D0I:10.13374/i.issn1001053x.2002.03.078 第24卷第3期 北京科技大学学报 Vol.24 No.3 2002年6月 Journal of University of Science and Technology Beijing Jun.2002 一种新的加热炉状态识别算法 李擎》郑德玲)孟文博”童新海) 谢四江) 1)北京科技大学信息工程学院，北京，1000832)北京电子科技学院，北京，100039 摘要最小距离法是一种应用非常广泛的状态识别算法，但其在使用过程中要求待识别样 本必须符合类内距离较小、类间距离较大这一前提条件，否则将会造成识别错误.针对最小距 离法存在的问题，提出了一种基于人工神经网络的改进最小距离法，并将该方法应用于加热炉 工况的状态识别.结果表明，该方法具有识别速度快、识别率高的优点，完全能够满足工业生产 过程的需要 关键词状态识别：最小距离法；人工神经网络 分类号TP183;TP391.4 加热炉是钢铁企业中必不可少的生产设 成立，则集合{M}(iEK)称为集合M的一个划分， 备.本文将主要针对加热炉工况的状态识别方 而M(iE)称为这个划分下的一个类. 法进行研究，以便使控制器针对不同的工况采 设M(iE)是一个非空集，而M(EKjEL) 取不同的控制策略，从而提高推理速度，获得最 (指标集L,可以是有限的，也可以是无限的)是集 佳的控制效果 合M(iEK)的某些非空子集.如果有： [UM,=M,(iEK) 1 状态识别常用概念川 EL MnM=Φp≠+q) 1.1样本、特征和特征值 成立，则集合{M(iEK,jEL)}称为集合M(iE) 在状态识别中待识别的对象称为样本.和 的一个子划分，而M(iEKjEL)称为这个子划分 样本有关的一些因素称为该样本的特征，样本 下的一个子类. 的取值称为特征值.本系统样本用向量X= 下面举例说明类与子类的概念.设：A分类 [xx,…x]表示，其中xx,x为样本的特征，它 准则为工况相同的点为1类.B分类准则为：彼 们的具体数值称为样本的特征值 此间距离小于r的点为1类.如图1所示，按A分 1.2距离 类准则，M中的点可以分为3类，设指标集 距离是描述两个向量间相异程度的量，本 K={1,2,3),则M{M,M,M}.按B分类准则将 系统使用的距离是指欧式距离.其计算公式如 M(=1,2,3)中的点继续分类，M,M不能划 下： 分出子类，设L=L={1},则M={M},M={M1}, d=[x1-x)+(x2-x2+…+(xm-xn)P]2(1)） M中的点可分为3类，设L2={2,3},则M= 其中，xmxn是2个向量X=[xxa,…xnlX=[xnx, (Ma,Mi Ma). …xn]的特征值 事实上，如果M中的点直接按C(C=AnB)分 13类及子类 类准则进行分类，则可以直接划分出5个类，设 设M为全体样本的集合，M(iEK)(指标集K 可以是有限的，也可以是无限的)是一个非空集. M 如果有： UM=M 0). M,nM-=Φ M M 收稿日期20010604李擎男，30岁，博士 图1类及子类示意图 *国家自然科学基金资助课题N0.69372031) Fig.1 Sketch map of class and subclass.第 2 4 卷 第 3 期 2 002 年 6 月 北 京 科 技 大 学 学 报 JO u r n a l o f U n vi e r s iyt o f S e i e n e e a n d eT e h n o el gy B e ji i n g Vb l . 2 4 N 0 . 3 J u n . 2 002 一种新的加热炉状态识别算法 李 擎 ” 郑德玲 ” 孟 文博 ” 童新 海 ” 谢四 江 2 , l )北 京科技 大学信息工程学院 , 北京 , 10 0 0 8 3 2 )北 京电子科技学 院 , 北京 , 10 0 0 3 9 摘 要 最 小距 离法 是一 种应用 非 常广泛 的状态识别算法 , 但其 在使用过 程 中要 求待 识别 样 本必 须符合类 内距离 较小 、 类 间距离 较大这一 前提条件 , 否 则将会造成 识别错误 . 