基于LSSVM的石灰石浆液密度测量方法、系统及设备技术方案

本发明专利技术公开了一种基于LSSVM的石灰石浆液密度测量方法、系统及设备，该方法包括：获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。本发明专利技术通过多输入单输出的最小二乘支持向量机软测量模型的建立，从而精确、快速测量石灰石浆液密度。

【技术实现步骤摘要】
基于LSSVM的石灰石浆液密度测量方法、系统及设备
本专利技术涉及石灰石液密度测量
，具体涉及一种测量石灰石浆液制备系统再循环箱的出口处密度测量方法、系统及设备。
技术介绍
随着环保问题的重视，对电厂的烟气排放标准也愈加重视。石灰石浆液是大多数工厂烟气排放的良好吸收剂。因此，石灰石浆液的制备成为了工厂脱硫系统的重要的一部分，石灰石浆液的密度决定着对烟气的吸收率。现今绝大部分的工厂使用密度计测量石灰石浆液密度，这种测量方法虽然较为直观简单，但是由于石灰石浆液密度较大，容易导致密度计堵塞，使得测量不够及时准确，且目前没有一个专门可以精确、快速测量石灰石浆液密度的方法。有鉴于此，亟需提供一种用于精确、快速测量石灰石浆液密度的方法。
技术实现思路
为了解决上述技术问题，本专利技术所采用的技术方案是提供了一种基于LSSVM的石灰石浆液密度测量方法，包括以下步骤：获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。在上述方法中，所述多个辅助变量包括给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流。在上述方法中，所述对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：S21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；S22、通过相似度度量对经过步骤S21处理后的数据进行筛选，获得多个辅助变量。在上述方法中，对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。在上述方法中，所述系统每2-5s从电厂获得各设备运行数据。在上述方法中，LSSVM密度测量模型建立如下：建立的训练集其中xk∈Rd，yk∈Rd，d是为辅助变量的数量；支持向量机的基本原理是通过非线性映射函数φ(·)将输入空间Rd中的输入样本映射到特征空间φ(x)＝(φ1(x),φ2(x),…,φn(x))；引入误差的估计模型函数为：式中，ω∈Rdn,b∈R,e∈R,k＝1,2,…,n；根据结果风险最小化原则，并引入最小二乘法，式(1)必须满足式中，e是误差，γ是正则化参数；使用拉格朗日法，式(2)可改写为式中，αk(k＝1,2,…,n)是为拉格朗日因子；寻找满足式(3)的α和b是LSSVM建模的目标，定义核函数K(Xk,Xi)；则LSSVM密度测量模型目标函数为式中，k＝1,2,…,n。通过计算式(3)中4个参数的偏导为0，消除参数ω和e后，得到式(5)的线性方程组其中：y＝[y1,y2,…,yn]1＝[1,1,…,1]；α＝[α1,α2,…,αn]；Ωkl＝φ(xk)Tφ(xl)；k＝1,2,…,n式中，模型的项数为训练样本总数加1。本专利技术还提供了一种基于LSSVM的石灰石浆液密度测量系统，包括数据输入单元：用于输入当前石灰石浆液制备系统中各设备运行数据；数据处理单元：用于对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；并将多个辅助变量进行标准化处理后，获得模型输入变量，并输至石灰石浆液密度值计算单元；石灰石浆液密度值计算单元：用于根据输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出单元：用于输出当前石灰石浆液密度值。在上述方案中，所述系统每2-5s从电厂获得各设备运行数据。在上述方案中，所述数据处理单元对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：B21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；B22、通过相似度度量对经过步骤B21处理后的数据进行筛选，获得多个辅助变量。在上述方案中，所述数据处理单元对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。在上述方案中，所述石灰石浆液密度值计算单元还包括：数据输入模块：用于输入多组历史各设备运行数据；数据处理模块：用于将多组历史各设备运行数据根据上述数据处理单元的处理方法进行处理，得到多组模型输入变量；并将多组模型输入变量分成训练集、验证集和测试集，并输入至初始LSSVM密度测量模型；初始LSSVM密度测量模型：根据训练集、验证集对模型进行训练，当验证集分数不再提高时，达到训练条件，则初始LSSVM密度测量模型训练完成；再根据测试集输入至所述训练完成的模型中，对所述训练完成的LSSVM密度测量模型进行检测，如果检测通过，得到最终训练的LSSVM密度测量模型。本专利技术还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的基于LSSVM的石灰石浆液密度测量方法。本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的基于LSSVM的石灰石浆液密度测量方法。本专利技术通过从电厂获得的DCS数据包括了从给料机到成品浆液出口的整个过程中各个设备运行参数，通过PCA算法分析进一步筛选确定了多个辅助变量，将数据进行标准化处理后，作为最终的LSSVM密度测量模型的输入变量，达到了简化数据、减少冗余、降低维数的目的；进行软测量模型建立时，通过MATLAB编程实现了一个多输入单输出的最小二乘支持向量机软测量模型的建立，从而精确、快速测量石灰石浆液密度。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的方法流程图；图2为本专利技术提供的石灰石浆液制备系统示意图；图3为本专利技术提供的方法中对各设备运行数据进行预处理的流程图；图4为本专利技术提供的方法中通过PCA法对数据降维后的变量数与贡献率的线性关系图；图5为本专利技术提供的LSSVM密度测本文档来自技高网...

【技术保护点】
1.基于LSSVM的石灰石浆液密度测量方法，其特征在于，包括以下步骤：/n获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。/n

【技术特征摘要】
1.基于LSSVM的石灰石浆液密度测量方法，其特征在于，包括以下步骤：
获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。


2.如权利要求1所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，所述多个辅助变量包括：
给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流。


3.如权利要求1所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，所述对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
S21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
S22、通过相似度度量对经过步骤S21处理后的数据进行筛选，获得多个辅助变量。


4.如权利要求1或3所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：
通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。


5.如权利要求1所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，所述系统每2-5s从电厂获得各设备运行数据。


6.如权利要求4所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，LSSVM密度测量模型建立如下：
建立的训练集其中xk∈Rd，yk∈Rd，d是为辅助变量的数量；
支持向量机的基本原理是通过非线性映射函数φ(·)将输入空间Rd中的输入样本映射到特征空间φ(x)＝(φ1(x),φ2(x),…,φn(x))；
引入误差的估计模型函数为：



式中，ω∈Rdn,b∈R,e∈R,k＝1,2,…,n；
根据结果风险最小化原则，并引入最小二乘法，式(1)必须满足



式中，e是误差，γ是正则化参数；
使用拉格朗日法，式(2)可改写为



式中，αk(k＝1,2,…,n)是为拉格朗日因子；
寻找满足式(3)的α和b是LSSVM建模的目标，定义核函数K(Xk,Xi)；
则LSSVM密度测量模型目标函数为



式中，k＝1,2,…,n；
通过计算式(3)中4个参数的偏导为0，消除参数ω和e后，得到式(5)的线性方程组



其中：
y＝[y1,y2,…,yn]
1＝[1,1,…,1]；
α＝[α1,α2,...

【专利技术属性】
技术研发人员：魏建鹏，陈伟利，闫欢欢，王铁民，马利君，曾庆俊，金秀章，李京，
申请(专利权)人：大唐环境产业集团股份有限公司，
类型：发明
国别省市：北京;11