一种基于多模型融合铜冶炼富氧侧吹炉冰铜品位预测方法与流程

本发明涉及铜冶金生产过程智能化控制，具体是一种基于多模型融合铜冶炼富氧侧吹炉冰铜品位预测方法。

背景技术：

1、侧吹熔炼是一个多变量、大时滞、强耦合系统，从原料进入到冰铜产出，存在3-4小时的时间滞后。同时，生产过程中熔炼原料复杂，中间受诸多伴生因素影响。冰铜品位（即冰铜中铜质量分数）是表征铜熔炼状态的核心工艺指标，直接决定后续吹炼工序的效率、物料消耗及最终产品质量。然而，工业现场冰铜从反应区生成到实验室检测存在3-4小时的显著时间滞后，导致检测结果无法及时反映实时熔炼状态，难以支撑工艺的实时调整。

2、目前，冰铜品位预测方法已从机理驱动发展至数据驱动阶段，但仍面临以下关键技术问题：

3、1. 多尺度变量耦合问题：熔炼过程存在秒级工艺参数（如风量、温度）与小时级原料数据（如精矿成分）并存的多尺度变量，传统降采样或插值方法易造成信息严重损失，难以实现异构多频数据的有效融合。

4、2. 时序依赖与双向上下文建模不足：现有时间卷积网络（tcn）虽擅长捕捉长期时序依赖，但缺乏双向上下文感知能力；而循环神经网络（rnn）则存在梯度退化问题，难以实现时序依赖与跨变量耦合的联合建模。

5、3. 小样本过拟合问题：化学分析成本高昂导致标记样本稀缺，深度学习模型在小样本条件下易出现过拟合，泛化性能下降。

6、同时，经过技术调查，与本发明相关的主要专利和已有研究成果如下：

7、1）专利名称：一种三连炉协同连续冶炼铜精矿的方法。专利申请公布号：

8、cn121653397a。此发明通过全面化感知炉况状态，完善控制参数调整依据，基于冶炼机理与智能化方法，实现智能化决策及过程参数的精准化控制，在原料及前置工序发生工况改变时，提前识别并实现预处理，提高炉况及产品稳定性，从而提高炉内热利用率，降低燃料消耗，节能环保。然而此发明所使用的冶金计算模型由于建模精度而导致计算结果与实际结果通常情况下存在较大偏差，算法的泛化性需要提高。

9、2）专利名称：一种基于数字孪生的冰铜质量多变量时序预测方法。专利公布号：cn121210845a。此发明采用transformer模型的多头自注意力机制，捕捉工艺参数在时间序列下的长期依赖关系，提高复杂时序数据的建模能力；引入kolmogorov-arnold network（kan）细化模块，利用自适应b样条基函数对transformer输出的全局特征进行非线性校正，增强模型对多变工况的适应性；建立铜熔炼过数字孪生模型，实现铜熔炼过程的虚实映射与冰铜质量预测。但在“侧+顶”工艺中的实践表明，仅仅利用工艺参数难以建立工艺参数与冰铜品位之间精确的预测模型。

10、3）专利名称：一种基于数据驱动的铜冶炼冰铜品位预测方法。专利号：cn118468148a。此发明以随机森林的冰铜品位预测模型和xgboost的冰铜品位预测模型为基学习器，以线性回归模型作为元学习器，构建stacking集成学习的冰铜品位预测模型，对冰铜品位进行预测。但是线性回归无法捕捉冰铜品位与工艺参数之间的强非线性关系。

11、4）专利名称：一种铜品位预测模型的构建方法及应用。专利号：cn116631525b。此发明先使用基于机理模型的铜品位预测模型筛选用于定向造渣精炼制备3n铜的渣型和操作条件，对废杂铜原料进行定向造渣精炼。其应用范围是铜的精炼环节，不能适应到熔炼环节。

