm combined with the variable structure generic Elman neural network has better dynamic characteristic‚faster approach speed‚better precision than BP algorithm．Finally‚when this model was applied to parameter tuning of the electrode control system in Anyang Steel‚its control ef￾fect was remarkable． KEY WORDS data mining；electrode；variable structure；hybrid generic algorithm；Elman neural network 收稿日期：2006-11-06 修回日期：2007-05-11 基金 项 目： 北 京 市 教 育 委 员 会 重 点 学 科 共 建 项 目 （ No． XK100080537） 作者简介：郭 飞（1978—）‚女‚博士研究生；李华德（1941—）‚男‚ 教授‚博士生导师 交流电弧炉电极控制系统是一种典型的多变 量、非线性、参数时变、复杂强耦合的系统‚其动态特 性很难被准确全面的描述‚这增加了对其模型建立 和控制设计的难度．在现有的电弧炉电极控制中‚ 有的用统计方法建立预报模型［1］‚有的建立经验模 型［2］．这些方法往往缺乏对海量、复杂数据的处理 能力‚所以很难建立精确模型‚使控制不能达到满意 的效果．数据挖掘技术为自动和智能地把海量、复 杂的数据转化为有用的信息和知识提供了有力的 手段． 数据挖掘（data mining‚DM）也称为数据库中的 知识发现（knowledge discovery in database‚KDD）‚ 它是从大量数据中提取出可信、新颖、有效并能被人 理解的模式的高级处理过程［3］．实现数据挖掘的方 法有多种‚本文是针对电极预测模型的建模‚采用人 工神经网络和遗传算法相结合的方法．动态递归神 经 网 络 （ dynamic recurrent neural network‚ DRNN） ［4］是在神经网络中引入动态环节来自动记 录某些历史信息．动态递归神经网络在控制系统的 辨识和控制［5—6］中极具发展潜力‚它直接反映了系 统的动态特性．而遗传算法［7—8］ （genetic algorithm‚ GA）是自然界的遗传进化理论发展而来的全局优化 第30卷 第2期 2008年 2月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．30No．2 Feb．2008 DOI:10．13374／j．issn1001－053x．2008．02．021