一种水泥回转窑烧成过程的深度学习数据预测方法技术

本发明专利技术公开了一种水泥回转窑烧成过程的深度学习数据预测方法。本发明专利技术首先采集水泥回转窑烧成过程中传感器的数据，对数据进行预处理。其次构建新型预测网络，对预处理的数据进行预测。然后采集水泥回转窑烧成过程中新得到的过程数据。最后使用预测模型对新采集到的数据进行预测。本发明专利技术改善了传统预测模型建模过程复杂，无法处理非线性数据的缺点，提高了模型跟踪真实数据的能力。型跟踪真实数据的能力。型跟踪真实数据的能力。

【技术实现步骤摘要】
一种水泥回转窑烧成过程的深度学习数据预测方法


[0001]本专利技术属于自动化
，涉及一种水泥回转窑烧成过程的深度学习数据预测方法。

技术介绍

[0002]在水泥回转窑烧成过程中，煅烧水泥熟料的过程的特点是边界条件频繁变化，由此致使产品的质量指标生料分解率过低或过高,从而增加了回转窑的负荷间接导致后续生产过程出现问题。
[0003]有效的回转窑烧成过程的性能评估可以在一定程度上提高生产效率，降低能耗，提高产品质量，优化生产工艺，适应市场变化。随着科技的不断进步，计算机技术的不断发展，自动化系统在水泥生产过程中使用程度越来越高，与此同时性能评估方法也在不断地更新。良好的数据预测方法起着至关重要的作用，近年来随着深度学习的不断发展，深度学习方法被应用于各个领域的评估和预测。CNN更是最受欢迎的网络模型之一，CNN的局部接收域，合并子采样和过滤器权值共享等特性让它备受关注。
[0004]许多基于CNN的方法在机械和工业生产过程性能评估中都显示出了有效性。虽然CNN取得了不错的效果，但在网络深度上仍存在问题，随着网络深度不断加深，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水泥回转窑烧成过程的深度学习数据预测方法，其特征在于该方法包括以下步骤：S1、采集水泥回转窑烧成过程中传感器的数据，对数据进行预处理；S2、构建新型预测网络，对预处理的数据进行预测；S3、采集水泥回转窑烧成过程中新得到的过程数据；S4、使用预测网络对新采集到的数据进行预测。2.根据权利要求1所述的一种水泥回转窑烧成过程的深度学习数据预测方法，其特征在于：在步骤S1当中，将采集数据分为两类，过程数据X与质量数据Y，共N个样本。3.根据权利要求2所述的一种水泥回转窑烧成过程的深度学习数据预测方法，其特征在于：在步骤S1当中，采用小波变化法对过程数据和质量数据做去噪处理，去除过程数据当中的噪声。4.根据权利要求1所述的一种水泥回转窑烧成过程的深度学习数据预测方法，其特征在于：步骤S2包括：S201、构建超特征提取网络，并进行特征提权；S202、将提取出的超特征输入至堆叠LSTM网络。5.根据权利要求1所述的一种水泥回转窑烧成过程的深度学习数据预测方法，其特征在于：所述的超特征提取网络由五个卷积层构成，该网络结构应用一个五层卷积层的预训练模...

【专利技术属性】
技术研发人员：任延微，柏建军，张日东，孔亚广，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：