12、5）专利名称：冰铜品位软测量方法、装置、电子设备及存储介质。专利号：cn116258087b。此发明根据修正历史数据构造建模数据集，确定当前工况点相似样本集，通过高斯过程回归建立局部软测量模型，实现对当前工况点的预测品位。由于生产现场的物料成份变化和炉内状态难以监测的特点，使得对相似样本集的判定往往存在偏差，从而导致冰铜品位的预测不准确。

13、其他的发明专利基本上与以上专利的内容类似，皆未能用生产全数据集做整体性的品位预测。为了解决上述问题，现在提出一种基于多模型融合铜冶炼富氧侧吹炉冰铜品位预测方法。

技术实现思路

1、为了解决上述问题，现提供了一种基于多模型融合铜冶炼富氧侧吹炉冰铜品位预测方法。

2、本发明的具体方案是：一种基于多模型融合铜冶炼富氧侧吹炉冰铜品位预测方法，包括以下步骤：

3、s1、数据采集与预处理：采集铜冶炼富氧侧吹炉生产全流程多源异构数据，所述多源异构数据包括dcs实时工况数据、冰铜成分离线检测数据、炉渣理化检测数据及入炉物料配比数据，对采集数据依次进行异常值剔除、缺失值补全、时序时间戳对齐、重采样及归一化标准化量纲处理，去除生产噪声数据，得到完整、连续的有效建模数据集；

4、s2、多尺度数据配准与特征加权：针对所述建模数据中秒级高频变量与小时级低频变量共存的多尺度特性，采用滑动窗口统计配准策略，以小时级变量采样时刻为锚点，提取对应时间窗口内秒级变量的均值、标准差、最小值、最大值统计特征，拼接形成统一维度样本矩阵，引入重叠配准策略适配跨周期关联变量，再通过通道注意力机制对配准后的特征矩阵进行自适应加权，强化关键特征权重、抑制无效特征干扰，得到加权优化特征集；

5、s3、特征筛选与领域知识特征构建：采用最大相关最小冗余mrmr准则结合随机森林特征重要性评分，筛选与冰铜品位强相关、特征间冗余度低的核心特征；基于铜熔炼冶金机理，构建热平衡、氧平衡、炉渣特性三类复合领域特征，融合原始特征与机理复合特征形成最终输入特征集；

6、s4、三分支并行特征编码：构建tcn-bilstm-xgboost三分支并行编码架构，将所述最终输入特征集分别输入三个分支模型同步编码：tcn分支通过多层膨胀因果卷积结合残差连接捕获时序数据长期依赖特征；bilstm分支通过正、逆序双向编码挖掘时序数据双向上下文关联特征；xgboost分支拟合工艺参数与冰铜品位间的复杂非线性耦合关系；

7、s5、多分支特征自适应融合与预测：引入多头注意力机制结合可学习门控参数，对tcn分支、bilstm分支、xgboost分支的编码输出进行自适应加权融合，得到全局融合特征，通过预设训练完成的预测模型输出冰铜品位实时预测结果；

8、s6、模型优化输出：采用预设优化器、早停机制完成模型迭代训练，通过多维度评价指标校验模型性能，输出高精度冰铜品位预测值，实现富氧侧吹炉熔炼过程冰铜品位实时动态预测。

9、进一步的，步骤s1中，所述异常值剔除具体包括：基于冶炼领域知识设定各变量物理阈值进行硬截断，结合3σ准则识别统计离群点，采用孤立森林算法捕获局部离群异常样本，多级过滤去除异常数据；所述缺失值补全具体包括：连续型工艺变量采用前向插值补全，离散型物料变量采用众数填充，剔除缺失比例超过20%的无效变量。

