论文部分内容阅读
摘要：集气管压力作为炼焦制气生产过程中的重要工序，为了保证生产安全以及保护环境，需要保持集气管压力稳在规定的范围内。由于人为控制的不稳定性，为了实现设备的快速响应，利用数据挖掘的方法，本文提出了一种门结构循环单元（GRU）网络的控制方法，利用前期采集的数据，对模型进行训练。输出结果表明，GRU输出更加进实际值。
关键词：数据挖掘；门结构循环单元网络；集气管压力
一、引言
焦炭作为炼焦最重要的产品，其用途广泛，常被用作工业生产的重要能源。由于焦炭生产工艺较为复杂，因此如何更好地满足生产、最大限度地减少污染，对炼焦行业提出了较高的要求。
炼焦是将配比后的煤炭通过推焦车装入炼焦炉的炭化室内，在隔绝空气的条件下，将煤炭在炭化室内加热到 1000 ℃左右，最后形成焦炭的过程。在炼焦生产过程中，焦炉炭化室内会产生一种可燃性气体，通常叫荒煤气。产生的荒煤气会从炭化室中溢出，依次流经上升管、桥管和吸气弯管，然后在集气管总管汇合。
集气管属于炼焦过程中干馏煤气的导出设备。集气管压力是焦炉生产中重要的工艺参数，在焦化生产过程中，它因受多种因素：出焦、装煤、换向等的影响而常常发生波动。对焦炉集气管压力进行控制保证安全生产、减少环境污染的重要技术措施。
近年来，随着神经网络的发展、计算机技术的成熟，人们在神经网络控制先进策略技术上进行了大量研究，有的已经应用到实际中。
二、数据处理
（一）数据预处理的必要性
要使数据挖掘算法有效地挖掘出知识，就必须为它提供干净、准确、简洁的数据。在使用的数据中，由于数据的来源为工程实际，采集到的数据受到的现场环境变化的影响，往往会存在以下问题：杂乱性，重复性，不完整性。
（二）数据预处理
本文使用的数据来源为工厂的实际数据，数据中存在着的噪声数据与异常数据对实验的影响很大，无法进行直接使用，在数据使用前需进行数据预处理[5]。
数据预处理应该包括以下几个方面的功能：数据集成、数据清洗、数据转换、数据简化。
例如采集到的数据如表1：
在表中，可以发现有数据明显偏离实际值，为了消除这些数据对实验的影响，需要将这些数据提取出去，将采集到的数据利用程序将设定的经验范围内数据剔除出去，例如将数据大于500以及将数据小于50或者采集出现错误的数据删除，清理掉采集中存在的较大的波动的数据。
将数据中的影响数据剔除出去以后，由于时间格式的属于采集的系统设置，无法被直接使用，需要将时间数据转化为可以被系统读懂的数据，为了使用方便，将时间中的小时与分钟进行提取，然后将时间转化为秒进行表示，将小时*60+分钟数，这样保留下来了时间的特性，还简化了数据结构以及表达方式。
将时间转化完成后，进行数据合并，由于未进行时间中秒的提取，在相同的时间表示中，将达到60个数据在时间的表示上相同，为了简化数据的个数以及对模型训练时间的降低，需要进行时间上数据的合并，将相同时间的数据进行求和在求平均的方法，将数据完成合并。
在数据合成完毕后，进行数据的检查，当发现数据丢失后，需要进行数据补充，将时间进行数据检测，当检测到数据丢失后，对丢失的数据补充的方法为：将其前一项的值与后一项的值进行求和求平均，作为丢失部分的值补充进去，实现数据的完整。最后完成处理后的数据如表2所示：
三、循环神经网络
（一）长短期记忆网络
长短期记忆网络（Long Short-Term Memory，LSTM），是循环神经网络（recurrent neural network，RNN）的变形结构，在RNN基础上在隐层中增加了遗忘门，从而使网络在长期记忆方面得到大步提高，使网络的“记忆力”可控，在许多应用场景中表现良好。LSTM网络的基本单元是它的记忆单元，如图1，记忆单元由“门”结构构成。“门”结构包含输入门、输出门和遗忘门三大部分。
四、实验验证
利用Matlab软件进行算法模型的搭建，实现将处理完的数据传送给GRU网络模型实验仿真，通过与BP模型的效果进行比较，进行模型的效果验证；其输出结果如下图3-图4所示：
五、结论
通过对比图3-图4，可以发现在输出结果上BP模型输出结果与实际值偏差更大，效果不好，而GRU模型在控制上效果更加接近实际值误差更小，控制效果更加理想。
参考文献：
[1] 雷亚军.基于LS-SVM的焦炉集气管压力系统逆模型复合控制[D].安徽工业大学，2019.
[2] 李爱莲，毕泽伟.焦炉集气管压力设定值多目标优化研究[J].计算机仿真，2020（04）.
[3] 王威.基于非线性多模型预测方法的集气管压力控制研究[D].东北大学，2011.
[4] 顾兴林，冯江华，靳迎武，等.焦炉煤气压力平衡研究[J].山东化工，2018（02）.
[5] 卫保国，葛苹，武宏，等.基于靜态-自适应外观模型纠正的目标跟踪算法[J].计算机应用，2018（04）.
