一种集成CSA和H-ELM的水泥生产质量预测方法技术

本发明专利技术提供一种集成CSA和H

【技术实现步骤摘要】
一种集成CSA和H
‑
ELM的水泥生产质量预测方法


[0001]本专利技术涉及水泥生产
，更具体地，涉及一种集成CSA和H
‑
ELM的水泥生产质量预测方法。

技术介绍

[0002]水泥与塑料、金属、木材俗称国民经济四大材料。水泥工业是国民经济和社会发展的重要支柱产业，是我国经济持续增长的重要支撑力量，其自动化程度直接彰显一个国家的整体基础工业实力。随着国家大力推动城市化建设，加快工业发展进度，截止到2016年，我国水泥年平均产量在25亿吨左右，约占全球水泥产量五成以上。但我国的水泥工业相对自动化程度较低，单位水泥熟料能耗比发达国家高50％以上，并且在水泥生产过程会产生大量的气态污染物以及粉尘颗粒，与此同时，水泥的生产质量还无法得到保证。因此，在保证水泥生产线稳定工作的前提下，如何提升自动化程度，水泥生产质量，降低水泥生产能耗，减少污染物排放成为了一个社会焦点问题。
[0003]我国水泥工业主要采用新型干法水泥生产技术。主要由生料制备系统，烧成系统和水泥制备系统组成。烧成系统是水泥生产过程中最为重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集成CSA和H
‑
ELM的水泥生产质量预测方法，其特征在于，包括以下步骤：S1：采集与水泥生产质量预测相关的数据；S2：使用灰色关联分析法对步骤S1收集到的数据进行初步筛选；S3：初始化分层极限学习机的参数，利用步骤S2中筛选得到的数据对分层极限学习机进行训练时，利用乌鸦算法优化分层极限学习机的隐层神经元个数，获取分层极限学习机的最优隐层神经元个数，得到预测模型；S4：利用所述预测模型对水泥生产质量进行预测。2.根据权利要求1所述的集成CSA和H
‑
ELM的水泥生产质量预测方法，其特征在于，步骤S1中所述与水泥生产质量预测相关的数据包括与烧成系统回转窑相关的喂料量、煤粉流量、分解炉出口温度、物料温度、二次风温、压力、回转窑电机电流、转速、高温风机转速、回转窑尾温、回转窑头负压、回转窑尾压力、回转窑烟室氧气含量、烟室氮氧化物含量、三次风温和三次风压力。3.根据权利要求1所述的集成CSA和H
‑
ELM的水泥生产质量预测方法，其特征在于，步骤S2中利用灰色关联分析法对步骤S1收集到的数据进行初步筛选，具体为：设自变量为X＝(x
i
(l)|i＝1,2,...,h,l＝1,2,...,M)，因变量为T＝{t(l)|l＝1,2,...,M}，其中h表示自变量的数目，M表示样本的数目，令Δ
i
(l)＝|t(l)
‑
x
i
(l)|，则灰色关联度分析法计算得到的灰关联度为：式中，ρ为分辨系数，0<ρ<1；因变量和自变量的灰色关联度γ
i
如下：设置灰色关联度阈值，选择灰色关联度大于灰色关联度阈值的数据作为数据样本，完成初步筛选。4.根据权利要求1所述的集成CSA和H
‑
ELM的水泥生产质量预测方法，其特征在于，所述步骤S3中初始化分层极限学习机的参数具体为：随机初始化隐含层个数、神经元个数、隐含层连接权值和阈值。5.根据权利要求4所述的集成CSA和H
‑
ELM的水泥生产质量预测方法，其特征在于，步骤S3中利用步骤S2中筛选得到的数据对分层极限学习机进行训练时，利用乌鸦算法优化分层极限学习机的隐层神经元个数，获取分层极限学习机的最优隐层神经元个数，得到预测模型，具体为：a、将分层极限学习机的隐层神经元个数组成乌鸦算法的初始种群集合，初始化乌鸦算法的参数；b、以分层极限学习机的训练结果误差作为适应度函数，评估乌鸦的位置；c、择优选择乌鸦种群集合中乌鸦的新位置，评估乌鸦的新位置，如果新位置比当前位置适应度值高，更新乌鸦位置至新位置；否则，乌鸦的新位置随机更新；d、重复步骤c直到迭代次数达到阈值，迭代终止，输出当前最佳位置，得到分层极限学
习机的最优隐层神经元个数；e、分层极限学习机利用FISTA算法计算每一隐含层网络权重，计算该层的实际输出并且作为下一层输入；f、运用最小二乘法求得分层极限学习机最后一层隐层和输出层之间的权值，输出预测结果。6.根据权利要求5所述的集成CSA和H
‑
ELM的水泥生产质量预测方法，其特征在于，步骤c中乌鸦的新位置更新，具体如下：择优选择乌鸦种群集合中乌鸦的新位置：X
i,iter+1
＝X
i,iter
+r
i
×
fl
×
(M
j,iter
‑
X
i,iter
)式中，向量X
i,iter
表示第i只乌鸦Crow
i
在第i次迭代中的位置，X
...

【专利技术属性】
技术研发人员：许潇，杨海东，徐康康，印四华，雷绍俊，谭喜，朱成就，赖添城，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：