(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111222753.3 (22)申请日 2021.10.20 (71)申请人 中冶长天 （长 沙） 智能科技有限公司 地址 410006 湖南省长 沙市岳麓区节 庆路7 号 申请人 中冶长天国际工程有限责任公司 (72)发明人 邱立运　牛琦　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 代理人 逯长明　许伟群 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/18(2006.01) G16C 20/70(2019.01) G16C 60/00(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) C22B 1/24(2006.01) (54)发明名称 一种烧结混合料 粒度预测方法及系统 (57)摘要 本申请涉及冶金烧结领域， 提供一种烧结混 合料粒度预测方法及系统， 通过 获取混合料各物 料的配比和制粒机的制粒参数， 将所述混合料各 物料的配比和所述制粒机的制粒参数输入进预 先建立的ANN神经网络模型， 生成混合料各粒径 分布占比的初步预测值， 计算所述初步预测值对 应的均方误差， 如果均方误差在预设值区间内， 则输出混合料各粒径占比的预测值。 本申请实现 了， 在获取制粒机参数、 原料条件及配料工序的 配比的条件下， 对制粒粒度分布效果的精确预 测。 权利要求书2页 说明书9页 附图3页 CN 113962150 A 2022.01.21 CN 113962150 A 1.一种烧结混合料 粒度预测方法， 其特 征在于， 包括： 获取混合料各物料的配比和制粒机的制粒参数， 所述物料的配比包括： 铁混匀矿、 燃 料、 石灰石、 轻烧 白云石、 生石灰和冷返矿， 所述制粒参数包括： 制粒机的进料量、 转速、 倾 角、 实时加水量、 入筒混合料 水分率以及添加蒸汽量； 将所述混合料各物料的配比和所述制粒机的制粒参数输入进预先建立的ANN神经网络 模型， 生成混合料各粒径占比的初步预测值， 所述A NN神经网络模型包含混合料各物料的配 比和制粒机的制粒参数与混合料 各粒径占比的初步预测值的映射关系； 计算所述初步预测值对应的均方误差， 如果均方误差在预设区间内， 则输出混合料各 粒径占比的预测值； 所述ANN神经网络模型， 通过以下 方法得到： 获取多组历史样本数据， 所述历史样本数据包括： 混合料各物料的配比、 制粒机的制粒 参数以及对应的混合料 各粒径占比的历史值； 对所述多组历史样本数据进行 预处理， 所述预处 理步骤包括： 平滑处理和归一 化处理； 将混合料各物料的配比历史值、 制粒机的制粒参数历史值作为初步模型的输入， 将混 合料各粒径占比的历史值作为初步模型的输出， 对初步模型进行训练； 对训练后的模型进行检验， 生成AN N神经网络模型。 2.根据权利要求1所述的一种 烧结混合料粒度 预测方法， 其特征在于， 对初步模型进行 训练的步骤 包括以下步骤： 初始化或更新模型的网络参数， 所述参数包括： 第i个输入和第j个隐藏之间的链接的 权重神经元， 输入神经元的数量， 第j个隐藏神经元和输出神经元之间的连接权重， 隐藏神 经元激活函数， 输出神经元激活函数， 第 j个的偏置隐藏神经元， 输出神经元的偏置， 输出神 经元中的隐藏神经 元的数量； 输入层输入混合料各物料的配比历史值、 制粒机的制粒参数历史值， 并且， 隐藏层输入 各变量之间的权 重； 判断输入的变量总数是否与数据点的数量相同， 如果相同， 则计算均方误差函数MSE； 如果不同， 则输出提 示警告信息， 并重新输入训练样本； 判断MSE是否小于预设值， 如果MSE大于预设值， 则通过自动校正方法计算输入层、 隐藏 层中的参数误差项； 计算隐藏神经元激活函数和输出神经元激活函数 的偏置项； 根据参数 误差项、 偏置项计算得到待调整的模型网络参数； 所述待调整的网络参数用于更新模型 的 网络参数， 如果MSE小于预设值， 则模型训练结束。 3.根据权利要求1所述的一种 烧结混合料粒度 预测方法， 其特征在于， 对多组历史样本 数据进行归一化处理步骤中， 具体需要对制粒机的进料量、 转速、 倾角、 实时加水量和添加 蒸汽量进行归一 化处理。 4.根据权利要求3所述的一种 烧结混合料粒度 预测方法， 其特征在于， 在进行归一化理 的步骤中， 采用0 ‑1标准化模型对输入数据进行归一 化处理， 所述标准 化模型为： x为输入数据， max、 mi n为此输入数据的最大值、 最小值。权　利　要　求　书 1/2 页 2 CN 113962150 A 25.根据权利要求1所述的一种 烧结混合料粒度 预测方法， 其特征在于， 对多组历史样本 数据进行平 滑处理步骤中， 采用均值平 滑模型进行平 滑处理， 所述均值平 滑模型为： n为总数据的第n个数据、 y为移动平 滑器设定值。 6.根据权利要求1所述的一种 烧结混合料粒度 预测方法， 其特征在于， 计算所述初步预 测值对应的均方误差步骤中， 采用均方误差模型， 所述均方误差模型为： MSE为均方误差， Ya为目标输出， Yo为网络输出。 7.根据权利要求6所述的一种 烧结混合料粒度 预测方法， 其特征在于， 所述网络输出采 用ANN神经网络模型， 所述AN N神经网络模型 具体为： WHij为第i个输入和第j个隐藏之间 的链接的权重神经元， m为输入神经元的数量， WOj为 第j个隐藏神经元和输出神经元之间的连接权重， fh为隐藏神经元激活函数， fo为输出神经 元激活函 数， bj为第j个的偏置隐藏神经元， bo为输出神经元的偏置， H N为输出神经元中的隐 藏神经元的数量。 8.根据权利要求1所述的一种 烧结混合料粒度 预测方法， 其特征在于， 所述混合粒粒径 分布包括： 不合格小 粒径、 合格小 粒径、 合格中粒径、 合格大粒径以及不合格大粒径， 所述混 合料各粒径占比采用以下模型计算： nx为各规格粒径的统计数量， 为所有规格 混合粒粒径总量， ηx为任一规格粒径的 占比。 9.一种烧结混合料粒度 预测系统， 其特征在于， 所述一种 烧结混合料粒度 预测系统， 用 于执行权利要求1 ‑8所述的一种烧结混合料粒度预测方法， 所述一种烧结混合料粒度预测 系统包括： 获取模块、 初步预测值 生成模块、 预测值 生成模块； 所述获取模块， 用于获取混合料 各物料的配比和制粒机的制粒参数； 所述初步预测值生成模块， 用于将所述混合料各物料的配比和所述制粒机的制粒参数 输入进预 先建立的AN N神经网络模型， 生成混合料 各粒径占比的初步预测值； 所述预测值生成模块， 用于计算所述初步预测值对应的均方误差， 如果均方误差在预 设区间内， 则输出混合料 各粒径占比的预测值。权　利　要　求　书 2/2 页 3 CN 113962150 A 3