10、进一步的，步骤s2中，所述滑动窗口统计策略的具体计算方式为：设定熔炼周期为δt，第i个周期内秒级变量的均值、标准差、最小值、最大值统计特征分别为：

11、

12、

13、

14、其中，为第i个熔炼周期内秒级变量采样点数，设置滑动步长小于窗口长度的重叠配准方式，适配相邻周期变量的关联影响特性。

15、进一步的，步骤s2中，所述通道注意力机制的加权计算方式为：设配准后特征矩阵为，通道注意力权重计算公式为：

16、

17、加权优化后的特征矩阵为，其中σ为sigmoid激活函数，relu为非线性激活函数， 、为可学习权重矩阵，、为偏置参数，为特征矩阵全局均值特征。

18、进一步的，步骤s3中，所述mrmr准则的优化目标为同步最大化特征与冰铜品位目标变量的相关性、最小化特征间冗余性，具体公式为：

19、

20、其中，d为特征与目标变量的平均相关性，r为特征间平均冗余性，s为候选特征集，y为冰铜品位目标变量，i(·)为互信息函数，用于捕捉变量间非线性关联关系。

21、进一步的，步骤s3中，所述机理复合特征的构建公式具体为：

22、

23、

24、

25、其中，为精矿进料速率，为冶炼反应焓变，为实际氧气流量，为理论化学计量氧气流量，为氧气密度，为氧气比热容，为供氧温度，为炉渣氧化亚铁质量分数，为炉渣二氧化硅质量分数，为炉渣粘流活化能，r为气体常数，t为熔池温度。

26、进一步的，步骤s4中，所述tcn分支采用膨胀因果卷积与残差连接结构，膨胀卷积在时刻t的输出公式为：

27、

28、其中，d为膨胀系数，k为卷积核尺寸，堆叠多层膨胀卷积并设置第i层膨胀系数，感受野大小，l为卷积层数；残差块输出为，通过残差连接消除深层网络梯度退化问题。

29、进一步的，步骤s4中，所述bilstm分支采用正反双向时序编码结构，前向lstm、后向lstm的隐藏状态计算公式为：

30、

31、

32、将双向隐藏状态在特征维度拼接，得到时序综合表征，实现时序上下文双向信息完整捕获。

33、进一步的，步骤s4中，所述xgboost分支的预测模型及目标函数为：

34、

35、

36、

37、其中，为冰铜品位预测值，m为决策树数量，为损失函数，为正则化项，γ、λ为正则化系数，t为单棵决策树叶子节点数，w为叶子节点权重，用于抑制模型过拟合。

38、进一步的，步骤s5中，所述多头注意力融合机制包括多头注意力计算与门控加权融合，注意力基础公式为：

39、

40、

41、式中，q、k、v分别为查询矩阵、键矩阵、值矩阵，为键矩阵维度，h为注意力头数；设tcn、bilstm、xgboost分支输出特征分别为、、，通过可学习门控参数α、β实现自适应融合：

42、。

43、进一步的，步骤s6中，模型训练过程设置批次大小、最大训练轮次及早停阈值，当验证集指标连续多轮无优化时终止训练；训练完成的融合模型测试集指标满足：r²≥0.94、rmse≤0.42%、mae≤0.33%、mape≤0.87%。

44、本发明具有以下有益效果：

45、1、多尺度异构数据自适应融合：相较于现有技术对秒级与小时级数据简单降采样或插值处理，本发明设计基于滑动窗口与通道注意力的数据配准模块，实现异质多尺度特征的自适应融合，有效保留各频段信息，避免信息损失。

46、2、三分支并行编码架构：本发明构建tcn-bilstm-xgboost三分支并行编码层，tcn分支通过膨胀因果卷积实现指数级感受野扩张，有效捕获长期时序依赖；bilstm分支双向编码上下文信息，弥补tcn单向感知的不足；xgboost分支自动处理特征间的非线性交互。三分支优势互补，突破单一模型性能上限。

47、3、多头注意力自适应融合：引入多头注意力机制对三分支输出进行自适应加权融合，从不同表征子空间捕捉特征间的复杂关系，对铜熔炼过程中多变量强耦合特性具有天然的建模优势。

48、预测精度显著提升：基于8670组工业实测数据的实验结果表明，本发明方法的r²达到0.6964，rmse低至0.7463，mae为0.5325，mape为0.87，在r²、rmse、mae、mape四项评价指标上均优于lstm、gru、tcn、xgboost、lightgbm、tabnet等现有方法，预测精度与泛化性能显著提升。