一种水泥熟料游离钙软测量方法技术

本发明专利技术公开了一种水泥熟料游离钙软测量方法，包括：根据水泥工艺选取10个变量作为熟料fCaO软测量的辅助变量，每个变量的时间序列作为模型输入，并对所选的每个变量时间序列进行归一化处理；依据水泥烧成过程中时间序列的特征，建立基于多变量时间序列卷积神经网络的熟料fCaO软测量模型；确定MT‑CNN模型的初始参数，并对网络进行前向训练；利用误差反向微调进行有监督训练，通过对误差的修正，优化MT‑CNN中的权值w和偏置b，利用训练好的MT‑CNN模型对水泥熟料fCaO实时预测。本发明专利技术避免计算各变量与熟料fCaO之间时延，降低了时序匹配所需的运算量；本发明专利技术提高模型的收敛速度、精度和泛化能力；本发明专利技术能很好预测水泥熟料fCaO含量，能够提高水泥熟料质量和降低生产能耗。

A Soft Measurement Method of Free Calcium in Cement Clinker

The invention discloses a soft measurement method for free calcium of cement clinker, which includes: selecting 10 variables as auxiliary variables of fCaO soft measurement of clinker according to cement technology, taking time series of each variable as input of model, and normalizing time series of each variable selected; establishing time series volume based on multivariable time series according to the characteristics of time series in cement firing process. The soft-sensing model of clinker fCaO based on integrated neural network is established; the initial parameters of MT CNN model are determined and the network is trained forward; supervised training is carried out by using error reverse fine-tuning, and the weights w and offset B in MT CNN are optimized by correcting the errors. The real-time prediction of cement clinker fCaO is made by using the trained MT CNN model. The invention avoids calculating the time delay between variables and clinker fCaO, reduces the amount of calculation needed for timing matching, improves the convergence speed, accuracy and generalization ability of the model, and can predict the content of cement clinker fCaO well, improve the quality of cement clinker and reduce production energy consumption.

【技术实现步骤摘要】
一种水泥熟料游离钙软测量方法
本专利技术涉及水泥熟料游离钙监测领域，尤其涉及一种水泥熟料游离钙软测量方法。
技术介绍
水泥熟料游离钙(fCaO)含量是新型干法水泥生产中衡量熟料质量的一个重要指标。熟料中fCaO的含量不仅影响水泥的安定性和熟料强度，还直接关系着水泥烧成能耗。目前水泥熟料fCaO含量很难在线监测，主要依靠人工每小时采样一次并通过实验室化验测得，离线测量结果对水泥烧成过程的指导具有明显的滞后性，很难实现水泥烧成过程的实时控制和优化。水泥熟料烧成过程具有大惯性、大时滞、多耦合等特性，从而导致难于建立一个精确的水泥熟料fCaO预测模型。针对上述问题，一些学者采用了不同的软测量建模方法来研究用熟料fCaO预测模型。赵朋程等选用五个与水泥熟料烧成的相关变量，建立多核LSSVM水泥熟料fCaO预测模型。上述方法没有考虑各变量与水泥熟料fCaO之间的时间延迟，虽然LSSVM预测模型的收敛速度快，但是更适用于小规模的数据样本，难以寻找大数据中变量间的变化规律。WeitaoLi等采用压缩特征向量的数据，利用改进的神经网络实现了熟料fCaO软测量方法。而文献中的方法虽然考虑了一个小时内的变本文档来自技高网...

【技术保护点】
1.一种水泥熟料游离钙软测量方法，其特征在于，包括如下步骤：步骤S1：根据水泥工艺选取10个变量作为熟料fCaO软测量的辅助变量，每个变量的时间序列作为模型输入，并对所选的每个变量时间序列进行归一化处理；步骤S2：依据水泥烧成过程中时间序列的特征，建立基于多变量时间序列卷积神经网络的熟料fCaO软测量模型；步骤S3：确定MT‑CNN模型的初始参数，并对网络进行前向训练，其中初始参数包括MTS‑CNN的卷积层数和池化层数，学习率，各隐层、全连接层以及输出层的权值w和偏置b，卷积核以及池化核的个数及大小；步骤S4：利用误差反向微调进行有监督训练，通过对误差的修正，优化MT‑CNN中的权值w和偏置b...

【技术特征摘要】
1.一种水泥熟料游离钙软测量方法，其特征在于，包括如下步骤：步骤S1：根据水泥工艺选取10个变量作为熟料fCaO软测量的辅助变量，每个变量的时间序列作为模型输入，并对所选的每个变量时间序列进行归一化处理；步骤S2：依据水泥烧成过程中时间序列的特征，建立基于多变量时间序列卷积神经网络的熟料fCaO软测量模型；步骤S3：确定MT-CNN模型的初始参数，并对网络进行前向训练，其中初始参数包括MTS-CNN的卷积层数和池化层数，学习率，各隐层、全连接层以及输出层的权值w和偏置b，卷积核以及池化核的个数及大小；步骤S4：利用误差反向微调进行有监督训练，通过对误差的修正，优化MT-CNN中的权值w和偏置b；步骤S5：利用训练好的MT-CNN模型对水泥熟料fCaO实时预测。2.根据权利要求1所...

【专利技术属性】
技术研发人员：赵彦涛，何永强，贾利颖，杨黎明，郝晓辰，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13