【技术实现步骤摘要】
一种基于时间滞后XGBOOST模型的熟料游离钙含量软测量方法
[0001]本申请涉及水泥熟料生产
，具体而言，涉及一种基于时间滞后XGBOOST模型的熟料游离钙含量软测量方法。
技术介绍
[0002]在水泥回转窑生产过程中，生产工艺复杂，主要生产环节包括原料破碎、生料粉磨、煤磨、烧成（预热器、分解炉、篦冷机）、余热发电及熟料入库等过程。烧成过程的核心是控制熟料质量，其中熟料游离钙含量是水泥熟料质量最有代表性的指标。目前水泥回转窑并没有实时测量游离钙含量的仪器，大多数采用两小时一次人工取样化验测量的方式。这样的人工取样化验的方式有比较多的局限性，例如取样不具有代表性、不连续性、结果获取时间延后等，无法较为准确的测量熟料游离钙含量。虽然目前存在一些游离钙预测方法，但常用的游离钙预测方法一般为线性回归、深度神经网络，在实际应用过程中，线性回归往往难以达到较高精准度，会因为变量之间本身的非线性关系，导致模型不够准确；深度神经网络在图像文本领域有较高的适用性，但是由于工业领域数据量较少、数据分布变化极大，从而也难有比较好的预测效...
【技术保护点】
【技术特征摘要】
1.一种基于时间滞后XGBOOST模型的熟料游离钙含量软测量方法，其特征在于，所述方法包括：获取水泥生产流程对应各生产参数的生产数据和化验室针对水泥样本的各质量数据，所述质量数据包括游离氧化钙含量；将同一时刻的各所述生产数据和除所述游离氧化钙含量外的各所述质量数据确认为输入数据，将所述游离氧化钙含量确认为输出数据，并对所述输入数据与输出数据进行数据清洗，用以剔除不在预设数值范围内的异常数据；分别计算各所述输入数据与所述输出数据的皮尔逊相关性，并筛除所述皮尔逊相关性低于预设值的所述输入数据；基于所述输入数据在所述水泥生产流程中的生产时间节点确定各所述输入数据的时间提前量，将各所述输入数据与输出数据进行时间滞后对齐；基于所述输入数据与输出数据构建XGBOOST模型，调整所述XGBOOST模型的模型参数，确定均方差最小的目标XGBOOST模型，所述目标XGBOOST模型即为回归模型；当接收到新的所述生产数据时，将所述生产数据输入至所述回归模型，得到游离氧化钙含量预测值，并基于上一时刻所述游离氧化钙含量预测值与游离氧化钙含量实际值的偏差对当前时刻的所述游离氧化钙含量预测值进行矫正。2.根据权利要求1所述的方法，其特征在于，所述生产数据包括窑电流、二次风温、三次风温、烟室温度、头煤量、氨水量、分解炉温度、篦下压力、熟料温度、烟室压力、高温风机转速、一级筒出口温度、一级筒出口压力、二级筒出口温度、二级筒出口压力、三级筒出口温度、三级筒出口压力、四级筒出口温度、四级筒出口压力、五级筒出口温度、五级筒出口压力、六级筒出口温度、六级筒出口压力、冷却机温度、一室压力、第一风机出口压力和第二风机出口压力，所述质量数据还包括生料饱和比、生料硅率和生料铝率。3.根据权利要求1所述的方法，其特征在于，所述对所述输入数据与输出数据进行数据清洗，用以剔除不在预设数值范围内的异常数据，包括：分别获取各所述输入数据与输出数据对应的预设数值范围，确定不在所述预设数值范围内的异常数据；剔除各所述异常数据，并填充等数量的均值数据，所述均值数据为所述异常数据对应的所述输入数据的正常数据均值；对处理后的所述输入数据与输出数据进行均值滤波。4.根据权利要求1所述的方法，其特征在于，所述基于所述输入数据与输出数据构建XGBOOST模型，调整所述XGBOOST模型的模型参数，确定均方差最小的目标XGBOOST模型，所述目标XGBOOST模型即为回归模型，包括：将所述输入数据与输出数据按照预设比例划分为训练集和测试集；基于所述训练集训练得到XGBOOST模型，并调整所述XGBOOST模型的模型参数；将所述测试集输入至所述XGBOOST模型，确定测试数据预测值与测试数据真实值的均方误差最小的目标XGBOOST模型，所述目标XGBOOST模型即为回归模型...
【专利技术属性】
技术研发人员：袁亦斌，张公政，刘继林，王璟琳，朱永治，
申请(专利权)人：中材邦业杭州智能技术有限公司，
类型：发明
国别省市：
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。