一种基于大数据智能控制算法的熟料比例优化调节方法技术

28天强度即水泥

【技术实现步骤摘要】
一种基于大数据智能控制算法的熟料比例优化调节方法


[0001]本专利技术属于基于大数据分析和智能控制算法的水泥配比优化
，具体涉及决策表拼接、粗糙集属性约简、水泥3天强度预测模型和预测控制算法。

技术介绍

[0002]水泥配方主要有熟料、石灰石、石膏和矿粉四种，他们的不同配比决定水泥的质量，通过调节几个物料的百分比来控制水泥关键质量参数：烧失量、SO3含量、水泥3天强度。根据SO3含量来调整石膏配比从而调节凝结时间，根据烧失量来控制石灰石配比，根据水泥3天强度调节熟料比例和矿粉比例。本方法重点考虑熟料和矿粉的调节，水泥3天强度的化验结果要3天以后才能出来，属于大滞后系统，因此，不能直接根据化验结果反馈调节熟料比例。但是，考虑熟料质量、配比、水泥化学成分、水泥比表和细度可测，可建立预测模型做预测调节。目前我国的配料调节过程仍以人工调节为主，但水泥3天强度影响因素复杂，人工调节波动较大，为稳定水泥质量、降低成本，本方法基于模型预测框架对熟料比例和矿粉进行优化调节。

