【技术实现步骤摘要】
本申请涉及球团焙烧，具体涉及一种焙烧数据的分析方法及系统。
技术介绍
1、钢铁企业的铁矿球团生产工艺包括造球和焙烧两个关键阶段。造球是指铁矿细粉或其他含铁粉料与粘合剂(例如膨润土)、燃料(煤或焦炭)和助熔剂(石灰石)经混合、加水润湿，混合物料在转鼓或圆盘造球机上加水滚动成球，制成湿的生球团；焙烧是指将生球装载到焙烧炉，经过干燥焙烧、冷却，最终固结成可作为炼铁原料的、具有一定强度和冶金性能的球团。
2、在焙烧过程中，球团料层内会发生多种复杂的物理化学过程，例如干燥，加热，熔化，球团冷却，燃料燃烧，磁铁矿氧化和石灰石煅烧，诸多变量相互作用，使得焙烧过程中各个环节高度关联且关系复杂。目前生产现场采用人工构建机理模型对焙烧数据进行分析。
3、但是使用人工构建的机理模型进行数据分析，由于构建模型所使用的参数数据量较大、人工确定模型的运算参数和关系式难以准确刻画焙烧过程，存在对焙烧数据进行分析的准确率和效率较低的问题。
技术实现思路
1、有鉴于此，本申请提供一种焙烧数据的分析方法及系统，能够提高对焙烧数据进行分析的准确率和效率。
2、为解决上述问题，本申请提供的技术方案如下：
3、第一方面，本申请提供一种焙烧数据的分析方法，所述分析方法包括：
4、获取待分析焙烧数据，所述待分析焙烧数据为带式焙烧机对球团进行焙烧的过程中所使用的生产数据；
5、对所述待分析焙烧数据进行预处理，得到预处理后的待分析焙烧数据，所述预处理包括数据筛
6、将所述预处理后的焙烧数据输入至预先构建的焙烧数据分析模型中，得到所述预先构建的焙烧数据分析模型输出的目标分析结果，所述预先构建的焙烧数据分析模型的准确率满足预设条件。
7、在一种可能实现的方式中，所述焙烧数据分析模型是通过如下方式训练得到的：
8、获取训练数据和测试数据，所述训练数据包括训练焙烧数据和所述训练焙烧数据对应的训练标签，所述测试数据包括测试焙烧数据和所述测试焙烧数据对应的测试标签；
9、对所述训练焙烧数据和所述测试焙烧数据进行预处理，得到预处理后的训练焙烧数据和预处理后的测试焙烧数据，所述预处理包括数据筛选、数据规范化处理以及数据去空去重；
10、将所述预处理后的训练焙烧数据输入至多个待训练模型中，得到多个所述待训练模型输出的训练分析结果；
11、利用所述训练分析结果和所述训练焙烧数据对应的训练标签训练多个所述待训练模型，得到多个待测试模型；
12、将所述预处理后的测试焙烧数据输入至多个所述待测试模型，得到多个所述待测试模型输出的测试分析结果；
13、基于所述测试分析结果和所述测试焙烧数据对应的测试标签，确定多个所述待测试模型的准确率；
14、将多个所述待测试模型中准确率满足所述预设条件的待测试模型作为所述焙烧数据分析模型。
15、在一种可能实现的方式中，所述将所述预处理后的训练焙烧数据输入至多个待训练模型中，得到多个所述待训练模型输出的训练分析结果，包括：
16、利用所述待训练模型对所述预处理后的训练焙烧数据进行同步性分析和相关性分析，得到参数分析结果；
17、基于所述参数分析结果确定关键训练焙烧数据；
18、获取多个所述待训练模型基于所述关键训练焙烧数据输出的训练分析结果。
19、在一种可能实现的方式中，多个所述待训练模型包括回归模型、分类模型和异常识别模型。
20、在一种可能实现的方式中，所述方法还包括：
21、对所述预先构建的焙烧数据分析模型进行迭代，得到迭代后的焙烧数据分析模型。
22、第二方面，本申请提供一种焙烧数据的分析系统，所述分析系统包括：
23、获取模块，用于获取待分析焙烧数据，所述待分析焙烧数据为带式焙烧机对球团进行焙烧的过程中所使用的生产数据；
24、预处理模块，用于对所述待分析焙烧数据进行预处理，得到预处理后的待分析焙烧数据，所述预处理包括数据筛选、数据规范化处理以及数据去空去重；
25、分析模块，用于将所述预处理后的焙烧数据输入至预先构建的焙烧数据分析模型中，得到所述预先构建的焙烧数据分析模型输出的目标分析结果，所述预先构建的焙烧数据分析模型的准确率满足预设条件。
26、在一种可能实现的方式中，所述分析系统还包括模型训练模块，所述模型训练模块包括获取子模块、预处理子模块、训练分析子模块、训练子模块、测试分析子模块以及确定子模块：