作者简介：孙益亮（1994—），男，江苏徐州人，硕士研究生，研究方向：智能控制理论及应用；李志刚（1966—），男，河北唐山人，博士，教授，河北省计算机学会副理事长，研究方向：数据挖掘在智能控制领域的应用。
关键词：数据挖掘；门结构循环单元网络；集气管压力
一、引言
焦炭作为炼焦最重要的产品，其用途广泛，常被用作工业生产的重要能源。由于焦炭生产工艺较为复杂，因此如何更好地满足生产、最大限度地减少污染，对炼焦行业提出了较高的要求。
炼焦是将配比后的煤炭通过推焦车装入炼焦炉的炭化室内，在隔绝空气的条件下，将煤炭在炭化室内加热到 1000 ℃左右，最后形成焦炭的过程。在炼焦生产过程中，焦炉炭化室内会产生一种可燃性气体，通常叫荒煤气。产生的荒煤气会从炭化室中溢出，依次流经上升管、桥管和吸气弯管，然后在集气管总管汇合。
集气管属于炼焦过程中干馏煤气的导出设备。集气管压力是焦炉生产中重要的工艺参数，在焦化生产过程中，它因受多种因素：出焦、装煤、换向等的影响而常常发生波动。对焦炉集气管压力进行控制保证安全生产、减少环境污染的重要技术措施。
近年来，随着神经网络的发展、计算机技术的成熟，人们在神经网络控制先进策略技术上进行了大量研究，有的已经应用到实际中。
二、数据处理
（一）数据预处理的必要性
要使数据挖掘算法有效地挖掘出知识，就必须为它提供干净、准确、简洁的数据。在使用的数据中，由于数据的来源为工程实际，采集到的数据受到的现场环境变化的影响，往往会存在以下问题：杂乱性，重复性，不完整性。
（二）数据预处理
本文使用的数据来源为工厂的实际数据，数据中存在着的噪声数据与异常数据对实验的影响很大，无法进行直接使用，在数据使用前需进行数据预处理[5]。
数据预处理应该包括以下几个方面的功能：数据集成、数据清洗、数据转换、数据简化。
例如采集到的数据如表1：
在表中，可以发现有数据明显偏离实际值，为了消除这些数据对实验的影响，需要将这些数据提取出去，将采集到的数据利用程序将设定的经验范围内数据剔除出去，例如将数据大于500以及将数据小于50或者采集出现错误的数据删除，清理掉采集中存在的较大的波动的数据。
将数据中的影响数据剔除出去以后，由于时间格式的属于采集的系统设置，无法被直接使用，需要将时间数据转化为可以被系统读懂的数据，为了使用方便，将时间中的小时与分钟进行提取，然后将时间转化为秒进行表示，将小时*60+分钟数，这样保留下来了时间的特性，还简化了数据结构以及表达方式。
将时间转化完成后，进行数据合并，由于未进行时间中秒的提取，在相同的时间表示中，将达到60个数据在时间的表示上相同，为了简化数据的个数以及对模型训练时间的降低，需要进行时间上数据的合并，将相同时间的数据进行求和在求平均的方法，将数据完成合并。
在数据合成完毕后，进行数据的检查，当发现数据丢失后，需要进行数据补充，将时间进行数据检测，当检测到数据丢失后，对丢失的数据补充的方法为：将其前一项的值与后一项的值进行求和求平均，作为丢失部分的值补充进去，实现数据的完整。最后完成处理后的数据如表2所示：
三、循环神经网络
（一）长短期记忆网络
长短期记忆网络（Long Short-Term Memory，LSTM），是循环神经网络（recurrent neural network，RNN）的变形结构，在RNN基础上在隐层中增加了遗忘门，从而使网络在长期记忆方面得到大步提高，使网络的“记忆力”可控，在许多应用场景中表现良好。LSTM网络的基本单元是它的记忆单元，如图1，记忆单元由“门”结构构成。“门”结构包含输入门、输出门和遗忘门三大部分。
四、实验验证
利用Matlab软件进行算法模型的搭建，实现将处理完的数据传送给GRU网络模型实验仿真，通过与BP模型的效果进行比较，进行模型的效果验证；其输出结果如下图3-图4所示：
五、结论
通过对比图3-图4，可以发现在输出结果上BP模型输出结果与实际值偏差更大，效果不好，而GRU模型在控制上效果更加接近实际值误差更小，控制效果更加理想。
参考文献：
[1] 雷亚军.基于LS-SVM的焦炉集气管压力系统逆模型复合控制[D].安徽工业大学，2019.
[2] 李爱莲，毕泽伟.焦炉集气管压力设定值多目标优化研究[J].计算机仿真，2020（04）.
[3] 王威.基于非线性多模型预测方法的集气管压力控制研究[D].东北大学，2011.
[4] 顾兴林，冯江华，靳迎武，等.焦炉煤气压力平衡研究[J].山东化工，2018（02）.
[5] 卫保国，葛苹，武宏，等.基于靜态-自适应外观模型纠正的目标跟踪算法[J].计算机应用，2018（04）.
作者简介：孙益亮（1994—），男，江苏徐州人，硕士研究生，研究方向：智能控制理论及应用；李志刚（1966—），男，河北唐山人，博士，教授，河北省计算机学会副理事长，研究方向：数据挖掘在智能控制领域的应用。