【技术实现步骤摘要】
本专利技术涉及工业过程控制领域的软测量
,特别涉及对煤泥浮选过程中浮选精煤灰份进行软测量的方法。
技术介绍
软测量是解决某些关键参数急需测量但却没有相应测试仪器,或测试仪器过于昂贵情形下的一种有效途径。具体来讲,软测量就是将需要关心的变量(即待测变量)作为主导变量,而将引起主导变量变化的相关变量(可测变量)作为辅助变量,以辅助变量的数据做输入,主导变量的数据做输出,构建数学模型,从而获得主导变量值的方法,因此软测量有时也称为软仪表。软测量建模可以分为机理建模、数据驱动建模和混合建模三种方式,涉及到统计学、神经网络、支持向量机等多种方法。软测量建模的最大特点是对象依赖性强,对于不同的研究对象,相应的辅助变量选择差异性大,要求设计者同时具备对象工艺过程知识和测试建模的综合知识,才可能获得优良的软测量模型。煤炭洗选是洁净煤的基础和前提,浮选是煤炭洗选中处理细粒煤的主要方法。目前国内采用的煤泥浮选控制策略主要为前馈控制,即测取浮选入料的浓度和流量,计算干煤泥量,然后在此基础上,通过实验验证吨干煤泥量应该添加的浮选药剂种类、比例和加药点,从而实现煤泥浮选过程的稳定控制。采用这种控制策略存在的问题是:无法实时获知浮选精煤产品的灰份,实现浮选精煤质量卡边。目前国内控制精煤灰分指标的实际操作方法是大部分通过人工采样来化验浮选精煤的灰份,由于化验时间长,时间滞后,对生产指导作用有限,不能实现浮选精煤灰份的实时检测和质量卡边。国外一般是采用煤浆测灰仪来实现浮选精煤灰分的质量卡边控制的。然而由于测灰仪产品价格昂贵,花费巨大,我国绝大部分选煤厂难以配备。90年代末,由中国 ...
【技术保护点】
一种基于数据驱动的煤泥浮选精煤灰份软测量方法,是构建一个浮选精煤灰份测量硬件平台,并创建一个浮选精煤灰份的软测量方法,通过在线测量仪表和执行机构提供的测量参数和人机界面输入的入选原煤性质,实时估计出当前浮选精煤的灰份含量,其中: 基于数据驱动的煤泥浮选精煤灰份软测量方法包括以下步骤: 1).辅助变量及主导变量的选择 采用浮选入料的浓度、流量、浮选药剂加药量和尾矿闸板位置作为辅助变量,浮选精煤灰份为主导变量,辅助变量来自于各个测量仪表和执行机构的数据序列,浮选精煤灰份由人工采样和化验获得,同时记录采样时刻,以和辅助变量时刻相对应,构建数据对; 2).软测量数据的预处理 进行数据样本的预处理,即对输入数据进行标准化处理; 3).建立软测量模型 以前面已经预处理的数据作为输入,以浮选精煤灰分为模型输出,进行基于最小二乘支持向量回归的浮选精煤灰分的软测量建模,得到以下非线性函数关系: y=f(x)=*a↓[i]K(x,x↓[i])+b 同时保存辅助变量数据,用于模型修正使用; 4).模型测试与选择 使用测试样本对训练好的模型进行测试,如果满足误差要求,即认为模型可用; 5).各种浮选入料条件下 ...
【技术特征摘要】
1、一种基于数据驱动的煤泥浮选精煤灰份软测量方法,是构建一个浮选精煤灰份测量硬件平台,并创建一个浮选精煤灰份的软测量方法,通过在线测量仪表和执行机构提供的测量参数和人机界面输入的入选原煤性质,实时估计出当前浮选精煤的灰份含量,其中:基于数据驱动的煤泥浮选精煤灰份软测量方法包括以下步骤:1).辅助变量及主导变量的选择采用浮选入料的浓度、流量、浮选药剂加药量和尾矿闸板位置作为辅助变量,浮选精煤灰份为主导变量,辅助变量来自于各个测量仪表和执行机构的数据序列,浮选精煤灰份由人工采样和化验获得,同时记录采样时刻,以和辅助变量时刻相对应,构建数据对;2).软测量数据的预处理进行数据样本的预处理,即对输入数据进行标准化处理;3).建立软测量模型以前面已经预处理的数据作为输入,以浮选精煤灰分为模型输出,进行基于最小二乘支持向量回归的浮选精煤灰分的软测量建模,得到以下非线性函数关系:y=f(x)=Σi=1maiK(x,xi)+b]]>同时保存辅助变量数据,用于模型修正使用;4).模型测试与选择使用测试样本对训练好的模型进行测试,如果满足误差要求,即认为模型可用;5).各种浮选入料条件下的软测量模型构建按照上述方法建立选煤过程大多数工况条件下的软测量模型库,供实时检测时选用。2、根据权利要求1所述的基于数据驱动的煤泥浮选精煤灰份软测量方法,其特征是该软测量方法还包括:6).模型的校正和参数修正a)模型修正判断条件以软测量的计算结果和同时刻的采样数据化验结果的绝对值比较,规定若误差超过0.5%,且连续超过10次,即表示为现使用软测量模型不可用,要求进行模型替换;b)模型替换采用新的训练数据,训练及测试方法相同,直至新模型误差满足要求,用新近训练的模型替代原软测量模型以满足测试要求,以上过程一直保持循环。3、根据权利要求1所述的基于数据驱动的煤泥浮选精煤灰份软测量方法,其特征是创建浮选精煤灰份软测量方法的过程如下:设给定样本数据为(x1,y1),(x2,y2)...(xm,ym),其中xi∈Rk为输入向量,yi∈R为输出变量,且yi=f(xi),i=1,2,...,m,f(x)为待估计的未知函数;作非线性映射φ:Rk→H,其中φ称为特征映射,H为特征空间,则被估计函数f(x)有如下形式:y=f(x)=wTφ(x)+b其中:w为空间H中的权向量,b∈R为偏置于是LS-SVM法估计非线性函数为如下特征空间中的最优问题:minw,b,eJ(w,e)=12wTw+12γΣi=1mei2]]>s.t.yi=wTφ(xi)+b+ei其中ei∈RK为误差变量其中γ为一实数常量,为了避免过学习,常将γ设为较小的值;由于w可能为无限维的,因此将这一规划问题转化到其的对偶空间中,定义Lagra...
【专利技术属性】
技术研发人员:王然风,王东飞,高雪明,李文德,张文平,裴建勋,
申请(专利权)人:山西潞安矿业集团有限责任公司,山西潞安环保能源开发股份有限公司,
类型:发明
国别省市:14[中国|山西]
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。