水泥篦冷机典型工况划分与识别的方法技术

本发明专利技术公开了一种水泥篦冷机典型工况划分与识别的方法，包括以下步骤：筛选可表征篦冷机工作状况的特征参数；对特征参数进行降维处理；对降维后的特征参数利用SAGA

【技术实现步骤摘要】
水泥篦冷机典型工况划分与识别的方法


[0001]本专利技术涉及一种水泥篦冷机典型工况划分与识别的方法，属于水泥生产控制


技术介绍

[0002]水泥工业是我国国民经济的支柱产业之一，水泥篦冷机已经成为现代水泥生产中冷却水泥熟料的主要设备。建设水泥生产智能化工厂，提高水泥企业的高度自动化、集成化和绿色化已经成为水泥工业的重要发展方向。
[0003]在水泥生产过程中，篦冷机作为冷却高温熟料和回收热量的关键设备，其稳定高效的运行对于水泥企业提高熟料品质、降耗节能具有重要意义。
[0004]但是，由于篦冷机工况变化频繁，篦冷机的优化控制主要依赖操作工程师的知识经验，而由于操作工程师技术水平的差异以及操作行为易受主观意愿的支配，导致对篦冷机当前工况判断不准，进而影响水泥熟料的冷却和热量的回收。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种水泥篦冷机典型工况划分与识别的方法，能够消除不同操作工程师之间对于典型工况判断知识经验的差异性。
[0006]本专利技术解决其技术问题采取的技术方案是：
[0007]本专利技术实施例提供的一种水泥篦冷机典型工况划分与识别的方法，其特征是，包括以下步骤：
[0008]筛选可表征篦冷机工作状况的特征参数；
[0009]对特征参数进行降维处理；
[0010]对降维后的特征参数利用SAGA
‑
FCM算法划分篦冷机典型工况；
[0011]设计典型工况识别器，并对篦冷机典型工况进行识别。
[0012]作为本实施例一种可能的实现方式，所述筛选可表征篦冷机工作状况的特征参数，包括：
[0013]选取与篦冷机工作状态的相关参数，所述相关参数包括篦冷机一室风压、生料下料量、窑主机电流、烧成带温度、一段篦速、二次风温、窑头负压、三次风温、破碎机电流、拉链机电流、窑头废气温度和窑头电收尘入口温度；
[0014]对选取的相关参数数据通过拉依达准则剔除异常值，并对剔除异常值后的参数数据进行均值滤波处理。
[0015]作为本实施例一种可能的实现方式，所述对选取的相关参数数据通过拉依达准则剔除异常值，包括：
[0016]将变量x
i
的N个数据求取平均值
[0017][0018]计算x
i
各项与均值的偏差e
i
：
[0019][0020]计算标准偏差σ：
[0021][0022]当数据x
i
的偏差e
i
满足|e
i
|>3σ，1≤i≤n，则判定x
i
为异常值，予以剔除。
[0023]作为本实施例一种可能的实现方式，所述对所选参数数据进行处理的均值滤波公式为：
[0024][0025]式中，m为均值滤波的时间窗口长度，x
′
为均值滤波后的参数。
[0026]作为本实施例一种可能的实现方式，所述对特征参数进行降维处理，包括：
[0027]将特征参数的原始数据表示成矩阵X的形式：
[0028][0029]对于样本数据X，利用映射矩阵A将样本X投影到Y上：
[0030][0031]式中，m<12，n为每种特征参数的数据数，y
i
＝A
T
x
i
；
[0032]得到局部保留投影算法的目标函数如下：
[0033][0034]S是定义的一个相似性矩阵，令当样本x
i
在x
j
的k最近邻域时，或者x
j
在x
i
的k最近邻域时，S
ij
＝exp(
‑
||x
i
‑
x
j
||2/t)，否则，S
ij
＝0，t是总体样本方差；
[0035]得到最优值的求解公式为：
[0036]argmin A
T
XLX
T
A
[0037]同时满足条件A
T
XDX
T
A＝I，L是拉普拉斯算子矩阵，L＝D
‑
S，
[0038]将求解映射矩阵A的问题转化为求解下列方程中的广义特征向量：
[0039]XLX
T
A＝λXDX
T
A
[0040]求出特征向量后，将A
k
＝(a1,a2,a3,L,a
k
)作为映射矩阵。
[0041]作为本实施例一种可能的实现方式，所述对降维后的特征参数利用SAGA
‑
FCM算法划分篦冷机典型工况，包括：
