VoL.21 No.6 郑德玲等：连铸机结晶液面状态识别及遗传一模糊控制方法 ·597 (2)参数的确定 ②合并参数.设当前迭代次数为1，希望分成 ①分解参数.假定当前已经过了1次迭代并 的类数为K.计算每类凝聚点到其他类凝聚点距 生成了m类，每类样品的n个特征中必有一个均 离的最小值，并将这些最小值的平均值记作D 方差最大，取各类最大均方差的平均值，记作 令t=(Dm×N/K×j,)I,其中ji,9是参数.对于任2 Sx·再设希望最终分成的类数为K,并令： 类w,和w,若它们的凝聚点距离d,则认为应 5=5mx(1+N/K×i×,其中i,p是参数，I为迭代 合并w:和w.越小则合并机会越少 次数.对于任一类，看其各特征的均方差 (2)双层ISODATA的聚类方法.在用ISODA- s9s”,,S,若有某个s3,则认为w,类应在x方向 TA方法进行初步聚类后，再将2类区分不开的状 上分解.显然，越大则分解机会越小.对于确定 态的样本单独提取出来，进行第2层ISODATA聚 的N,当I大和K小时，S便比较大，表示目前要减 类，继而得出各自的聚类中心.5种过程状态的聚 少分解机会.参数和p可以根据需要在运算中 类中心数据如表1所示 加以修改来控制迭代速度. 表1连铸结晶器液面聚类数据 拉速变化/结晶器实际拉坯速度/中间包水口液位变化/中间包钢水钢水包钢水 各状态类名称 m-min 液位% m'min-1 开度/% % 质量1t 质量/t 开浇1 0.00 0.50 0.00 48.80 0.40 14.0 72.0 开浇2 0.00 0.60 0.00 59.10 0.10 17.0 68.0 开浇3 0.05 73.10 0.98 62.70 -0.50 17.0 67.3 开浇4 0.28 80.85 0.77 61.05 32.75 18.0 49.0 大幅度降拉速1 -0.43 40.00 1.41 86.10 -28.72 18.0 49.0 大幅度降拉速2 -1.41 0.10 0.00 51.70 -39.90 18.0 49.0 换钢水包 0.00 70.15 1.79 69.20 -1.01 12.5 86.0 小变化率降拉速 0.04 70.14 1.64 68.60 -0.19 16.1 39.8 正常状态 0.01 70.14 1.64 68.60 -0.19 16.1 39.8 (3)分类判别.类数己确定，然后可利用它们 控制规则基于很好的一致性和完整性 去判断每个还不知道类别的点应属于哪一类.分 类判定的关键是设计判别函数或算法模型，然后 s-pos 模糊控制器1 根据训练集中的各个样本确定模型中的参数，便 speed 可将这些模型用于判别，本文采用加权最小分类 双模糊控制器 方法，用随机选择的样本进行检验，识别正确率 模糊控制器2 d/dt 达到94%. ce 图1双模糊控制器结构 2模糊控制器及优化算法1 2.1应用遗传算法进行优化1 该模糊控制器的结构如图1所示.模糊控制 优化方法选用遗传算法.遗传是作为一种指 器1的输入分别是当前中间包水口开度和拉坯速 令遗传码封装在每个细胞中，并以基因的形式包 度.模糊控制器2的输入分别是结晶器液位偏差 含在染色体中.在遗传过程中通过基因交叉和基 和偏差变化率.2个模糊控制器的输出之和决定 因变异就可能产生对环境适应性强的后代.遗传 了塞棒的动作方向及大小，系统共取9个语言值： 算法应用于实际问题的步骤为：分析问题，将问 极正(pp)、正大(pb)、正中(pm)、正小(ps)、零 题的求解表示成染色体串形式；再根据专家经验 (ze)、负小(ns)、负中(nm)、负大(nb)和负极 或随机生成一个初始染色体群，并把这些染色体 (nn).液位偏差、偏差变化率和中间包水口开度 置于问题的环境中；根据适应度函数进行评价， 各定为7个模糊子集，在模糊控制器中对模糊规 按一定比例从中选择最适应环境的染色体进行 则的优化将直接影响控制器的品质.