一种生料分解率软测量建模方法，其特征在于该方法依赖于硬件平台，包括以下步骤：步骤一、生料分解过程实时过程数据的获得；步骤二：生料分解过程特征数据滤波处理；步骤三：基于递归限定记忆主元分析（RFMPCA）；步骤四：最小二乘支持向量机。本发明专利技术的有益效果：这种方法不依赖于生产过程的精确数学模型，适应复杂工况条件的变化。同时，减轻了操作工人的强度，使生料分解过程始终处于正常的工作状态。
【技术实现步骤摘要】
本专利技术属于自动控制
，特别涉及水泥生料在分解炉内分解过程的软测量 建模方法。
技术介绍
在水泥生料分解过程中，由于衡量产品质量指标的生料分解率不能在线检测，实 际生产中，只能通过人工离线化验分析得到。操作员根据离线分析的结果调整给煤量和风 量。这样容易导致产品不合格和预热器C5下料管堵塞，造成生产停产。同时，由于生料边 界条件频繁变化致使生料分解率发生变化。因此，通过人工离线化验分析，很难保证生料分 解率在工艺规定的范围内。所以，必须采用软测量技术对生料分解率进行在线测量，从而保 证产品质量并降低预热器C5下料管堵塞发生率。 最小二乘支持向量机（LS-SVM)已经得到迅速发展，它是由Vapnik提出的标准支 持向量机的变形。为了减少最小二乘支持向量机输入向量的个数，基于主元分析（PCA)和 最小二乘支持向量机的方法在很多领域已经得到广泛应用，如电力负荷预测，故障辨识， 柴油凝固点预测，人脸识别和密度评估等。然而，上述方法存在以下缺点，首先，PCA使用一 个静态模型将输入变量转换为不相关的变量集；其次，核函数选择具有学习能力强的高斯 函数，但是不具有良好的预测能力。近年来，递归PCA(RPCA)方法已经应用在自适应过程监 督领域，在这个方法中，使用遗忘因子减小对模型的影响。然而数据饱和现象仍然不能彻底 的克服并且数据矩阵的尺寸逐渐增大。这样增加了计算机的负荷。
技术实现思路
为了克服水泥生料分解过程中，衡量产品质量指标的生料分解率不能在线检测这 一缺陷，本专利技术提出了一种基于递归限定记忆的主元分析（RFMPCA)和最小二乘支持向量 机（LS-SVM)的方法，S卩：。 本文使用的生料分解设备是分解炉，使用递归限定记忆主元分析和最小二乘支持 向量机的方法。首先对采样数据进行离群点检测，其次，在递归限定记忆主元分析中采用累 积百分方差的方法计算主元，最后，基于最小二乘支持向量机的核函数选择线性核函数和 径向基核函数。本专利技术所建立的生料分解率软测量模型降低了预热器C5下料管堵塞的几 率，提高了设备的运转率，增加了台时产量，具有较高的实用价值。 本专利技术的软测量模型技术方案是这样实现的： 本专利技术所提出的智能控制方软测量模型依赖于硬件平台，由智能软件实现，其硬 件平台核心由分解炉及其附属设备组成，同时配备了测量仪表，执行机构以及进行软件计 算的计算机组成。其硬件平台核心部分的联接是分解炉的输入端与预热器C5下料口，输出 端是预热器C5下料管出口与回转窑窑尾入口（生料分解过程工艺流程如图1所示）。 生料分解系统的测量仪表包括： 实验室激光粒度分析仪，用于测量生料粒度y; 实验室成分分析仪，用于测量生料中氧化钙含量入Ca 实验室成分分析仪，用于测量生料中氧化铁含量入 安装在生料仓下面的生料秤，用于测量生料流量^ 安装在窑尾风机电机上的智能数显表，用于在线测量电机电流I?; 安装在窑尾喂料风机电机上的智能数显表，用于在线测量电机电流Iwl; 安装在回转窑主电机上的智能数显表，用于在线测量电机电流Iu; 安装在窑尾处的热电偶，用于在线测量窑尾温度T?; 安装在窑头处的热电偶，用于在线测量窑头温度Tyt; 安装在预热器C5出口的热电偶，用于在线测量预热器C5出口温度Tra; 安装在预热器Cl出口的热电偶，用于在线测量预热器Cl出口温度TC1; 