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