技术实现思路

[0003]为解决水泥3天强度波动大的问题，本专利提出一种大数据分析方法。建立水泥3天强度预测模型，根据化验数据实时预测水泥3天强度，基于预测结果通过模糊控制算法调节熟料和矿粉比例，考虑预测结果的工况影响，基于Day
‑
4（Day
‑
0代表今天，Day
‑
4是4天前）水泥3天强度的实际化验结果反馈校正模型预测结果。
[0004]为实现上述目标，提出图1所示的方案图，本专利技术主要包括以下内容： 1、工艺分析找出水泥3天强度的相关影响因素，将影响因素和3天强度（标签数据）拼接成原始拼接表； 2、对原始拼接表进行数据预处理，根据现场数据的实际情况提出各种组合的数据处理方法，去除干扰数据： a、对于人为记录的异常数据，则在分析之前就将它们进行清理，具体异常数据如下： （1）送检和报检时间不匹配， （2）配方比例突变， （3）数据填写错误， （4）调节过于频繁， （5）配方比例相加不为100%； b、利用PCA算法分析不同属性数据之间的相关性，从而清理冗余属性； 3、对去除干扰后的数据采用粗糙集分辨矩阵算法进行属性约简和重要度排序，得到3天强度的关键影响因素，将关键因素和3天强度合并成决策表，有如下基本内容：
ꢀ
a、将预处理后的拼接表离散化，去除冗余数据和矛盾数据，得到离散拼接表， b、采用相对属性约简算法和分辨矩阵算法找出影响3天强度的关键属性， c、采用分辨矩阵重要度排序方法对关键属性重要性排序,采用上下近似集挖掘重要属性跟3天强度规则关系，得到专家调节规则表； 4、基于决策表训练深度神经网络建立水泥3天强度预测模型，包括以下主要内容： a、将配方比例、硅酸三钙、铝酸三钙、比表面积、3
‑
32um细度、1天强度、CaO、烧失量、立升重作为属性，将水泥3天强度作为标签， b、将决策表数据随机抽取，分为10等份，循环用每一等份作为验证集训练网络，得到模型预测精确度统计结果， c、抽取预测精度最高的三个训练集结果，平均后作为模型预测结果输出； 5、考虑工况差异的影响，基于最新实测3天强度（3天前），采用属性差值数据建立多变量线性回归模型，预测当前3天强度跟实际3天强度的差值，用预测差值+实际3天强度（3天前）修正深度网络预测结果，消除工况影响，得到预测的当前3天强度，主要包括如下内容： a、找出最近5天的实际3天强度化验值，根据3sigma原则去除离群点； b、找出实际化验3天强度对应日期的决策属性值，找出当前日期的决策属性值； c、用当前日期决策属性值减去实际化验日期的决策属性值，得到属性差值； d、采用属性差值训练多元线性回归模型，预测3天强度差值； e、化验3天强度+预测差值=校正3天强度； f、用加权后的校正3天强度对深度网络预测结果进行修正，从而克服工况波动的影响。
[0005]、基于预测结果采用模糊控制算法调节熟料比例，稳定水泥3天强度，包括以下内容： a、对影响水泥3天强度的关键属性进行论域分割，得到模糊变量； b、根据3天强度预测值跟目标值的差值和差值变化方向给出规则表，采用上下近似集方法验证现场专家给出的关键属性跟水泥3天强度的关联规则，将数据支持的专家规则按照一定的格式保存成调节规则； c、模糊控制算法根据规则表给出熟料比例最优调节量，若推荐的调节建议符合规则接受该调节，否则拒绝，积累新的数据更新规则表。
[0006]经济效益：通过本专利所采用的技术方案可以达到以下有益效果：a、系统推荐的孰料比例跟人工调节比较可降低熟料用量0.5%（具有可行性），则1台磨机每月降低成本=0.5（熟料降低比例）*2.3吨/h（1%孰料比例对应的流量，单位吨）*24小时*30天*熟料单价（300元/吨）； b、配方比例由人工推荐方式变成系统智能推荐，减少人工工作量，降低劳动强度；c、材料费节省的同时产品合格率增加10%，良品率增加8%，配方调节标准化，产品质量波动区间明显减少，人为误差大大减少。
附图说明
[0007]图1为本专利技术的配料工艺图。
[0008]图2为本专利技术的水泥磨工艺配方调整整体方案框架图。
[0009]图3为本专利技术所建预测模型的预测结果。
[0010]图4为本专利技术的系统实现界面。
[0011]下面结合附图详细说明本专利技术的具体实施方式图1为本专利技术的水泥磨配料工艺图，水泥配料主要由四部分物料按照不同比例组成：熟料、矿粉、石膏、石灰石，不同物料影响水泥不同的质量参数：a、熟料质量主要影响水泥的短期和长期强度，熟料质量的代表性数据有KH，AL2O3，C3A，C3S，CaO
‑
F和立升重，熟料价格较高，是水泥生产的主要成本来源，保证水泥3天、28天强度（水泥标号）达到企业内控指标的同时，尽量减少熟料比例可以大大降低水泥生产成本，425水泥熟料比例一般在65%，525水泥熟料比例一般在85%；b、水泥加入石膏的主要目标是延缓凝结时间，保证夏天水泥最短凝结时间，石膏添加比例一般在6%；c、石灰石主要影响水泥烧失量，425水泥石灰石比例一般在10%，525水泥石灰石比例一般在3%；d、添加矿粉的主要目标是降低成本，减少熟料添加量，425水泥矿粉比例一般在20%，525水泥矿粉比例一般在5%；e、配方混合料经辊压机和球磨机磨细后成为最后水泥，水泥比表面积，粉磨细度3
‑
32um和<3um也会影响水泥质量。
[0012]图2为本专利技术方案框架图，主要包括以下内容：1、拼接大数据决策表，a、采集水泥3天强度历史数据、熟料质量、熟料配比与矿粉比例历史数据。（包括KH，AL2O3，C3A，C3S，CaO
‑
F和立升重。水泥细度数据：包括3
‑
32um含量，比表面积，<3um含量和>45um含量，配料比例：熟料比例，石灰石比例，石膏比例和矿粉比例。水泥质量数据：SO3，LOSS和CaO）。
[0013本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.制定决策表进行数据准备：将3天水泥强度的历史数据拼接对齐去除冗余，异常与矛盾数据得到大数据决策表。2.进行数据预处理：使用数据预处理技术对决策表数据进行滤波，去噪和去离群；对数据录入滞后，数据录入错误等问题进行处理得到新的决策表；筛选出的问题包括送检，报检时间不匹配，配方比例突变，数据填写错误，调节过于频繁，配方累加不为100%；问题处理方法有数据清理，数据集成等。3.粗糙集属性约简找出关键属性：使用粗糙集与属性约简算法找出影响三天强度的关键属性并排序，关键属性包括熟料质量，比表，配方和磨机的水泥细度。4.训练神经网络建立三天强度预测模型：（1）、根据粗糙集与约简算法找出的关键属性训练神经网络；（2）、使用神经网络算法结合实时的一天强度数据，熟料质量与配比预测前一天的3天强度；（3）、将回归模型预测的相邻...

【专利技术属性】
技术研发人员：马天雨，白政文，盛语嫣，杨茗茹，郑之伟，刘金平，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：