安装在三次风管的热电偶，用于在线测量三次风的温度Tsc; 安装在分解炉中部的热电偶，用于在线测量分解炉的温度1^; 安装在窑尾中部的压力变送器，用于在线测量窑尾压力P?; 安装在回转窑下料口的压力变送器，用于在线测量二次风的压力PEC; 其执行机构包括： 回转窑给煤机UHZ; 分解炉给煤转子秤U%; 高温风机转速Uew; 本专利技术软测量模型既可以运行在分布式计算机控制系统（DCS)或可编程序逻辑 控制系统（PLC)上，也可以通过通讯方式运行于独立的计算机上，该软件从控制系统获得 实时过程数据，然后根据所获得的数据进行软测量建模，从而获得生料分解过程生料分解 率。 本专利技术方法包括以下步骤： 步骤一、生料分解过程实时过程数据的获得 程序从控制系统获得生料分解过程的实时数据，包括：生料粒度Y、氧化钙含量 入 &、氧化铁含量AFe、生料流量Fp窑尾风机电流IYW、喂料风机电流4、回转窑主电机电流 IZJ、窑尾温度TYW、窑头温度Tyt、预热器C5出口温度Tra、预热器C1出口温度TC1、三次风温度 Tsc、分解炉温度T%、窑尾压力PYW和二次风压力PE。;回转窑给煤机给煤量UHZ、分解炉转子秤 给煤量U%和高温风机电机Uffl。 步骤二：生料分解过程特征数据滤波处理： 本专利技术对特征数据采用鲁棒3Smad的离群点检测方法，鲁棒3s_是一种典型的非 线性滤波器，它可以很好的将奇异数据滤除，举例如下： 给定测量值序列Xi(i= 1，2,…，n)，3 〇规则如式（1)所示：【主权项】1. ，其特征在于：该建模方法依 赖硬件平台，所述方法包括以下步骤： 步骤一、生料分解过程实时过程数据的获得 程序从控制系统获得生料分解过程的实时数据，包括：生料粒度γ、氧化钙含量λ&、 氧化铁含量λ 、生料流量窑尾风机电流Iyw、喂料风机电流Ip回转窑主电机电流Ιζτ、 窑尾温度T yw、窑头温度Tyt、预热器C5出口温度Tra、预热器Cl出口温度Ta、三次风温度T sc、 分解炉温度Tfl、窑尾压力Pyw和二次风压力P E。;回转窑给煤机给煤量U HZ、分解炉转子秤给煤 量U%和高温风机转速U 步骤二：生料分解过程特征数据滤波处理 给定测量值序列Xi Q = 1，2,…，η)，3 σ规则如式（1)所示： (1)式（1)中，〒是测量序列的平均值，σ为标准偏差。但是，当数据点包含离群点时，这 个方法经常是不起作用的致使检测太少的离群点；对建模的影响，将式（1)用式（2)表示； 其中，Xi (i = 1，2,…，η)按照升序排列，即χ(1)彡…彡X ω; I Xi_XMed I〉3smD, (2) 其中，Xfcd为排序后数据序列的中值，如式（3) ,Smad是标准偏差的无偏估计，如式（4):式中又3Z1， s_= I. 4826XMed(|x「xMed|，…，|xn-xMed|) (4) 步骤三：基于递归限定记忆主元分析（RFMPCA) 定义数据长度是L，其中ni<L，则每列的均值Id1如式（5)所示：其中、=[U，···,If e，。将4转变成标准数据矩阵满足式（6)，因此，协方差矩阵％为当第k(k= 1，···，η)个采样值被获得时，每列的均值bk如式⑶所示：其中Ik= Te Rk。根据式⑶，bk_t如式（9)所示：其中Ilrt= Te Rk'递归限定记忆的任务是计算b (k，k-L+l)、X(k，k-L+l)和 V(k，H+1)。通过式⑶和式（9)，b(k，k_ L+1)和X(k，k_L+1)分别如式（10)和式（11)所示，式（11)中，Uk= (X kl，· · ·，xkp)，k = 1，…，η,因此，协方差矩阵V (k, k-L+1) 可以通过式（12)求得：使用累积百分方差（CPV)的方法计算主元，如式（13)所示，其中k是主元的本文档来自技高网...
