(19)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 202111599808.2 (22)申请日 2021.12.24 (71)申请人 武汉钢铁有限公司 地址 430080 湖北省武汉市青山区股份公 司机关 (72)发明人 邓继红　张明　刘琼　罗聪　陈春　 (74)专利代理 机构 北京众达德权知识产权代理 有限公司 1 1570 专利代理师 刘瑞越 (51)Int.Cl. G06F 30/27(2020.01) G06N 7/08(2006.01) G06F 111/06(2020.01) (54)发明名称 一种高炉风机运行工况预测方法、 装置、 设 备及存储介质 (57)摘要 本发明实施例提供了一种高炉风机运行工 况预测方法、 装置、 设备及存储介质， 通过预先对 径向基神经网络的参数进行优化， 并基于优化后 的径向基神经网络建立针对风机的初始工况预 测模型， 然后获取风机的历史运行数据， 并对历 史运行数据进行预处理， 接着利用经预处理后的 历史运行数据， 对初始工况预测模型进行训练， 以得到应用于风机的目标工况预测模 型。 在风机 的实际应用过程中， 通过不间断地获取风机的当 前运行数据， 并利用目标工况预测模 型同步处理 当前运行数据， 能够得到针对风机的运行工况预 测数据。 通过利用运行工况预测数据， 对风机接 下来的运行工况进行预测， 从而能够提前预测风 机接下来的运行工况。 权利要求书2页 说明书9页 附图4页 CN 114492163 A 2022.05.13 CN 114492163 A 1.一种风机运行工况 预测方法， 其特 征在于， 包括： 预先对径向基神经网络的参数进行优化， 并基于优化后的径向基神经网络建立针对风 机的初始工况 预测模型； 获取所述风机的历史运行数据， 并对所述历史运行数据进行预处理； 利用经所述预处 理后的历史运行数据， 对所述初始工况预测模型进行训练， 以得到应用于所述风机的目标 工况预测模型； 不间断地获取所述风机的当前运行数据， 并利用所述目标工况预测模型同步处理所述 当前运行 数据， 以得到针对所述 风机的运行工况 预测数据； 利用所述 运行工况 预测数据， 对所述 风机接下来的运行工况进行 预测。 2.如权利要求1所述的方法， 其特征在于， 所述预先对径向基神经网络的参数进行优 化， 包括： 预先对基础麻雀搜索算法进行定制化处 理， 得到定制麻雀搜索算法； 利用所述定制麻雀搜索算法， 对所述径向基神经网络的参数进行优化。 3.如权利要求2所述的方法， 其特征在于， 所述预先对基础麻雀搜索算法进行定制化处 理， 得到定制麻雀搜索算法， 包括： 在所述基础麻雀搜索算法中引入切比雪夫映射， 并对所述切比雪夫映射中的混沌种群 进行初始化； 和/或 在所述基础麻雀搜索算法中的加入者 位置引入权值因子； 和/或 在所述基础麻雀搜索算法中的最优位置引入多项式变异， 来得到所述定制麻雀搜索算 法。 4.如权利要求2所述的方法， 其特征在于， 所述利用所述定制麻雀搜索算法， 对所述径 向基神经网络的参数进行优化， 包括： 利用所述定制麻雀搜索算法， 对所述径向基神经网络的高斯函数中心、 高斯函数标准 差以及输出层权值进行优化。 5.如权利要求1所述的方法， 其特 征在于， 所述对所述历史运行 数据进行 预处理， 包括： 对所述历史运行数据进行相关性分析， 以从所述历史运行数据中确定出满足所述相关 性的目标历史运行 数据； 以及对所述历史运行 数据进行 无量纲处 理； 所述历史运行 数据， 包括： 在目标历史时间段内所述风机的历史轴位移、 历史转数、 历史入口温度、 历史放风阀开 度、 历史导叶开度、 历史高炉送风 流量、 历史喉部 压差以及历史出口压力。 6.如权利要求1所述的方法， 其特征在于， 所述利用所述运行工况预测数据， 对所述风 机接下来的运行工况进行 预测， 包括： 根据所述运行工况预测数据与预设喘振数据之间的差值， 对所述风机接下来的运行工 况进行预测； 其中， 所述预设防喘 振数据， 基于所述 风机的导叶变化速率进行对应调整。 7.如权利要求6所述的方法， 其特征在于， 所述根据 所述运行工况预测数据与 预设喘振 数据之间的差值， 对所述 风机接下来的运行工况进行 预测， 包括： 当所述运行工况 预测数据中的预测喉差与所述预设喘 振数据中的参 考喉差相同时；权　利　要　求　书 1/2 页 2 CN 114492163 A 2若所述运行工况预测数据中的预测出口压力大于或等于所述预设喘振数据中的参考 出口压力， 且所述风机的当前运行数据不处于正常范围之内， 则判断出所述风机处于喘振 工况； 否则处于正常工况。 8.一种风机运行工况 预测装置， 其特 征在于， 包括： 初始预测模型建立单元， 用于预先对径向基神经网络的参数进行优化， 并基于优化后 的径向基神经网络建立针对风机的初始工况 预测模型； 目标预测模型生成单元， 用于获取所述风机的历史运行数据， 并对所述历史运行数据 进行预处理； 利用经所述预 处理后的历史运行数据， 对所述初始工况预测模型进 行训练， 以 得到应用于所述 风机的目标工况 预测模型； 风机运行工况预测单元， 用于不间断地获取所述风机的当前运行数据， 并利用所述目 标工况预测模型同步处理所述当前运行数据， 以得到针对所述风机的运行工况预测数据； 以及利用所述 运行工况 预测数据， 对所述 风机接下来的运行工况进行 预测。 9.一种风机运行工况预测设备， 其特征在于， 应用于高炉风机， 所述风机运行工况预测 设备包括存储器、 处理器以及存储在所述存储器上并可在所述处理器上运行 的代码， 所述 处理器在执 行所述代码时实现权利要求1 ‑7中任一所述方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现权利要求1 ‑7中任一所述方法。权　利　要　求　书 2/2 页 3 CN 114492163 A 3