基于KNN回归的高炉推移系统推移性能预测
胡念三1
刘克稻2
张鑫宇3
冯文菲1
邱杨1
朱浩3
1.中国十九冶集团有限公司,四川 成都 6100002.桂林理工大学 机械与控制工程学院,广西 桂林 5410043.四川大学 建筑与环境学院,四川 成都 610065
摘要：高炉整体推移是高炉改造工程中的一种革新施工手段,在整体推移前,对推移系统推移性能准确预测是确保推移系统平稳运行的关键.本文基于KNN(K-Nearest Neighbors)回归方法开发了一种预测模型,旨在以低成本、高效的方式对高炉推移过程中的最大摩擦阻力和应力等推移性能关键指标进行预测.首先,基于榆钢高炉改造项目,本文构建了高炉推移系统的仿真模型.通过对实际工况分析发现,轨道段间的高差和缝隙是影响推移过程中最大摩擦力和应力的关键因素.因此,设计了多组具有不同轨道高差和缝隙参数组合工况下的仿真实验,并通过仿真分析获取了训练样本集.然后,提出了一种基于KNN回归的高炉推移系统推移性能预测模型.为提高了模型性能,模型还采用贝叶斯优化搜索对KNN回归算法进行超参数调优.最后,将KNN模型的预测结果与支持向量回归、随机森林等3 种经典机器学习算法进行了对比,验证了KNN模型的性能优势.结果表明,基于KNN回归算法的预测模型在高炉推移过程中对最大摩擦力和应力的预测具有较高精度,且在同一工况下确保了两类预测结果的一致性;在对比分析中,KNN回归算法较其他三种算法在本任务上具有更好的精度和稳定性;与其他三种方法相比,KNN模型不仅响应快速,且实用性与可靠性强,能够为实际工程应用提供有效支持.
关键词：高炉推移推移性能预测KNN回归贝叶斯优化
分类号：TU61(建筑施工机械和设备)
论文发表日期：2025-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 70-78 )
英文信息