【技术保护点】
一种水泥生料在分解炉内分解过程的软测量建模方法，其特征在于：该建模方法依赖硬件平台，所述方法包括以下步骤：步骤一、生料分解过程实时过程数据的获得程序从控制系统获得生料分解过程的实时数据，包括：生料粒度γ、氧化钙含量λCa、氧化铁含量λFe、生料流量Fr、窑尾风机电流IYW、喂料风机电流IWL、回转窑主电机电流IZJ、窑尾温度TYW、窑头温度TYT、预热器C5出口温度TC5、预热器C1出口温度TC1、三次风温度TSC、分解炉温度TFL、窑尾压力PYW和二次风压力PEC；回转窑给煤机给煤量UHZ、分解炉转子秤给煤量UFL和高温风机转速UGW；步骤二：生料分解过程特征数据滤波处理给定测量值序列xi(i＝1,2,…,n),3σ规则如式(1)所示：|xi-x‾|>3σx‾=1nΣi=1nxiσ2=1n-1Σi=1n(xi-x‾)2,---(1)]]>式(1)中，是测量序列的平均值，σ为标准偏差。但是，当数据点包含离群点时，这个方法经常是不起作用的致使检测太少的离群点；对建模的影响，将式(1)用式(2)表示；其中，xi(i＝1,2,…,n)按照升序排列，即x(1)≤…≤x(n)；|xi‑xMed|＞3sMAD, (2)其中，xMed为排序后数据序列的中值，如式(3)，sMAD是标准偏差的无偏估计，如式(4)：xMed=Med(x1,...,xn)=x(0.5+n/2),n=2k-1(x(n/2)+x(1+n/2))2,n=2k,---(3)]]>式中sMAD＝1.4826×Med(|x1‑xMed|,…,|xn‑xMed|) (4)步骤三：基于递归限定记忆主元分析(RFMPCA)定义数据长度是L，其中n1＜L，则每列的均值b1如式(5)所示：b1=1n1(X10)T1n1,---(5)]]>其中将转变成标准数据矩阵X1且满足式(6)，X1=(X10-1n1b1T)diag(σ1·1,...,σ1·p),---(6)]]>因此，协方差矩阵V1为V1=1n1-1X1TX1.,---(7)]]>当第k(k＝1,…,n)个采样值被获得时，每列的均值bk如式(8)所示：bk=1k(Xk0)T1k,---(8)]]>其中1k＝[1,1,…,1]T∈Rk。根据式(8)，bk‑L如式(9)所示：bk-L=1k-L(Xk-L0)T1k-L,---(9)]]>其中1k‑L＝[1,1,…,1]T∈Rk‑L。递归限定记忆的任务是计算b(k,k‑L+1)、X(k,k‑L+1)和V(k,k‑L+1)。通过式(8)和式(9)，b(k,k‑L+1)和X(k,k‑L+1)分别如式(10)和式(11)所示，b(k,k-L+1)=kL(bk-bk-L)+bk-L,---(10)]]>X(k,k-L+1)=[(uk-L+1,...,uk)T-1Lb(k,k-L+1)T]Σk-1,---(11)]]>式(11)中，uk＝(xk1,...,xkp),k＝1,…,n,Σk-1=diag(σk·1,...,σk·L),1L=[1,1,...,1]T∈RL,]]>因此，协方差矩阵V(k,k‑L+1)可以通过式(12)求得：V(k,k-L+1)=1L-1X(k,k-L+1)TX(k,k-L+1).---(12)]]>使用累积百分方差(CPV)的方法计算主元，如式(13)所示，CPV=100×Σj=1kλj/Σj=1mλj%,---(13)]]>其中k是主元的个数。选择CPV的期望值为90％；步骤四：最小二乘支持向量机假定有一组训练数据{xk,yk},k＝1,2,…n,其中xk是输入空间变量，yk是输出变量。最小二乘的优化问题如式(14)所示：其中c是正的实值常数，ξi是一个松散变量；我们定义Lagrangian函数如式(15)所示：其中αi(i＝1,2,…n)是拉格朗日乘子,通过对式(15)取偏导，即并消去ω和ξi得0l→Tl→Ω+c-1Ibα=0y,---(17)]]>式(17)中，定义α＝[α1,…,αn]T,ly＝[y1,…，yn]T,i,j＝1,…,n；因此，软测量模型为：y(x)=Σj=1nαiK(x,xj)+b,---(18)]]>其中K(x,xj)是一个任意的对称函数且满足Mercer条件，α,b是式(17)的解；核函数K(xi,xj)可以表示为线性核函数...
【技术特征摘要】
【专利技术属性】
技术研发人员：乔景慧，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。