[0042]初始化控制参数：种群个体大小sizepop，最大进化次数MAXGEN，交叉概率P，变异概率P
m
，退火初始温度T0，温度冷却系数k，终止温度T
end
；
[0043]随机初始化c个聚类中心，并生成初始种群Chorm，对每个聚类中心用下式计算各样本的隶属度，以及每个个体的适应度值f
i
，其中i＝1,2,L sizepop；
[0044][0045]设循环技术变量gen＝0；
[0046]对群体Chorm实施选择、交叉和变异等遗传操作，对新产生的个体用下式计算c个聚类中心、各样本的隶属度，以及每一个体的适应度值f
i
′
，如果f
i
′
>f
i
，则以新个体替换旧个体，否则，以概率P＝exp((f
i
‑
f
i
′
)T)接收新个体，舍弃旧个体；
[0047]如果gen<MAXGEN，则gen＝gen+1，转至上个步骤，否则，进行下一个步骤；
[0048]如果T
i
<T
end
，则算法成功结束，返回全局最优解，否则，执行降温操作T
i+1
＝kT
i
，重新进入设循环技术变量gen＝0，继续向下运行；
[0049]利用SAGA
‑
FCM算法对特征参数降维得到的数据按照上述步骤分析运算，划分出相应的簇群，得到工况区间。
[0050]作为本实施例一种可能的实现方式，所述设计典型工况识别器，包括：
[0051]根据SAGA
‑
FCM工况聚类和特征参数相关性分析，选择对篦冷机工况变化影响最大、篦冷机工况变化表征明显的特征变量，作为工况识别的主要参数；
[0052]将SAGA
‑
FCM聚类算法划分出的中心点对应篦冷机典型工况的基准值，3个簇的数据范围作为篦冷机工况的范围；
[0053]设计一种以选择对篦冷机工况变化影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水泥篦冷机典型工况划分与识别的方法，其特征是，包括以下步骤：筛选可表征篦冷机工作状况的特征参数；对特征参数进行降维处理；对降维后的特征参数利用SAGA
‑
FCM算法划分篦冷机典型工况；设计典型工况识别器，并对篦冷机典型工况进行识别。2.根据权利要求1所述的水泥篦冷机典型工况划分与识别的方法，其特征是，所述筛选可表征篦冷机工作状况的特征参数，包括：选取与篦冷机工作状态的相关参数，所述相关参数包括篦冷机一室风压、生料下料量、窑主机电流、烧成带温度、一段篦速、二次风温、窑头负压、三次风温、破碎机电流、拉链机电流、窑头废气温度和窑头电收尘入口温度；对选取的相关参数数据通过拉依达准则剔除异常值，并对剔除异常值后的参数数据进行均值滤波处理。3.根据权利要求2所述的水泥篦冷机典型工况划分与识别的方法，其特征是，所述对选取的相关参数数据通过拉依达准则剔除异常值，包括：将变量x
i
的N个数据求取平均值的N个数据求取平均值计算x
i
各项与均值的偏差e
i
：计算标准偏差σ：当数据x
i
的偏差e
i
满足|e
i
|>3σ，1≤i≤n，则判定x
i
为异常值，予以剔除。4.根据权利要求3所述的水泥篦冷机典型工况划分与识别的方法，其特征是，所述对所选参数数据进行处理的均值滤波公式为：式中，m为均值滤波的时间窗口长度，x
′
为均值滤波后的参数。5.根据权利要求1所述的水泥篦冷机典型工况划分与识别的方法，其特征是，所述对特征参数进行降维处理，包括：将特征参数的原始数据表示成矩阵X的形式：
对于样本数据X，利用映射矩阵A将样本X投影到Y上：式中，m<12，n为每种特征参数的数据数，y
i
＝A
T
x
i
；得到局部保留投影算法的目标函数如下：S是定义的一个相似性矩阵，令当样本x
i
在x
j
的k最近邻域时，或者x
j
在x
i
的k最近邻域时，S
ij
＝exp(
‑
||x
i
‑
x
j
||2/t)，否则，S
ij
＝0，t是总体样本方差；得到最优值的求解公式为：argmin A
T
XLX
T
A同时满足条件A
T
XDX
T
A＝I，L是拉普拉斯算子矩阵，L＝D
‑
S，将求解映射矩阵A的问题转化为求解下列方程中的广义特征向量：XLX
T
A＝λXDX
T
A求出特征向量后，将A
k
＝(a1,a2,a3,L,a
k

【专利技术属性】
技术研发人员：于宏亮，王硕，王孝红，路士增，张荣丰，孟庆金，解云朝，
申请(专利权)人：济南大学，
类型：发明
国别省市：