1　引  言

焦炭是煉焦生產(chǎn)過程的主要產(chǎn)品，廣泛用于高爐煉鐵、鑄造、電石、氣化等方面[1]。焦炭質(zhì)量的好壞直接影響企業(yè)的生產(chǎn)成本和經(jīng)濟效益。但在線質(zhì)量分析儀存在價格昂貴、維護保養(yǎng)復(fù)雜以及可靠性差等缺點[2]，難以對焦炭質(zhì)量進行在線檢測，從而嚴重影響了煉焦生產(chǎn)過程的控制和優(yōu)化。神經(jīng)網(wǎng)絡(luò)是解決工業(yè)過程中普遍存在的一類難以在線測量變量預(yù)測問題的有效方法，常用的有BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)和RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)。例如，文獻[3]建立燒結(jié)塊質(zhì)量產(chǎn)量BP神經(jīng)網(wǎng)絡(luò)模型，文獻[4]建立苛性比值的多神經(jīng)網(wǎng)絡(luò)模型，文獻[5]采用BP網(wǎng)絡(luò)建立焦炭質(zhì)量預(yù)測模型。但BP網(wǎng)絡(luò)屬于全局逼近網(wǎng)絡(luò)，收斂速度慢，訓(xùn)練過程中容易陷入局部極小值。與BP網(wǎng)絡(luò)相比，RBF網(wǎng)絡(luò)的學(xué)習(xí)算法不存在局部較優(yōu)問題，而且RBF網(wǎng)絡(luò)的參數(shù)調(diào)整是線性的，具有結(jié)構(gòu)簡單、收斂速度快、非線性逼近能力強以及推廣能力強等特點[6]，被廣泛應(yīng)用于模式分類、函數(shù)逼近和過程建模等許多領(lǐng)域。

本文以煉焦生產(chǎn)過程為例，建立一種基于PCA和RBF神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量預(yù)測模型，解決焦炭質(zhì)量在線檢測問題。首先通過機理分析確定焦炭質(zhì)量的主要影響為配合煤指標和煉焦過程操作參數(shù)，在此基礎(chǔ)上采用主元分析降低配合煤指標的維數(shù)，減少RBF網(wǎng)絡(luò)的輸入；然后分別采用k-均值聚類法和較小二乘法算法確定RBF網(wǎng)絡(luò)的隱含層參數(shù)和權(quán)值；較后對焦炭質(zhì)量預(yù)測模型的仿真結(jié)果進行分析，驗證方法的有效性。