对模糊规则 复制、交叉、变异、产生出新一代染色体群，代替 的优化，就是要寻找最恰当的规则条数，而且使 父代.这样代代进化，直到收敛到某种判据，从而郑德玲等 连铸机结晶液面状态识别及遗传 一 模糊控制方法 参数的确定 ① 分解参数 假定当前 已经过 了 次迭代并 生成 了 类 ， 每类样品 的 个特征 中必有一个均 方差 最 大 取各类最 大均方 差 的平均值 ， 记作 虱 、 再 设 希 望 最 终 分 成 的类 数 为 ， 并 令 。 瓦 十凡火 ‘ ， 尸 ， 其 中 、 ， 是参数 ， 为迭代 次 数 对 于 任 一 类 ‘ ， 看 其 各 特 征 的 均 方 差 衅， ，，… ， ，若有某个护 ，则认为 ，类应在 方 向 上分解 显然 ， 。 越大则分解机会越小 对于确定 的 ， 当 大和 小时 ， 。 便 比较大 ， 表示 目前要减 少分解机会 参数 ， 和 可 以根据需要在运算中 加以修改来控制迭代速度 ② 合并参数 设 当前迭代次数为 ， 希望分成 的类数为 计算每类凝聚点到其他类凝聚点距 离的最小值 ， 并将这些最小值的平均值记作瓦 令场 万 ， ， 其 中 ， 是参数 对于任 类 了和 ， 若它们 的凝聚点距离 踌 ， 则认 为应 合并 了和 玛 越小则合并机会越少 双层 的聚类方法 在用 方法进行初步聚类后 ， 再将 类区分不 开 的状 态的样本单独提取 出来 ， 进行第 层 聚 类 ， 继而得 出各 自的聚类中心 种过程状态 的聚 类 中心数据如表 所示 表 连铸结晶器液面聚类数据 拉速变化 结晶器实际 各状态类名称 开浇 开浇 开浇 开浇 大幅度降拉速 大幅度降拉速 换钢水包 小变化率降拉速 正常状态 · 一 ’ 拉坯速度 中间包水 口 液位变化 中间包钢水 钢水包钢水 · 一 ， 开度 质量 质量 ，︸内︸‘︸︸ 月只，内」︸︸ ，︸凸闷，八了产了 ‘勺书立且巨动山五且‘ 勺，白孟了了目︸日曰﹄︸ … ，︵︺工‘ ‘ 斗石，‘工了片叶了城一月︵︶︸︸月了 ‘八哎︺︸广尹 只︺︸ … ，八 曰城气一︶ ﹃︸ 一 一 液位 万 一 一 一 一 ， 一 一 ︸ 络︸‘ 分类判别 类数已确定 ， 然后可利用它们 去判断每个还不知道类别的点应属于哪一类 分 类判定的关键是设计判别函数或算法模型 ， 然后 根据训练集中的各个样本确定模型 中的参数 ， 便 可将这些模型用于判别 本文采用加权最小分类 方法 ， 用随机选择的样本进行检验 ， 识别正确率 达到 控制规则基于很好 的一致性和 完整性 一 模糊控制器 双模糊控制器 二 一 一洲 模糊控制器 模糊控制器及优化算法【 该模糊控制器 的结构如图 所示 模糊控制 器 的输入分别是当前中间包水 口 开度和 拉坯速 度 模糊控制器 的输入分别是结晶器液位偏差 和偏差变化率 个模糊控制器 的输出之和 决定 了塞棒的动作方向及大小 系统共取 个语言值 极正 、 正大 、 正 中 、 正 小 、 零 、 负小 、 负中 、 负大 和 负极 液位偏差 、 偏差变化率和 中间包水 口 开度 各定为 个模糊子集 在模糊控制器 中对模糊规 则的优化将直接影响控制器 的品质 对模糊规则 的优化 ， 就是要 寻找最恰当的规则条数 ， 而且使 图 双模糊控制器结构 应 用 遗传算法进行优化， 优化方法选用遗传算法 遗传是作为一种指 令遗传码封装在每个细胞 中 ， 并以基 因的形式包 含在染色体中 在遗传过程 中通过基 因交叉和基 因变异就可 能产生对环境适应性强 的后代 遗传 算法应用于 实际 问题 的步骤为 分析 问题 ， 将 问 题 的求解表示成染色体 串形式 再根据专家经验 或随机生成一个初始染色体群 ， 并把这些染色体 置 于 问题 的环境 中 根据适应度 函数进行评价 ， 按一 定 比例 从 中选择最适应环 境 的染色 体进行 复制 、 交叉 、 变异 、 产生 出新一代染色体群 ， 代替 父代 这样代代进化 ， 直到收敛到某种判据 ， 从而