27、所述获取子模块，用于获取训练数据和测试数据，所述训练数据包括训练焙烧数据和所述训练焙烧数据对应的训练标签，所述测试数据包括测试焙烧数据和所述测试焙烧数据对应的测试标签；
28、所述预处理子模块，用于对所述训练焙烧数据和所述测试焙烧数据进行预处理，得到预处理后的训练焙烧数据和预处理后的测试焙烧数据，所述预处理包括数据筛选、数据规范化处理以及数据去空去重；
29、所述训练分析子模块，用于将所述预处理后的训练焙烧数据输入至多个待训练模型中，得到多个所述待训练模型输出的训练分析结果；
30、所述训练子模块，用于利用所述训练分析结果和所述训练焙烧数据对应的训练标签训练多个所述待训练模型，得到多个待测试模型；
31、所述测试分析子模块，用于将所述预处理后的测试焙烧数据输入至多个所述待测试模型，得到多个所述待测试模型输出的测试分析结果；
32、所述确定子模块，用于基于所述测试分析结果和所述测试焙烧数据对应的测试标签，确定多个所述待测试模型的准确率；将多个所述待测试模型中准确率满足所述预设条件的待测试模型作为所述焙烧数据分析模型。
33、在一种可能实现的方式中，所述训练分析子模块，具体用于：
34、利用所述待训练模型对所述预处理后的训练焙烧数据进行同步性分析和相关性分析，得到参数分析结果；基于所述参数分析结果确定关键训练焙烧数据；获取多个所述待训练模型基于所述关键训练焙烧数据输出的训练分析结果。
35、在一种可能实现的方式中，多个所述待训练模型包括回归模型、分类模型和异常识别模型。
36、在一种可能实现的方式中，所述系统还包括迭代模块：
37、所述迭代模块，用于对所述预先构建的焙烧数据分析模型进行迭代，得到迭代后的焙烧数据分析模型。
38、第三方面，本申请提供一种焙烧数据的分析设备，所述设备包括：处理器、存储器、系统总线；
39、所述处理器以及所述存储器通过所述系统总线相连；
40、所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述第一方面所述的焙烧数据的分析方法。
41、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储指令，当所述本文档来自技高网...
【技术保护点】
1.一种焙烧数据的分析方法，其特征在于，所述分析方法包括：
2.根据权利要求1所述的分析方法，其特征在于，所述焙烧数据分析模型是通过如下方式训练得到的：
3.根据权利要求2所述的分析方法，其特征在于，所述将所述预处理后的训练焙烧数据输入至多个待训练模型中，得到多个所述待训练模型输出的训练分析结果，包括：
4.根据权利要求2-3所述的任一项分析方法，其特征在于，多个所述待训练模型包括回归模型、分类模型和异常识别模型。
5.根据权利要求1所述的分析方法，其特征在于，所述方法还包括：
6.一种焙烧数据的分析系统，其特征在于，所述分析系统包括：
7.根据权利要求6所述的分析系统，其特征在于，所述分析系统还包括模型训练模块，所述模型训练模块包括获取子模块、预处理子模块、训练分析子模块、训练子模块、测试分析子模块以及确定子模块：
8.根据权利要求7所述的分析系统，其特征在于，所述训练分析子模块，具体用于：
9.根据权利要求7-8所述的任一项分析系统，其特征在于，多个所述待训练模型包括回归模型、分类
10.根据权利要求6所述的分析系统，其特征在于，所述系统还包括迭代模块：
...【技术特征摘要】
1.一种焙烧数据的分析方法，其特征在于，所述分析方法包括：
2.根据权利要求1所述的分析方法，其特征在于，所述焙烧数据分析模型是通过如下方式训练得到的：
3.根据权利要求2所述的分析方法，其特征在于，所述将所述预处理后的训练焙烧数据输入至多个待训练模型中，得到多个所述待训练模型输出的训练分析结果，包括：
4.根据权利要求2-3所述的任一项分析方法，其特征在于，多个所述待训练模型包括回归模型、分类模型和异常识别模型。
5.根据权利要求1所述的分析方法，其特征在于，所述方法还包括：
6.一...
【专利技术属性】
技术研发人员：宋明航，韩基祥，任伟，高为民，陈子罗，
申请(专利权)人：中钢设备有限公司，
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。