买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明涉及富氧底吹铜熔炼技术领域，且公开了一种LSTM融合机理模型预测富氧底吹铜熔炼关键参数的方法构建铜冶炼过程机理模型，通过VMD算法对铜熔炼过程中的历史数据进行初步处理，通过FA算法对VMD算法处理后的数据进行因子分析，用于减少特征维度，构建LSTM模型，将机理模型的输出与VMD算法和FA算法的结果结合形成一个综合特征集，将生产的实时数据输入LSTM模型，对关键工艺参数进行预测。该LSTM融合机理模型预测富氧底吹铜熔炼关键参数的方法通过LSTM可以有效捕捉时间序列数据中的长期依赖关系和复杂模式，而机理模型可以提供对过程物理和化学原理的深入理解。这种融合可以整合两种方法的优势，提高预测的准确性。

主权项：1.一种LSTM融合机理模型预测富氧底吹铜熔炼关键参数的方法，其特征在于：包括以下步骤：S1、构建铜冶炼过程机理模型，包括物料平衡分析、化学反应动力学分析和热力学分析，所述物料平衡分析包括入炉原矿石物料、入炉溶剂物料、烟尘、炉渣以及技术指标的平均值，所述化学反应动力学分析包括富氧底吹铜熔炼过程中入炉的物质及化学反应方程进行建立，所述热力学分析包括对生产过程中的多相反应体系中对系统的自由度进行计算，所述系统的自由度表达式如下：F＝Nc-Np+2其中，F表示系统自由度，Nc表示组分数，Np表示相数；S2、通过VMD算法对铜熔炼过程中的历史过程参数集进行分解，具体过程如下：S2.1、确定历史数据的特性确定分解层数K、选择罚因子α、设置收敛条件ε和拉格朗日乘子更新参数τ；S2.2、在确定信号ft分解层数为K的情况下，初始化K个模态分量的初始幅值集合中心频率合集和拉格朗日乘子的初始值λ；S2.3、确定重构信号和原始信号之间的约束条件，具体表达式如下： 其中，min{*}表示最小值运算，表示分解后得到的K个IMF分量，ukt表示IMF分量关于时间t的变化，表示各个IMF分量的中心频率，J表示虚数单位，*表示卷积，表示时间导数，δt表示单位脉冲函数，表示二范数，s.t.表示对该式的约束，e表示自然对数；S2.4、引入拉格朗日乘子λt和罚因子α，并构建增广拉格朗日函数La，具体表达式如下： 其中，La{uk}，{ωk}，λ表示根据分解后得到的K个IMF分量{uk}、各个IMF分量的中心频率{ωk}和拉格朗日乘子的初始值λ构建的增广拉格朗日函数，λt，ft-∑Kuk表示拉格朗日乘数法中的约束部分，ft-∑Kuk表示残差；S2.5、通过迭代法对增广拉格朗日函数的鞍点进行求解，表达式如下： 其中，表示信号ft的傅里叶变换，表示拉格朗日乘子λt的傅里叶变换，ω表示角频率与信号的振荡速度相关，ωk表示中心频率，表示对除i＝K之外的数据进行求和，表示第i个模态分量的傅里叶变换，N+1表示迭代法进行求解时迭代次数；S2.6对K个模态分量{uk}、中心频率{ωk}以及拉格朗日乘子λt进行迭代求解，直到满足收敛条件ε，完成信号分解；S3、通过FA算法对VMD算法处理后的数据进行因子分析，用于减少特征维度；S4、构建LSTM模型，将机理模型的输出与VMD算法和FA算法的结果结合形成一个综合特征集，用于对LSTM模型进行约束；S5、将生产的实时数据输入LSTM模型，对关键工艺参数进行预测。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种LSTM融合机理模型预测富氧底吹铜熔炼关键参数的方法