针对 最小 距 离法存在 的问题 , 提 出 了一 种基 于人工 神经 网络 的改进最 小距离 法 , 并将 该方法 应用 于加热 炉 工况 的状态识别 . 结果 表 明 , 该方法 具有识别速 度快 、 识别率高的优点 , 完 全能够 满足 工业生 产 过程 的需 要 . 关键 词 状态识 别 ; 最 小距 离法 ; 人工 神经 网络 分类 号 T P 1 8 3 ; T P 3 9 1 . 4 加 热 炉 是 钢 铁企 业 中必 不 可 少 的生 产设 备 . 本文将 主要针 对加热炉工况 的状态识别方 法进行 研究 , 以便 使控制器针对 不 同的工况采 取不 同的控制策略 , 从而提高推理速度 , 获得最 佳 的控 制效果 . 成立 , 则集合 {城 } (汇劝称为集合材的一个划分 , 而城 (汇幻称为 这个 划分下 的一个类 . 设 从 (汇幻是 一个 非空 集 , 而城(汇 KJ 任 L,) (指标集云可 以是有限的 , 也可 以是无 限的 )是集 合从 (汇幻 的某些非 空 子集 . 如果有 : 、尹. q 刁八以羊 从 必( 切 ! ù一 寿从= J 肋U以 n 1 状态识别 常用概念川 1 . 1 样本 、 特征和特征值 在状 态识别 中待识别 的对象称 为样 本 . 和 样本有 关的一些 因素称为该样本 的特征 . 样本 的取 值 称 为 特 征 值 . 本 系 统 样 本 用 向量 X = x[ :声2 , … 禹 ]表示 , 其 中 x ,燕 , … 丙 为样本 的特征 , 它 们 的具 体数值称 为样 本的特征值 . L Z 距离 距离是 描述 两个 向量 间相异程度 的量 , 本 系统使 用的距离是指 欧式距离 . 其计算公式如 下 : 绮= 【x( , , 一 xj l ) ,+ 汰一介 ) , + … + x(,n 一 xjn ) , 〕 ’ 佗 ( l ) 其 中声 , , xjn 是 2 个 向量戈 = x[, .凡 , … 声 ,n] , 不二 x[, 1为 , … 为]的特征 值 . 1 .3 类及子类 设材为全体样 本 的集合 , 从 i( 任幻(指标集 K 可 以是有 限的 , 也可 以是无限的)是一个非空集 . 如果有 : ! U M 二 M 1 ` 一 J` 灯勺 J . l从 n 鲜 = 必 收稿 日期 2 0 01 一 6刁 4 李 擎 男 , 30 岁 , 博士 * 国家 自然科学 基金 资助课题困.0 6 9 3 7 2 0 3 1) 成立 , 则集合 {城 (汇’K, E ,)L }称为集合从 i( 任幻 的一个子划分 , 而城 (汇’KJ 任 L,) 称为这个子划分 下 的一个子类 . 下 面 举例说 明类 与子类 的概念 . 设 : A分类 准则为工况相 同的点为 1类 . B分类 准则为 : 彼 此间距离小于 r的点为 1类 . 如 图 1所示 , 按A 分 类 准则 , M 中 的点 可 以 分 为 3 类 , 设 指 标 集 =K { 1 , 2, 3} , 则 人介 {肠 ,城 ,城 } . 按B 分类准则将 从 (=1 1 , 2, 3) 中 的 点 继 续 分 类 , 肠 ,城 不 能 划 分 出子类 , 设乙=L 3= { l} , 则 从 ={ 肠 : } , 城袱从 , } , 从 中的点 可 分 为 3 类 , 设几二 {2, 3} , 则 从 = {城 , ,城 2从 3 } . 事实上 , 如果 M 中的点 直接按 (C C今月n B) 分 类准则进行分类 , 则 可 以 直接划分出 5 个类 , 设 ④ ④ 火 … 竺少 (二二) 图 1 类及 子类④示意 图 F ig . l S ke t e h m a P o f e l a s s a n d s u b e la s s . DOI: 10. 13374 /j . issn1001 -053x. 2002. 03. 078